Jadual Kandungan
1. Gambaran Keseluruhan Rakit" >1. Gambaran Keseluruhan Rakit
2. Peranan Rakit" >2. Peranan Rakit
2.1 Peranan" >2.1 Peranan
3. Sistem Nod Tunggal" >3. Sistem Nod Tunggal
3.1 Pelayan Pangkalan Data" >3.1 Pelayan Pangkalan Data
3.2 Pelanggan" >3.2 Pelanggan
3.3 Pelanggan menghantar data ke pelayan" >3.3 Pelanggan menghantar data ke pelayan
3.4 Bagaimanakah berbilang nod memastikan konsistensi? " >3.4 Bagaimanakah berbilang nod memastikan konsistensi?
4. Proses pemilihan pemimpin" >4. Proses pemilihan pemimpin
4.1 Keadaan awal " >4.1 Keadaan awal
4.2 Menjadi calon" >4.2 Menjadi calon
4.3 Undi" >4.3 Undi
4.4 Istilah " >4.4 Istilah
4.5 Peraturan Pilihan Raya" >4.5 Peraturan Pilihan Raya
4.6 Kebanyakan" >4.6 Kebanyakan
4.7 Tempoh Denyutan Jantung" >4.7 Tempoh Denyutan Jantung
5. pusingan baru pilihan raya. Seperti yang ditunjukkan dalam rajah di bawah, jika nod pemimpin A gagal, nod B dan nod C akan memilih semula ketua. " >5. pusingan baru pilihan raya. Seperti yang ditunjukkan dalam rajah di bawah, jika nod pemimpin A gagal, nod B dan nod C akan memilih semula ketua.
Algoritma Raft menggunakan kaedah berikut untuk menjalankan pemilihan kepimpinan, memastikan hanya ada seorang pemimpin dalam satu penggal, sekali gus mengurangkan peluang untuk Kegagalan pilihan raya. " >Algoritma Raft menggunakan kaedah berikut untuk menjalankan pemilihan kepimpinan, memastikan hanya ada seorang pemimpin dalam satu penggal, sekali gus mengurangkan peluang untuk Kegagalan pilihan raya.
Rumah Peranti teknologi AI Algoritma konsensus yang sistem teragih mesti tahu: Rakit

Algoritma konsensus yang sistem teragih mesti tahu: Rakit

Apr 07, 2023 pm 05:54 PM
algoritma diedarkan

1. Gambaran Keseluruhan Rakit

​Raft 算法​​​​ adalah pilihan pertama untuk pembangunan sistem teragih​共识算法​​. Contohnya, Etcd dan Consul popular sekarang.

Jika ​​掌握​​​algoritma ini dilaksanakan, ia boleh menjadi lebih mudah untuk mengendalikan ​​容错​​​ dan ​​一致性​​ keperluan kebanyakan senario. Contohnya, sistem konfigurasi teragih, storan NoSQL teragih, dsb. dengan mudah boleh menembusi had mesin tunggal sistem.

Algoritma Raft mencapai konsensus pada siri nilai dan ketekalan log setiap nod melalui semua kaedah berdasarkan ketua.

2. Peranan Rakit

2.1 Peranan

Pengikut : ​​普通群众​​, secara senyap menerima mesej daripada pemimpin Apabila mesej degupan jantung pemimpin tamat, dia akan mengambil inisiatif untuk bangkit dan mengesyorkan dirinya sebagai calon.

Calon (Calon) : ​​候选人​​ akan meminta mesej RPC undian daripada nod lain dan memberitahu nod lain untuk mengundi Jika ia memenangi majoriti undian mengundi, ia akan dinaikkan pangkat kepada pemimpin yang.

Pemimpin : ​​霸道总裁​​, semuanya terpulang kepada saya. Proses permintaan tulis, urus replikasi log dan hantar maklumat degupan jantung secara berterusan untuk memberitahu nod lain bahawa "Saya ketua, saya masih hidup dan anda tidak mahu" memulakan pilihan raya baharu tanpa perlu mencari pemimpin baharu untuk menggantikan saya.

Seperti yang ditunjukkan dalam rajah di bawah, tiga jenis tokoh digunakan untuk mewakili pengikut, calon dan pemimpin.

Peranan

3. Sistem Nod Tunggal

3.1 Pelayan Pangkalan Data

Sekarang mari bayangkan, Di sana ialah sistem nod tunggal Nod ini berfungsi sebagai pelayan pangkalan data dan menyimpan nilai X.

Pelayan Pangkalan Data

3.2 Pelanggan

Bulatan pepejal hijau di sebelah kiri ialah klien, dan bulatan pepejal biru di sebelah kanan ialah Nod a (Nod a ). Penggal mewakili tempoh jawatan, yang akan dibincangkan kemudian.

Algoritma konsensus yang sistem teragih mesti tahu: Rakit

Pelanggan

3.3 Pelanggan menghantar data ke pelayan

Pelanggan menghantar data ke satu- pelayan nod Operasi kemas kini menetapkan nilai yang disimpan dalam pangkalan data kepada 8. Dalam persekitaran yang berdiri sendiri (nod pelayan tunggal), nilai yang diperoleh klien daripada pelayan juga adalah 8. Konsistensi sangat mudah untuk dipastikan.

Algoritma konsensus yang sistem teragih mesti tahu: Rakit

Pelanggan menghantar data ke pelayan

3.4 Bagaimanakah berbilang nod memastikan konsistensi?

Tetapi jika terdapat berbilang nod pelayan, bagaimana untuk memastikan konsistensi? Sebagai contoh, terdapat tiga nod: a, b, c. Seperti yang ditunjukkan di bawah. Ketiga-tiga nod ini membentuk kluster pangkalan data. Apabila pelanggan melakukan operasi kemas kini pada ketiga-tiga nod ini, bagaimana untuk memastikan bahawa nilai yang disimpan dalam tiga nod adalah konsisten? Ini adalah isu konsistensi yang diedarkan. Algoritma Raft ada di sini untuk menyelesaikan masalah ini. Sudah tentu, terdapat protokol lain yang juga boleh menjamin ini Artikel ini hanya memfokuskan pada algoritma Raft.

Algoritma konsensus yang sistem teragih mesti tahu: Rakit

Dalam kluster berbilang nod, dalam keadaan tidak normal seperti kegagalan nod, ralat partition, dsb., bagaimanakah algoritma Raft memastikan bahawa hanya terdapat satu ketua dalam kluster di masa yang sama? Mari kita mulakan untuk menerangkan proses pemilihan pemimpin oleh algoritma Raft.

4. Proses pemilihan pemimpin

4.1 Keadaan awal

Dalam keadaan awal, semua nod dalam kelompok adalah pengikut status.

Seperti yang ditunjukkan dalam rajah di bawah, terdapat tiga nod (Nod) a, b, dan c, dan istilah (Terma) ialah 0.

Algoritma konsensus yang sistem teragih mesti tahu: Rakit

Keadaan awal

4.2 Menjadi calon

Algoritma Raft melaksanakan ciri tamat masa rawak, setiap satu masa Selang masa tamat untuk setiap nod menunggu maklumat degupan jantung daripada nod pendahulu adalah rawak. Sebagai contoh, selang masa tamat menunggu nod A ialah 150 ms, nod B ialah 200 ms, dan nod C ialah 300 ms. Kemudian tamat masa dahulu, ia tamat masa kerana ia tidak menunggu maklumat degupan jantung pemimpin. Seperti yang ditunjukkan dalam rajah di bawah, pemasa tamat masa untuk tiga nod mula berjalan.

Tempoh tamat masa

Apabila tempoh tamat masa nod A tamat, nod A menjadi calon dan meningkatkan nombor jangka masanya dikemas kini daripada 0 kepada 1. Dan hantar undi untuk diri saya sendiri.

  • Nod A: Penggal = 1, Kiraan Undi = 1.
  • Nod B: Jangka = 0.
  • Nod C: Jangka = 0.

Algoritma konsensus yang sistem teragih mesti tahu: Rakit

Jadi calon

4.3 Undi

Mari kita lihat bagaimana calon menjadi pemimpin .

Algoritma konsensus yang sistem teragih mesti tahu: Rakit

Pemilihan pemimpin

  • Langkah 1: Selepas nod A menjadi calon, hantar permintaan untuk mengundi RPC kepada yang lain mesej nod dan minta mereka memilih diri mereka sebagai pemimpin.
  • Langkah 2: Selepas menerima maklumat permintaan undian yang dihantar oleh nod A, nod B dan nod C akan mengundi tanpa mengundi dalam tempoh bernombor 1. Undian dibuang ke nod A dan nodnya bilangan penggal sendiri ditambah.
  • Langkah ketiga: Nod A menerima 3 undi dan menerima undian daripada majoriti nod, menjadi calon daripada calon kepada pemimpin baharu dalam penggal ini.
  • Langkah 4: Nod A, sebagai ketua, menghantar maklumat degupan jantung ke nod B dan nod C pada selang masa tetap, memberitahu nod B dan C bahawa saya adalah ketua dan mengatur orang lain untuk mengikuti untuk memulakan pilihanraya baru.
  • Langkah 5: Nod B dan nod C menghantar maklumat respons ke nod A, memberitahu nod A bahawa saya normal.

4.4 Istilah

Perkataan Inggeris ialah term, dan leaders have tenure.

  • Autokenaikan: Selepas pengikut tamat masa menunggu maklumat degupan jantung pemimpin, ia mengesyorkan dirinya sebagai calon dan akan menambah bilangan penggalnya seperti yang ditunjukkan dalam rajah di atas, istilah itu nod A ialah 0. Apabila mencalonkan diri anda sebagai calon, istilah nombor meningkat kepada 1.
  • Kemas kini kepada nilai yang lebih besar: Apabila nod mendapati bahawa nombor sebutannya lebih kecil daripada nod lain, ia akan mengemas kini kepada nilai nombor yang lebih besar. Contohnya, istilah nod A ialah 1 dan meminta undian Mesej undian mengandungi nombor istilah nod A, dan nombornya ialah 1. Selepas nod B menerima mesej, ia akan mengemas kini nombor istilahnya kepada 1.
  • Berbalik kepada status pengikut: Jika calon atau pemimpin mendapati bahawa nombor istilahnya lebih kecil daripada nod lain, ia akan segera kembali kepada status pengikut. Senario ini berlaku apabila ralat partition dipulihkan dan pemimpin dengan istilah 3 menerima mesej degupan jantung dengan istilah 4, maka yang pertama akan segera kembali ke keadaan pengikut.
  • Mesej penolakan: Jika nod menerima permintaan untuk nilai nombor jangka yang lebih kecil, ia akan menolak permintaan secara langsung Contohnya, nod A dengan nombor 6 menerima nombor Nod Permintaan B mengundi untuk 5 mesej RPC, kemudian nod A akan menolak mesej tersebut.

4.5 Peraturan Pilihan Raya

  • Dalam sesuatu penggal, pemimpin akan sentiasa menjadi ketua sehingga berlaku masalah (seperti downtime) atau masalah rangkaian (kelewatan), nod lain memulakan pusingan pilihan raya baharu.
  • Dalam pilihan raya, setiap nod pelayan akan membuang paling banyak satu undi untuk nombor penggal dan ia akan hilang selepas undian selesai.

4.6 Kebanyakan

Dengan mengandaikan gugusan terdiri daripada N nod, maka majoriti sekurang-kurangnya N/2+1. Sebagai contoh: untuk gugusan 3 nod, kebanyakannya adalah 2.

4.7 Tempoh Denyutan Jantung

Untuk mengelakkan berbilang nod daripada memulakan pengundian pada masa yang sama, setiap nod akan diberikan tamat masa pilihan raya rawak. Pada masa ini, nod tidak boleh menjadi calon dan hanya boleh menunggu sehingga tamat masa. Contohnya, dalam contoh di atas, nod A tamat masa dahulu dan menjadi calon dahulu. Dengan reka bentuk yang bijak ini, dalam kebanyakan kes hanya satu nod pelayan memulakan pilihan raya terlebih dahulu dan bukannya memulakan pilihan raya pada masa yang sama, yang mengurangkan bilangan kegagalan pilihan raya akibat pembahagian undi.

Algoritma konsensus yang sistem teragih mesti tahu: Rakit

Menjadi calon

5. pusingan baru pilihan raya. Seperti yang ditunjukkan dalam rajah di bawah, jika nod pemimpin A gagal, nod B dan nod C akan memilih semula ketua.

Kegagalan PemimpinAlgoritma konsensus yang sistem teragih mesti tahu: Rakit

Langkah 1
    : Nod A
  • kegagalan berlaku, nod B Dan nod C tidak menerima maklumat degupan jantung daripada nod pendahulu A, dan masa menunggu tamat. Langkah kedua
  • : Nod C tamat masa dahulu, dan nod C menjadi
  • calon. Langkah 3
  • : Nod C memulakan permintaan untuk maklumat undian ke nod A dan nod B.
  • Langkah 4
  • : Nod C membalas undian dan mengundi C, manakala nod A tidak dapat membalas permintaan pengundian C kerana kegagalan.
  • Langkah 5
  • : Nod C menerima dua undi (majoriti undi) dan menjadi
  • pemimpin. Langkah 6
  • : Nod C menghantar maklumat degupan jantung ke nod A dan B. Nod B bertindak balas kepada maklumat degupan jantung kerana A rosak.
  • Ringkasan

Algoritma Raft menggunakan kaedah berikut untuk menjalankan pemilihan kepimpinan, memastikan hanya ada seorang pemimpin dalam satu penggal, sekali gus mengurangkan peluang untuk Kegagalan pilihan raya.

Penggal

    Maklumat degupan jantung pemimpin
  • Tamat masa pilihan raya rawak
  • Prinsip pengundian siapa cepat dia dapat
  • Prinsip Undi Majoriti Besar
  • Artikel ini menggunakan grafik animasi untuk menerangkan cara algoritma Raft memilih pemimpin, menjadikannya lebih mudah untuk difahami dan dihadam.

Atas ialah kandungan terperinci Algoritma konsensus yang sistem teragih mesti tahu: Rakit. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Artikel Panas

R.E.P.O. Kristal tenaga dijelaskan dan apa yang mereka lakukan (kristal kuning)
2 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
Repo: Cara menghidupkan semula rakan sepasukan
4 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
Hello Kitty Island Adventure: Cara mendapatkan biji gergasi
4 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

CLIP-BEVFormer: Selia secara eksplisit struktur BEVFormer untuk meningkatkan prestasi pengesanan ekor panjang CLIP-BEVFormer: Selia secara eksplisit struktur BEVFormer untuk meningkatkan prestasi pengesanan ekor panjang Mar 26, 2024 pm 12:41 PM

Ditulis di atas & pemahaman peribadi penulis: Pada masa ini, dalam keseluruhan sistem pemanduan autonomi, modul persepsi memainkan peranan penting Hanya selepas kenderaan pemanduan autonomi yang memandu di jalan raya memperoleh keputusan persepsi yang tepat melalui modul persepsi boleh Peraturan hiliran dan. modul kawalan dalam sistem pemanduan autonomi membuat pertimbangan dan keputusan tingkah laku yang tepat pada masanya dan betul. Pada masa ini, kereta dengan fungsi pemanduan autonomi biasanya dilengkapi dengan pelbagai penderia maklumat data termasuk penderia kamera pandangan sekeliling, penderia lidar dan penderia radar gelombang milimeter untuk mengumpul maklumat dalam modaliti yang berbeza untuk mencapai tugas persepsi yang tepat. Algoritma persepsi BEV berdasarkan penglihatan tulen digemari oleh industri kerana kos perkakasannya yang rendah dan penggunaan mudah, dan hasil keluarannya boleh digunakan dengan mudah untuk pelbagai tugas hiliran.

Melaksanakan Algoritma Pembelajaran Mesin dalam C++: Cabaran dan Penyelesaian Biasa Melaksanakan Algoritma Pembelajaran Mesin dalam C++: Cabaran dan Penyelesaian Biasa Jun 03, 2024 pm 01:25 PM

Cabaran biasa yang dihadapi oleh algoritma pembelajaran mesin dalam C++ termasuk pengurusan memori, multi-threading, pengoptimuman prestasi dan kebolehselenggaraan. Penyelesaian termasuk menggunakan penunjuk pintar, perpustakaan benang moden, arahan SIMD dan perpustakaan pihak ketiga, serta mengikuti garis panduan gaya pengekodan dan menggunakan alat automasi. Kes praktikal menunjukkan cara menggunakan perpustakaan Eigen untuk melaksanakan algoritma regresi linear, mengurus memori dengan berkesan dan menggunakan operasi matriks berprestasi tinggi.

Terokai prinsip asas dan pemilihan algoritma bagi fungsi isihan C++ Terokai prinsip asas dan pemilihan algoritma bagi fungsi isihan C++ Apr 02, 2024 pm 05:36 PM

Lapisan bawah fungsi C++ sort menggunakan isihan gabungan, kerumitannya ialah O(nlogn), dan menyediakan pilihan algoritma pengisihan yang berbeza, termasuk isihan pantas, isihan timbunan dan isihan stabil.

Algoritma pengesanan yang dipertingkatkan: untuk pengesanan sasaran dalam imej penderiaan jauh optik resolusi tinggi Algoritma pengesanan yang dipertingkatkan: untuk pengesanan sasaran dalam imej penderiaan jauh optik resolusi tinggi Jun 06, 2024 pm 12:33 PM

01Garis prospek Pada masa ini, sukar untuk mencapai keseimbangan yang sesuai antara kecekapan pengesanan dan hasil pengesanan. Kami telah membangunkan algoritma YOLOv5 yang dipertingkatkan untuk pengesanan sasaran dalam imej penderiaan jauh optik resolusi tinggi, menggunakan piramid ciri berbilang lapisan, strategi kepala pengesanan berbilang dan modul perhatian hibrid untuk meningkatkan kesan rangkaian pengesanan sasaran dalam imej penderiaan jauh optik. Menurut set data SIMD, peta algoritma baharu adalah 2.2% lebih baik daripada YOLOv5 dan 8.48% lebih baik daripada YOLOX, mencapai keseimbangan yang lebih baik antara hasil pengesanan dan kelajuan. 02 Latar Belakang & Motivasi Dengan perkembangan pesat teknologi penderiaan jauh, imej penderiaan jauh optik resolusi tinggi telah digunakan untuk menggambarkan banyak objek di permukaan bumi, termasuk pesawat, kereta, bangunan, dll. Pengesanan objek dalam tafsiran imej penderiaan jauh

Bolehkah kecerdasan buatan meramalkan jenayah? Terokai keupayaan CrimeGPT Bolehkah kecerdasan buatan meramalkan jenayah? Terokai keupayaan CrimeGPT Mar 22, 2024 pm 10:10 PM

Konvergensi kecerdasan buatan (AI) dan penguatkuasaan undang-undang membuka kemungkinan baharu untuk pencegahan dan pengesanan jenayah. Keupayaan ramalan kecerdasan buatan digunakan secara meluas dalam sistem seperti CrimeGPT (Teknologi Ramalan Jenayah) untuk meramal aktiviti jenayah. Artikel ini meneroka potensi kecerdasan buatan dalam ramalan jenayah, aplikasi semasanya, cabaran yang dihadapinya dan kemungkinan implikasi etika teknologi tersebut. Kecerdasan Buatan dan Ramalan Jenayah: Asas CrimeGPT menggunakan algoritma pembelajaran mesin untuk menganalisis set data yang besar, mengenal pasti corak yang boleh meramalkan di mana dan bila jenayah mungkin berlaku. Set data ini termasuk statistik jenayah sejarah, maklumat demografi, penunjuk ekonomi, corak cuaca dan banyak lagi. Dengan mengenal pasti trend yang mungkin terlepas oleh penganalisis manusia, kecerdasan buatan boleh memperkasakan agensi penguatkuasaan undang-undang

Aplikasi algoritma dalam pembinaan 58 platform potret Aplikasi algoritma dalam pembinaan 58 platform potret May 09, 2024 am 09:01 AM

1. Latar Belakang Pembinaan 58 Portrait Platform Pertama sekali, saya ingin berkongsi dengan anda latar belakang pembinaan 58 Portrait Platform. 1. Pemikiran tradisional platform pemprofilan tradisional tidak lagi mencukupi Membina platform pemprofilan pengguna bergantung pada keupayaan pemodelan gudang data untuk menyepadukan data daripada pelbagai barisan perniagaan untuk membina potret pengguna yang tepat untuk memahami tingkah laku, minat pengguna dan keperluan, dan menyediakan keupayaan sampingan, akhirnya, ia juga perlu mempunyai keupayaan platform data untuk menyimpan, bertanya dan berkongsi data profil pengguna dan menyediakan perkhidmatan profil dengan cekap. Perbezaan utama antara platform pemprofilan perniagaan binaan sendiri dan platform pemprofilan pejabat pertengahan ialah platform pemprofilan binaan sendiri menyediakan satu barisan perniagaan dan boleh disesuaikan atas permintaan platform pertengahan pejabat berkhidmat berbilang barisan perniagaan, mempunyai kompleks pemodelan, dan menyediakan lebih banyak keupayaan umum. 2.58 Potret pengguna latar belakang pembinaan potret di platform tengah 58

Analisis algoritma PHP: kaedah yang cekap untuk mencari nombor yang hilang dalam tatasusunan Analisis algoritma PHP: kaedah yang cekap untuk mencari nombor yang hilang dalam tatasusunan Mar 02, 2024 am 08:39 AM

Analisis algoritma PHP: Kaedah yang cekap untuk mencari nombor yang hilang dalam tatasusunan Dalam proses membangunkan aplikasi PHP, kita sering menghadapi situasi di mana kita perlu mencari nombor yang hilang dalam tatasusunan. Keadaan ini sangat biasa dalam pemprosesan data dan reka bentuk algoritma, jadi kita perlu menguasai algoritma carian yang cekap untuk menyelesaikan masalah ini. Artikel ini akan memperkenalkan kaedah yang cekap untuk mencari nombor yang hilang dalam tatasusunan, dan melampirkan contoh kod PHP tertentu. Penerangan Masalah Katakan kita mempunyai tatasusunan yang mengandungi integer antara 1 dan 100, tetapi satu nombor tiada. Kita perlu mereka bentuk a

Wawasan ke dalam sistem Hongmeng: pengukuran fungsi sebenar dan pengalaman penggunaan Wawasan ke dalam sistem Hongmeng: pengukuran fungsi sebenar dan pengalaman penggunaan Mar 23, 2024 am 10:45 AM

Sebagai sistem pengendalian baharu yang dilancarkan oleh Huawei, sistem Hongmeng telah menimbulkan kekecohan dalam industri. Sebagai percubaan baharu Huawei selepas larangan AS, sistem Hongmeng mempunyai harapan dan harapan yang tinggi. Baru-baru ini, saya cukup bernasib baik untuk mendapatkan telefon mudah alih Huawei yang dilengkapi dengan sistem Hongmeng Selepas tempoh penggunaan dan ujian sebenar, saya akan berkongsi beberapa ujian berfungsi dan pengalaman penggunaan sistem Hongmeng. Mula-mula, mari kita lihat antara muka dan fungsi sistem Hongmeng. Sistem Hongmeng mengguna pakai gaya reka bentuk Huawei sendiri secara keseluruhan, yang mudah, jelas dan lancar dalam operasi. Di desktop, pelbagai

See all articles