存儲設備可用於持久化日誌存儲

『壹』 什麼是持久化

持久化（Persistence），即把數據（如內存中的對象）保存到可永久保存的存儲設備中（如磁碟）。持久化的主要應用是將內存中的對象存儲在關系型的資料庫中，當然也可以存儲在磁碟文件中、XML數據文件中等等。 持久化是將程序數據在持久狀態和瞬時狀態間轉換的機制。

『貳』 騰訊雲儲存產品是什麼/騰訊雲儲存儲存空間是多大/騰訊雲儲存怎麼上傳文件

騰訊雲存儲產品
雲硬碟（Cloud Block Storage）是騰訊雲提供的用於CVM實例的持久性數據塊級存儲。每個雲硬碟在其可用區內自動復制，雲硬碟中的數據在可用區內以多副本冗餘方式存儲，避免數據的單點故障風險。雲硬碟為您提供處理工作所需的穩定可靠低延遲存儲，通過雲硬碟，您可在幾分鍾內調整存儲容量，且所有這些您只需為配置的資源量支付低廉的價格。
歸檔存儲（Cloud Archive Storage）是面向企業和個人開發者提供的高可靠、低成本的雲端離線存儲服務。您可以將任意數量和形式的非結構化數據放 入CAS，實現數據的容災和備份。
文件存儲（Cloud File Storage）提供了可擴展的共享文件存儲服務，可與騰訊雲的 CVM 等服務搭配使用。CFS 提供了標準的 NFS 文件系統訪問協議，為多個 CVM 實例提供共享的數據源，支持無限容量和性能的擴展，現有應用無需修改即可掛載使用，是一種高可用、高可靠的分布式文件系統，適合於大數據分析、媒體處理和內容管理等場景。
對象存儲（Cloud Object Storage）是面向企業和個人開發者提供的高可用，高穩定，強安全的雲端存儲服務。您可以將任意數量和形式的非結構化數據放入COS，並在其中實現數據的管理和處理。COS支持標準的Restful API介面，您可以快速上手使用，按實際使用量計費，無最低使用限制。
存儲網關（Cloud Storage Gateway）是一種混合雲存儲方案，旨在幫助企業或個人實現本地存儲與公有雲存儲的無縫銜接。您無需關心多協議本地存儲設備與雲存儲的兼容性，只需要在本地安裝雲存儲網關即可實現混合雲部署，並擁有媲美本地性能的海量雲端存儲。 n騰訊雲私有雲存儲 CSP（Cloud Storage on Private）是面向企業提供可擴展、高可靠、強安全、低成本的 PB 級海量數據存儲能力。提供客戶機房私有部署、騰訊雲機房專區部署兩種方式，滿足客戶多種場景需求，並保障客戶對系統 100% 可控。
雲數據遷移（Cloud Data Migration）是騰訊雲提供的 TB ~ PB 級別的數據遷移上雲服務。本服務提供了多種線下離線遷移的專用設備，滿足本地辦公網路或數據中心的大規模數據遷移上雲的需求，解決大量數據通過網路傳輸時間長、成本高、安全性低的問題。 n日誌服務（Cloud Log Service）提供一站式的日誌數據解決方案。您無需關注擴縮容等資源問題，五分鍾快速便捷接入，即可享受從日誌採集、日誌存儲到日誌內容搜索、統計分析等全方位穩定可靠的日誌服務。幫助您輕松解決業務問題定位，指標監控、安全審計等日誌問題。大大降低日誌運維門檻。

『叄』 什麼是持久化

http://ke..com/view/1101383.htm

持久化（Persistence），即把數據（如內存中的對象）保存到可永久保存的存儲設備中（如磁碟）。持久化的主要應用是將內存中的對象存儲在關系型的資料庫中，當然也可以存儲在磁碟文件中、XML數據文件中等等。

關鍵就是內存的數據會丟失，所以我們要把它保存在存儲設備中，以便下次需要的時候可以再把數據取出來

『肆』 linux裡面什麼是數據持久化

數據持久化顧名思義就是把程序中的數據以某種形式保存到某存貯介質中，以達到持久化的目的。當程序運行時，一些數據是臨時保存在內存中，一旦退出系統，這些數據就丟失了。那麼，使用某種手段將數據保存在硬碟上或者資料庫中，這樣即使退出系統後又重新啟動系統，那麼這些數據仍然可以重新找回來。

例如管理員向一個用戶管理系統中添加了一個用戶的資料，那麼這個系統需要將新添加的資料保存到資料庫中，否則系統退出或者電腦重啟後該用戶資料就會丟失。將數據從內存保存到資料庫中，這便是數據的持久化。當然，資料庫只是持久化方式中的一種，也可以保存在其他的永久存貯介質中。

圖為數據持久化的過程示意圖。

持久化（Persistence），即把數據（如內存中的對象）保存到可永久保存的存儲設備中（如磁碟）。持久化的主要應用是將內存中的對象存儲在資料庫中，或者存儲在磁碟文件中、XML數據文件中等等。

持久化是將程序數據在持久狀態和瞬時狀態間轉換的機制。

DBC就是一種持久化機制。文件IO也是一種持久化機制。

日常持久化的方法

在一定周期內保持不變就是持久化,持久化是針對時間來說的。資料庫中的數據就是持久化了的數據,只要你不去刪除或修改。比如在瀏覽器中一次Session會話中Session對象變數也是不變的,是Session容器中持久化。對象持久化的方式有很多種,根據周期不同有,page,Session,Application。對象序列化機制對於需要將對象的狀態保存到文件中，而後能夠通過讀入對象狀態來重新構造對象，恢復程序狀態. 對象序列化的過程是對象持久化的方法之一,把對象保存到文件中。

簡單的理解持久化可以在二個層面：應用層和系統層、

應用層

如果關閉(shutdown)你的應用然後重新啟動則先前的數據依然存在。

系統層

如果關閉(shutdown)你的系統（電腦）然後重新啟動則先前的數據依然存在。

持久化是一種對象服務實現至少3個介面

，就是把內存中的對象保存到外存中，讓以後能夠取回。需要實現至少3個介面：

void Save(object o) 把一個對象保存到外存中

Object Load(object oid) 通過對象標識從外存中取回對象

boolExists(object oid) 檢查外存中是否存在某個對象.

類似概念序列化

我們先跳開一下，看看另一個類似的有用概念：序列化Serialize也是一種對象服務，就是把內存中的對象序列化成流、或者把流反序列化成對象。需要實現2個介面：

void Serialize(Stream stream,object o) 把對象序列化到流中

object Deserialize(Stream stream) 把流反序列化成對象

序列化和持久化很相似，有些人甚至混為一談，其實還是有區別的，序列化是為了解決對象的傳輸問題，傳輸可以在線程之間、進程之間、內存外存之間、主機之間進行。我之所以在這里提到序列化，是因為我們可以利用序列化來輔助持久化，可以說凡是可以持久化的對象都可以序列化，因為序列化相對容易一些（也不是很容易），所以主流的軟體基礎設施，比如.net和java，已經把序列化的框架完成了。

持久化方案可以分為關系資料庫方案、文件方案、對象資料庫方案、xml資料庫方案

現今主流的持久化方案是關系資料庫方案，

關系資料庫方案不僅解決了並發的問題，更重要的是，關系資料庫還提供了持久化服務之外的價值：統計分析功能。剛才我說到，凡是可以序列化的對象都可以持久化，極端的說，我們可以只建立一個表Object(OID,Bytes)，但基本上沒有人這么做，因為一旦這樣，我們就失去了關系資料庫額外的統計分析功能。關系資料庫和面向對象之間有一條鴻溝，因為二者模式不匹配，所以就存在一個OR映射問題。

Redis支持兩種數據持久化方式：rdb方式和aof方式。前者會根據配置的規則定時將內存中的數據持久化到硬碟上，後者則是在每次執行寫命令之後將命令記錄下來。兩種持久化方式可以單獨使用，但是通常會將兩者結合使用。

1、RDB方式

RDB方式的持久化是通過快照的方式完成的。當符合某種規則時，會將內存中的數據全量生成一份副本存儲到硬碟上，這個過程稱作」快照」，redis默認開啟該持久化功能，具體配置如下：

save 900 1

save 300 10

save 60 10000

stop-writes-on-bgsave-error yes

rdbcompression yes

rdbchecksum yes

dbfilename mp.rdb

#文件名稱

dir ./

#rdb文件存放路徑

配置後系統會自動進行快照，save 60 10000表示60秒內有10000次寫入，那麼就會調用bgsave

除了系統自動進行快照外，我們也可以手動執行SAVE或BGSAVE命令主動進行快照操作：

執行SAVE或BGSAVE命令

執行FLUSHALL命令

2、AOF方式

在使用Redis存儲非臨時數據時，一般都需要打開AOF持久化來降低進程終止導致的數據丟失，AOF可以將Redis執行的每一條寫命令追加到硬碟文件中，這一過程會降低Redis的性能。

默認情況下，Redis沒有開啟AOF（append only file）持久化功能，可以通過在配置文件中作如下配置啟用：

appendonly no #是否開啟aof，開啟時將no改為yes

appendfilename "appendonly.aof" 持久化文件名稱

auto-aof-rewrite-percentage 100

#當前AOF文件大小是上次日誌重寫得到AOF文件大小的二倍時，自動啟動新的日誌重寫過程。

auto-aof-rewrite-min-size 64mb

#當前AOF文件啟動新的日誌重寫過程的最小值，避免剛剛啟動Reids時由於文件尺寸較小導致頻繁的重寫。

appendfsync :everysec (推薦配置)

#持久化策略

always (同步持久化，每次發生數據變更會被立即記錄到磁碟，性能差但數據完整性比較好)

everysec (非同步操作，每秒記錄，如果一秒鍾內宕機，有數據丟失)

no （將緩存回寫的策略交給系統，linux 默認是30秒將緩沖區的數據回寫硬碟的）

一般來說可以考慮同時使用兩種持久化方案.

『伍』 持久化類和持久化對象分別指什麼有什麼作用區別

首先持久化作用是將程序數據在持久狀態和瞬時狀態間轉換的機制。即把數據（如內存中的對象）保存到可永久保存的存儲設備中（如磁碟）。持久化的主要應用是將內存中的對象存儲在關系型的資料庫中，當然也可以存儲在磁碟文件中、XML數據文件中等等。

一般來說，持久化類(persistent class)：可以被hibernate保存到資料庫，並且從資料庫讀取的類。
持久化類：是指其實例需要被Hibernate持久化到資料庫中的類。持久化類符合JavaBean的規范，包含一些屬性，以及與之對應的getXXX（）和setXXX（）方法。而持久化對象就是把對象保存至資料庫或者文件中。
區別就是：持久化類是能夠實現持久化的類-也就是該類符合JavaBean的規范和持久化標準的一些操作。而持久化對象就是：持久化類的實例對象，並且將至保存到資料庫或者文件中。

『陸』 持久化的定義

持久化（Persistence），即把數據（如內存中的對象）保存到可永久保存的存儲設備中（如磁碟）。持久化的主要應用是將內存中的對象存儲在的資料庫中，或者存儲在磁碟文件中、XML數據文件中等等。
持久化是將程序數據在持久狀態和瞬時狀態間轉換的機制。
JDBC就是一種持久化機制。文件IO也是一種持久化機制。
日常持久化的方法
將鮮肉冷藏，吃的時候再解凍的方法也是。
將水果做成罐頭的方法也是。
將人的臟器迅速冷凍，運輸，然後解凍給人移植的技術也是。

『柒』 磁碟與硬碟的區別

磁碟：將圓形的磁性碟片裝在一個方的密封盒子里，用於存儲少量數據的存儲設備。
特點：
1.適用於早期DOS系統計算機和學習機。
2.本地持久化存儲少量數據，防止數據丟失。
3.體積小，便於攜帶。

機械硬碟：由碟片，磁頭，碟片轉軸及控制電機，磁頭控制器，數據轉換器，介面，緩存等幾個部分組成的存儲設備。
特點：
1.適用於Windows、Mac OS X、Linux系統計算機、家用游戲機、液晶電視(加硬碟盒組成移動硬碟再接入USB口)等設備。
2.相對於磁碟，可以存儲大量文件，防止文件丟失。
3.存儲容量不一，有：40GB、80GB、120GB、160GB、320GB、500GB、1TB、2TB等多種容量。
4.硬碟介面可以是IDE並口，也可以是SATA串口，還可以是其他類型。
5.有轉速屬性，轉速高，讀寫速率通常會高。
6.內置大量機械部件。

固態硬碟：由固態電子存儲晶元陣列而製成的存儲設備。
特點：
1.由控制單元和存儲單元（FLASH晶元、DRAM晶元）組成。
2.相對於磁碟，可以存儲大量文件，防止文件丟失。
3.存儲容量和編制格式不一，可以是：8GB、32GB、64GB、128GB、256GB、512GB、1TB等二進制編制規格，也可以是：120GB、240GB、480GB、960GB等十進制編制規格。
4.硬碟介面通常是SATA串口，也可以是其他類型介面。
5.無轉速屬性。

『捌』 什麼是基礎數據信息平台

一直想整理一下這塊內容，既然是漫談，就想起什麼說什麼吧。我一直是在互聯網行業，就以互聯網行業來說。
先大概列一下互聯網行業數據倉庫、數據平台的用途：

• 整合公司所有業務數據，建立統一的數據中心；

• 提供各種報表，有給高層的，有給各個業務的；

• 為網站運營提供運營上的數據支持，就是通過數據，讓運營及時了解網站和產品的運營效果；

• 為各個業務提供線上或線下的數據支持，成為公司統一的數據交換與提供平台；

• 分析用戶行為數據，通過數據挖掘來降低投入成本，提高投入效果；比如廣告定向精準投放、用戶個性化推薦等；

• 開發數據產品，直接或間接為公司盈利；

• 建設開放數據平台，開放公司數據；

• 。。。。。。




• 上面列出的內容看上去和傳統行業數據倉庫用途差不多，並且都要求數據倉庫/數據平台有很好的穩定性、可靠性；但在互聯網行業，除了數據量大之外，越來越多的業務要求時效性，甚至很多是要求實時的 ，另外，互聯網行業的業務變化非常快，不可能像傳統行業一樣，可以使用自頂向下的方法建立數據倉庫，一勞永逸，它要求新的業務很快能融入數據倉庫中來，老的下線的業務，能很方便的從現有的數據倉庫中下線；




• 其實，互聯網行業的數據倉庫就是所謂的敏捷數據倉庫，不但要求能快速的響應數據，也要求能快速的響應業務；




• 建設敏捷數據倉庫，除了對架構技術上的要求之外，還有一個很重要的方面，就是數據建模，如果一上來就想著建立一套能兼容所有數據和業務的數據模型，那就又回到傳統數據倉庫的建設上了，很難滿足對業務變化的快速響應。應對這種情況，一般是先將核心的持久化的業務進行深度建模（比如：基於網站日誌建立的網站統計分析模型和用戶瀏覽軌跡模型；基於公司核心用戶數據建立的用戶模型），其它的業務一般都採用維度+寬表的方式來建立數據模型。這塊是後話。




• 整體架構下面的圖是我們目前使用的數據平台架構圖，其實大多公司應該都差不多：




• 邏輯上，一般都有數據採集層、數據存儲與分析層、數據共享層、數據應用層。可能叫法有所不同，本質上的角色都大同小異。




• 我們從下往上看：




• 數據採集數據採集層的任務就是把數據從各種數據源中採集和存儲到數據存儲上，期間有可能會做一些簡單的清洗。





• 數據源的種類比較多：




• 網站日誌：




• 作為互聯網行業，網站日誌占的份額最大，網站日誌存儲在多台網站日誌伺服器上，




• 一般是在每台網站日誌伺服器上部署flume agent，實時的收集網站日誌並存儲到HDFS上；




• 業務資料庫：




• 業務資料庫的種類也是多種多樣，有Mysql、Oracle、SqlServer等，這時候，我們迫切的需要一種能從各種資料庫中將數據同步到HDFS上的工具，Sqoop是一種，但是Sqoop太過繁重，而且不管數據量大小，都需要啟動MapRece來執行，而且需要Hadoop集群的每台機器都能訪問業務資料庫；應對此場景，淘寶開源的DataX，是一個很好的解決方案（可參考文章 《異構數據源海量數據交換工具-Taobao DataX 下載和使用》），有資源的話，可以基於DataX之上做二次開發，就能非常好的解決，我們目前使用的DataHub也是。




• 當然，Flume通過配置與開發，也可以實時的從資料庫中同步數據到HDFS。




• 來自於Ftp/Http的數據源：




• 有可能一些合作夥伴提供的數據，需要通過Ftp/Http等定時獲取，DataX也可以滿足該需求；




• 其他數據源：




• 比如一些手工錄入的數據，只需要提供一個介面或小程序，即可完成；





• 數據存儲與分析毋庸置疑，HDFS是大數據環境下數據倉庫/數據平台最完美的數據存儲解決方案。





• 離線數據分析與計算，也就是對實時性要求不高的部分，在我看來，Hive還是首當其沖的選擇，豐富的數據類型、內置函數；壓縮比非常高的ORC文件存儲格式；非常方便的SQL支持，使得Hive在基於結構化數據上的統計分析遠遠比MapRece要高效的多，一句SQL可以完成的需求，開發MR可能需要上百行代碼；




• 當然，使用Hadoop框架自然而然也提供了MapRece介面，如果真的很樂意開發Java，或者對SQL不熟，那麼也可以使用MapRece來做分析與計算；Spark是這兩年非常火的，經過實踐，它的性能的確比MapRece要好很多，而且和Hive、Yarn結合的越來越好，因此，必須支持使用Spark和SparkSQL來做分析和計算。因為已經有Hadoop Yarn，使用Spark其實是非常容易的，不用單獨部署Spark集群，關於Spark On Yarn的相關文章，可參考：《Spark On Yarn系列文章》




• 實時計算部分，後面單獨說。




• 數據共享這里的數據共享，其實指的是前面數據分析與計算後的結果存放的地方，其實就是關系型資料庫和NOSQL資料庫；





• 前面使用Hive、MR、Spark、SparkSQL分析和計算的結果，還是在HDFS上，但大多業務和應用不可能直接從HDFS上獲取數據，那麼就需要一個數據共享的地方，使得各業務和產品能方便的獲取數據；和數據採集層到HDFS剛好相反，這里需要一個從HDFS將數據同步至其他目標數據源的工具，同樣，DataX也可以滿足。




• 另外，一些實時計算的結果數據可能由實時計算模塊直接寫入數據共享。





• 數據應用

• 業務產品
  




• 業務產品所使用的數據，已經存在於數據共享層，他們直接從數據共享層訪問即可；




• 報表




• 同業務產品，報表所使用的數據，一般也是已經統計匯總好的，存放於數據共享層；




• 即席查詢




• 即席查詢的用戶有很多，有可能是數據開發人員、網站和產品運營人員、數據分析人員、甚至是部門老大，他們都有即席查詢數據的需求；




• 這種即席查詢通常是現有的報表和數據共享層的數據並不能滿足他們的需求，需要從數據存儲層直接查詢。




• 即席查詢一般是通過SQL完成，最大的難度在於響應速度上，使用Hive有點慢，目前我的解決方案是SparkSQL，它的響應速度較Hive快很多，而且能很好的與Hive兼容。




• 當然，你也可以使用Impala，如果不在乎平台中再多一個框架的話。




• OLAP




• 目前，很多的OLAP工具不能很好的支持從HDFS上直接獲取數據，都是通過將需要的數據同步到關系型資料庫中做OLAP，但如果數據量巨大的話，關系型資料庫顯然不行；




• 這時候，需要做相應的開發，從HDFS或者HBase中獲取數據，完成OLAP的功能；




• 比如：根據用戶在界面上選擇的不定的維度和指標，通過開發介面，從HBase中獲取數據來展示。




• 其它數據介面
  




• 這種介面有通用的，有定製的。比如：一個從Redis中獲取用戶屬性的介面是通用的，所有的業務都可以調用這個介面來獲取用戶屬性。





• 實時計算現在業務對數據倉庫實時性的需求越來越多，比如：實時的了解網站的整體流量；實時的獲取一個廣告的曝光和點擊；在海量數據下，依靠傳統資料庫和傳統實現方法基本完成不了，需要的是一種分布式的、高吞吐量的、延時低的、高可靠的實時計算框架；Storm在這塊是比較成熟了，但我選擇Spark Streaming，原因很簡單，不想多引入一個框架到平台中，另外，Spark Streaming比Storm延時性高那麼一點點，那對於我們的需要可以忽略。




• 我們目前使用Spark Streaming實現了實時的網站流量統計、實時的廣告效果統計兩塊功能。




• 做法也很簡單，由Flume在前端日誌伺服器上收集網站日誌和廣告日誌，實時的發送給Spark Streaming，由Spark Streaming完成統計，將數據存儲至Redis，業務通過訪問Redis實時獲取。




• 任務調度與監控在數據倉庫/數據平台中，有各種各樣非常多的程序和任務，比如：數據採集任務、數據同步任務、數據分析任務等；





• 這些任務除了定時調度，還存在非常復雜的任務依賴關系，比如：數據分析任務必須等相應的數據採集任務完成後才能開始；數據同步任務需要等數據分析任務完成後才能開始；這就需要一個非常完善的任務調度與監控系統，它作為數據倉庫/數據平台的中樞，負責調度和監控所有任務的分配與運行。




• 前面有寫過文章，《大數據平台中的任務調度與監控》,這里不再累贅。




• 總結在我看來架構並不是技術越多越新越好，而是在可以滿足需求的情況下，越簡單越穩定越好。目前在我們的數據平台中，開發更多的是關注業務，而不是技術，他們把業務和需求搞清楚了，基本上只需要做簡單的SQL開發，然後配置到調度系統就可以了，如果任務異常，會收到告警。這樣，可以使更多的資源專注於業務之上。

『玖』 如何在數據失效前把數據持久化到資料庫裡面

長期存儲數據，即把數據（如內存中的）保存到可永久保存的存儲設備中（如硬碟、U盤），也就是人們常說的持久化。
常用持久化的方案有資料庫、XML文件和文件存儲。
資料庫是按照數據結構來存儲和管理數據的倉庫，後文不再做詳細介紹。
XML是可擴展標記語言，最早是為了簡化Internet的文檔數據傳輸，它提供統一的語法格式來描述數據的結構，通常XML文件用於一些少量且無特殊類型要求的文本存儲。示例代碼使用W3C標準的介面生成XML：
import java.io.FileOutputStream;import java.io.PrintWriter; import javax.xml.parsers.DocumentBuilderFactory;import javax.xml.transform.OutputKeys;import javax.xml.transform.Transformer;import javax.xml.transform.TransformerFactory;import javax.xml.transform.dom.DOMSource;import javax.xml.transform.stream.StreamResult; import org.w3c.dom.Document;import org.w3c.dom.Element; public class $ { public static void main(String[] args) throws Exception { Document document = DocumentBuilderFactory.newInstance().newDocumentBuilder().newDocument(); //創建根節點為students的<a href="https://www..com/s?wd=XML%E6%96%87%E4%BB%B6&tn=44039180_cpr&fenlei=-bIi4WUvYETgN-TLwGUv3EPHmkPWn1rHmk" target="_blank" class="-highlight">XML文件</a> Element students = document.createElement("students"); document.appendChild(students); //在根節點下創建一個子節點學生 Element student = document.createElement("student"); students.appendChild(student); //創建節點學生姓名，值為張三 Element name = document.createElement("name"); name.appendChild(document.createTextNode("張三")); student.appendChild(name); //創建節點學生年齡，值為18 Element age = document.createElement("age"); age.appendChild(document.createTextNode("18")); student.appendChild(age); //創建節點學生編號，值為150101 Element number = document.createElement("number"); number.appendChild(document.createTextNode("150101")); student.appendChild(number); //在根節點下創建第二個子節點學生 student = document.createElement("student"); students.appendChild(student); //創建節點學生姓名，值為李四 name = document.createElement("name"); name.appendChild(document.createTextNode("李四")); student.appendChild(name); //創建節點學生年齡，值為20 age = document.createElement("age"); age.appendChild(document.createTextNode("20")); student.appendChild(age); //創建節點學生編號，值為150102 number = document.createElement("number"); number.appendChild(document.createTextNode("150102")); student.appendChild(number); //將XML文件保存到硬碟 Transformer transformer = TransformerFactory.newInstance().newTransformer(); transformer.setOutputProperty(OutputKeys.ENCODING, "utf-8"); transformer.setOutputProperty(OutputKeys.INDENT, "yes"); PrintWriter writer = new PrintWriter(new FileOutputStream("/home/test.xml")); transformer.transform(new DOMSource(document), new StreamResult(writer)); }}

無論是資料庫還是XML文件，它們都使用了能讓數據快速方便進出的標准規范。其它文件如propeties、json，都可以使用類似XML的方式來打包數據，然後通過Java豐富的io流介面保存到磁碟中。