成人免费xxxxx在线视频软件_久久精品久久久_亚洲国产精品久久久_天天色天天色_亚洲人成一区_欧美一级欧美三级在线观看

一次Group By+Order By性能優化分析

作者：周夢康
數據庫 MySQL
最近通過一個日志表做排行的時候發現特別卡，問題得到了解決，梳理一些索引和MySQL執行過程的經驗，但是還是有5個謎題沒解開，希望大家幫忙解答下。

 

最近通過一個日志表做排行的時候發現特別卡，問題得到了解決，梳理一些索引和MySQL執行過程的經驗，但是還是有5個謎題沒解開，希望大家幫忙解答下

主要包含如下知識點

  • 用數據說話證明慢日志的掃描行數到底是如何統計出來的
  • 從 group by 執行原理找出優化方案
  • 排序的實現細節
  • gdb 源碼調試

背景

需要分別統計本月、本周被訪問的文章的 前10。日志表如下 

  1. CREATE TABLE `article_rank` (  
  2.   `id` int(11) unsigned NOT NULL AUTO_INCREMENT,  
  3.   `aid` int(11) unsigned NOT NULL,  
  4.   `pv` int(11) unsigned NOT NULL DEFAULT '1',  
  5.   `day` int(11) NOT NULL COMMENT '日期 例如 20171016',  
  6.   PRIMARY KEY (`id`),  
  7.   KEY `idx_day_aid_pv` (`day`,`aid`,`pv`),  
  8.   KEY `idx_aid_day_pv` (`aid`,`day`,`pv`)  
  9. ) ENGINE=InnoDB DEFAULT CHARSET=utf8  

準備工作

為了能夠清晰的驗證自己的一些猜想，在虛擬機里安裝了一個 debug 版的 mysql，然后開啟了慢日志收集，用于統計掃描行數

安裝

  • 下載源碼
  • 編譯安裝
  • 創建 mysql 用戶
  • 初始化數據庫
  • 初始化 mysql 配置文件
  • 修改密碼

如果你興趣，具體可以參考我的博客，一步步安裝 https://mengkang.net/1335.html

開啟慢日志

編輯配置文件，在[mysqld]塊下添加 

  1. slow_query_log=1  
  2. slow_query_log_file=xxx  
  3. long_query_time=0  
  4. log_queries_not_using_indexes=1  

性能分析

發現問題

假如我需要查詢2018-12-20 ~ 2018-12-24這5天瀏覽量多的10篇文章的 sql 如下，首先使用explain看下分析結果 

  1. mysql> explain select aid,sum(pv) as num from article_rank where day>=20181220 and day<=20181224 group by aid order by num desc limit 10;  
  2. +----+-------------+--------------+------------+-------+-------------------------------+----------------+---------+------+--------+----------+-----------------------------------------------------------+ 
  3.  
  4. | id | select_type | table        | partitions | type  | possible_keys                 | key            | key_len | ref  | rows   | filtered | Extra                                                | 
  5.  
  6. +----+-------------+--------------+------------+-------+-------------------------------+----------------+---------+------+--------+----------+-----------------------------------------------------------+ 
  7.  
  8. |  1 | SIMPLE      | article_rank | NULL       | range | idx_day_aid_pv,idx_aid_day_pv | idx_day_aid_pv | 4       | NULL | 404607 |   100.00 | Using where; Using index; Using temporary; Using filesort | 
  9.  
  10. +----+-------------+--------------+------------+-------+-------------------------------+----------------+---------+------+--------+----------+-----------------------------------------------------------+ 

 系統默認會走的索引是idx_day_aid_pv，根據Extra信息我們可以看到，使用idx_day_aid_pv索引的時候，會走覆蓋索引，但是會使用臨時表，會有排序。

我們查看下慢日志里的記錄信息 

  1. # Time: 2019-03-17T03:02:27.984091Z  
  2. # User@Host: root[root] @ localhost []  Id:     6  
  3. # Query_time: 56.959484  Lock_time: 0.000195 Rows_sent: 10  Rows_examined: 1337315  
  4. SET timestamp=1552791747;  
  5. select aid,sum(pv) as num from article_rank where day>=20181220 and day<=20181224 group by aid order by num desc limit 10;  

為什么掃描行數是 1337315

我們查詢兩個數據，一個是滿足條件的行數，一個是group by統計之后的行數。 

  1. mysql> select count(*) from article_rank where day>=20181220 and day<=20181224;  
  2. +----------+  
  3. | count(*) |  
  4. +----------+  
  5. |   785102 |  
  6. +----------+  
  7. mysql> select count(distinct aid) from article_rank where day>=20181220 and day<=20181224;  
  8. +---------------------+  
  9. | count(distinct aid) |  
  10. +---------------------+  
  11. |              552203 |  
  12. +---------------------+  

發現滿足條件的總行數（785102）+group by 之后的總行數（552203）+limit 的值 = 慢日志里統計的 Rows_examined。

要解答這個問題，就必須搞清楚上面這個 sql 到底分別都是如何運行的。

執行流程分析

索引示例

為了便于理解，我按照索引的規則先模擬idx_day_aid_pv索引的一小部分數據

day aid pv id
20181220 1 23 1234
20181220 3 2 1231
20181220 4 1 1212
20181220 7 2 1221
20181221 1 5 1257
20181221 10 1 1251
20181221 11 8 1258

因為索引idx_day_aid_pv最左列是day，所以當我們需要查找20181220~20181224之間的文章的pv總和的時候，我們需要遍歷20181220~20181224這段數據的索引。 

  1. 查看 optimizer trace 信息  
  2. # 開啟 optimizer_trace  
  3. set optimizer_trace='enabled=on';  
  4. # 執行 sql   
  5. select aid,sum(pv) as num from article_rank where day>=20181220 and day<=20181224 group by aid order by num desc limit 10;  
  6. # 查看 trace 信息  
  7. select trace from `information_schema`.`optimizer_trace`\G;  

摘取里面的執行結果如下 

  1. {  
  2.   "join_execution": {  
  3.     "select#": 1,  
  4.     "steps": [  
  5.       {  
  6.         "creating_tmp_table": {  
  7.           "tmp_table_info": {  
  8.             "table": "intermediate_tmp_table",  
  9.             "row_length": 20,  
  10.             "key_length": 4,  
  11.             "unique_constraint": false,  
  12.             "location": "memory (heap)",  
  13.             "row_limit_estimate": 838860  
  14.           }  
  15.         }  
  16.       },  
  17.       {  
  18.         "converting_tmp_table_to_ondisk": {  
  19.           "cause": "memory_table_size_exceeded",  
  20.           "tmp_table_info": {  
  21.             "table": "intermediate_tmp_table",  
  22.             "row_length": 20,  
  23.             "key_length": 4,  
  24.             "unique_constraint": false,  
  25.             "location": "disk (InnoDB)",  
  26.             "record_format": "fixed"  
  27.           }  
  28.         }  
  29.       },  
  30.       {  
  31.         "filesort_information": [  
  32.           {  
  33.             "direction": "desc",  
  34.             "table": "intermediate_tmp_table",  
  35.             "field": "num"  
  36.           }  
  37.         ],  
  38.         "filesort_priority_queue_optimization": {  
  39.           "limit": 10,  
  40.           "rows_estimate": 1057,  
  41.           "row_size": 36,  
  42.           "memory_available": 262144,  
  43.           "chosen": true  
  44.         },  
  45.         "filesort_execution": [  
  46.         ],  
  47.         "filesort_summary": {  
  48.           "rows": 11,  
  49.           "examined_rows": 552203,  
  50.           "number_of_tmp_files": 0,  
  51.           "sort_buffer_size": 488,  
  52.           "sort_mode": "<sort_key, additional_fields>"  
  53.         }  
  54.       }  
  55.     ]  
  56.   }  
  57. }  

分析臨時表字段

mysql gdb 調試更多細節 https://mengkang.net/1336.html

通過gdb調試確認臨時表上的字段是aid和num 

  1. Breakpoint 1, trace_tmp_table (trace=0x7eff94003088, table=0x7eff94937200) at /root/newdb/mysql-server/sql/sql_tmp_table.cc:2306  
  2. warning: Source file is more recent than executable.  
  3. 2306      trace_tmp.add("row_length",table->s->reclength).  
  4. (gdb) p table->s->reclength  
  5. $1 = 20  
  6. (gdb) p table->s->fields  
  7. $22 = 2  
  8. (gdb) p (*(table->field+0))->field_name  
  9. $3 = 0x7eff94010b0c "aid"  
  10. (gdb) p (*(table->field+1))->field_name  
  11. $4 = 0x7eff94007518 "num"  
  12. (gdb) p (*(table->field+0))->row_pack_length()  
  13. $5 = 4  
  14. (gdb) p (*(table->field+1))->row_pack_length()  
  15. $6 = 15  
  16. (gdb) p (*(table->field+0))->type()  
  17. $7 = MYSQL_TYPE_LONG  
  18. (gdb) p (*(table->field+1))->type()  
  19. $8 = MYSQL_TYPE_NEWDECIMAL  
  20. (gdb)  

通過上面的打印，確認了字段類型，一個aid是MYSQL_TYPE_LONG，占4字節，num是MYSQL_TYPE_NEWDECIMAL，占15字節。

The SUM() and AVG() functions return a DECIMAL value for exact-value arguments (integer or DECIMAL), and a DOUBLE value for approximate-value arguments (FLOAT or DOUBLE). (Before MySQL 5.0.3, SUM() and AVG() return DOUBLE for all numeric arguments.)

但是通過我們上面打印信息可以看到兩個字段的長度加起來是19，而optimizer_trace里的tmp_table_info.reclength是20。通過其他實驗也發現table->s->reclength的長度就是table->field數組里面所有字段的字段長度和再加1。

總結執行流程

  1. 嘗試在堆上使用memory的內存臨時表來存放group by的數據，發現內存不夠；
  2. 創建一張臨時表，臨時表上有兩個字段，aid和num字段（sum(pv) as num）；
  3. 從索引idx_day_aid_pv中取出1行，插入臨時表。插入規則是如果aid不存在則直接插入，如果存在，則把pv的值累加在num上；
  4. 循環遍歷索引idx_day_aid_pv上20181220~20181224之間的所有行，執行步驟3；
  5. 對臨時表根據num的值做優先隊列排序；
  6. 取出留在堆（優先隊列的堆）里面的10行數據，作為結果集直接返回，不需要再回表；

補充說明優先隊列排序執行步驟分析：

  1. 在臨時表（未排序）中取出前 10 行，把其中的num和aid作為10個元素構成一個小頂堆，也就是最小的 num 在堆頂。
  2. 取下一行，根據 num 的值和堆頂值作比較，如果該字大于堆頂的值，則替換掉。然后將新的堆做堆排序。
  3. 重復步驟2直到第 552203 行比較完成。

優化

方案1 使用 idx_aid_day_pv 索引 

  1. # Query_time: 4.406927  Lock_time: 0.000200 Rows_sent: 10  Rows_examined: 1337315  
  2. SET timestamp=1552791804;  
  3. select aid,sum(pv) as num from article_rank force index(idx_aid_day_pv) where day>=20181220 and day<=20181224 group by aid order by num desc limit 10;  

掃描行數都是1337315，為什么執行消耗的時間上快了12倍呢？

索引示例

為了便于理解，同樣我也按照索引的規則先模擬idx_aid_day_pv索引的一小部分數據

aid day pv id
1 20181220 23 1234
1 20181221 5 1257
3 20181220 2 1231
3 20181222 22 1331
3 20181224 13 1431
4 20181220 1 1212
7 20181220 2 1221
10 20181221 1 1251
11 20181221 8 1258

group by 不需要臨時表的情況

為什么性能上比 SQL1 高了，很多呢，原因之一是idx_aid_day_pv索引上aid是確定有序的，那么執行group by的時候，則不會創建臨時表，排序的時候才需要臨時表。如果印證這一點呢，我們通過下面的執行計劃就能看到

使用idx_day_aid_pv索引的效果： 

  1. mysql> explain select aid,sum(pv) as num from article_rank force index(idx_day_aid_pv) where day>=20181220 and day<=20181224 group by aid order by null limit 10; 
  2.  
  3. +----+-------------+--------------+------------+-------+-------------------------------+----------------+---------+------+--------+----------+-------------------------------------------+ 
  4.  
  5. | id | select_type | table        | partitions | type  | possible_keys                 | key            | key_len | ref  | rows   | filtered | Extra                                     | 
  6.  
  7. +----+-------------+--------------+------------+-------+-------------------------------+----------------+---------+------+--------+----------+-------------------------------------------+ 
  8.  
  9. |  1 | SIMPLE      | article_rank | NULL       | range | idx_day_aid_pv,idx_aid_day_pv | idx_day_aid_pv | 4       | NULL | 404607 |   100.00 | Using where; Using index; Using temporary | 
  10.  
  11. +----+-------------+--------------+------------+-------+-------------------------------+----------------+---------+------+--------+----------+-------------------------------------------+  

注意我上面使用了order by null表示強制對group by的結果不做排序。如果不加order by null，上面的 sql 則會出現Using filesort

使用idx_aid_day_pv索引的效果： 

  1. mysql> explain select aid,sum(pv) as num from article_rank force index(idx_aid_day_pv) where day>=20181220 and day<=20181224 group by aid order by null limit 10; 
  2.  
  3. +----+-------------+--------------+------------+-------+-------------------------------+----------------+---------+------+------+----------+--------------------------+ 
  4.  
  5. | id | select_type | table        | partitions | type  | possible_keys                 | key            | key_len | ref  | rows | filtered | Extra                    | 
  6.  
  7. +----+-------------+--------------+------------+-------+-------------------------------+----------------+---------+------+------+----------+--------------------------+ 
  8.  
  9. |  1 | SIMPLE      | article_rank | NULL       | index | idx_day_aid_pv,idx_aid_day_pv | idx_aid_day_pv | 12      | NULL |   10 |    11.11 | Using where; Using index | 
  10.  
  11. +----+-------------+--------------+------------+-------+-------------------------------+----------------+---------+------+------+----------+--------------------------+  

查看 optimizer trace 信息 

  1. # 開啟optimizer_trace  
  2. set optimizer_trace='enabled=on';  
  3. # 執行 sql   
  4. select aid,sum(pv) as num from article_rank force index(idx_aid_day_pv) where day>=20181220 and day<=20181224 group by aid order by num desc limit 10;  
  5. # 查看 trace 信息  
  6. select trace from `information_schema`.`optimizer_trace`\G;  

摘取里面的執行結果如下 

  1. {  
  2.   "join_execution": {  
  3.     "select#": 1,  
  4.     "steps": [  
  5.       {  
  6.         "creating_tmp_table": {  
  7.           "tmp_table_info": {  
  8.             "table": "intermediate_tmp_table",  
  9.             "row_length": 20,  
  10.             "key_length": 0,  
  11.             "unique_constraint": false,  
  12.             "location": "memory (heap)",  
  13.             "row_limit_estimate": 838860  
  14.           }  
  15.         }  
  16.       },  
  17.       {  
  18.         "filesort_information": [  
  19.           {  
  20.             "direction": "desc",  
  21.             "table": "intermediate_tmp_table",  
  22.             "field": "num"  
  23.           }  
  24.         ],  
  25.         "filesort_priority_queue_optimization": {  
  26.           "limit": 10,  
  27.           "rows_estimate": 552213,  
  28.           "row_size": 24,  
  29.           "memory_available": 262144,  
  30.           "chosen": true  
  31.         },  
  32.         "filesort_execution": [  
  33.         ],  
  34.         "filesort_summary": {  
  35.           "rows": 11,  
  36.           "examined_rows": 552203,  
  37.           "number_of_tmp_files": 0,  
  38.           "sort_buffer_size": 352,  
  39.           "sort_mode": "<sort_key, rowid>"  
  40.         }  
  41.       }  
  42.     ]  
  43.   }  
  44. }  

執行流程如下

      1. 創建一張臨時表，臨時表上有兩個字段，aid和num字段（sum(pv) as num）；

      2. 讀取索引idx_aid_day_pv中的一行，然后查看是否滿足條件，如果day字段不在條件范圍內（20181220~20181224之間），則讀取下一行；如果day字段在條件范圍內，則把pv值累加（不是             在臨時表中操作）；

      3. 讀取索引idx_aid_day_pv中的下一行，如果aid與步驟1中一致且滿足條件，則pv值累加（不是在臨時表中操作）。如果aid與步驟1中不一致，則把之前的結果集寫入臨時表；

      4. 循環執行步驟2、3，直到掃描完整個idx_aid_day_pv索引；

      5. 對臨時表根據num的值做優先隊列排序；

      6. 根據查詢到的前10條的rowid回表（臨時表）返回結果集。

補充說明優先隊列排序執行步驟分析：

  1. 在臨時表（未排序）中取出前 10 行，把其中的num和rowid作為10個元素構成一個小頂堆，也就是最小的 num 在堆頂。
  2. 取下一行，根據 num 的值和堆頂值作比較，如果該字大于堆頂的值，則替換掉。然后將新的堆做堆排序。
  3. 重復步驟2直到第 552203 行比較完成。

該方案可行性

實驗發現，當我增加一行20181219的數據時，雖然這行記錄不滿足我們的需求，但是掃描索引的也會讀取這行。因為我做這個實驗，只弄了20181220~201812245天的數據，所以需要掃描的行數正好是全表數據行數。

那么如果該表的數據存儲的不是5天的數據，而是10天的數據呢，更或者是365天的數據呢？這個方案是否還可行呢？先模擬10天的數據，在現有時間基礎上往后加5天，行數與現在一樣785102行。 

  1. drop procedure if exists idata;  
  2. delimiter ;;  
  3. create procedure idata()  
  4. begin  
  5.   declare i int;  
  6.   declare aid int;  
  7.   declare pv int;  
  8.   declare post_day int;  
  9.   set i=1;  
  10.   while(i<=785102)do  
  11.     set aid = round(rand()*500000);  
  12.     set pv = round(rand()*100);  
  13.     set post_day = 20181225 + i%5;  
  14.     insert into article_rank (`aid`,`pv`,`day`) values(aid, pv, post_day);  
  15.     set ii=i+1;  
  16.   end while;  
  17. end;;  
  18. delimiter ;  
  19. call idata();  
  20. # Query_time: 9.151270  Lock_time: 0.000508 Rows_sent: 10  Rows_examined: 2122417  
  21. SET timestamp=1552889936;  
  22. select aid,sum(pv) as num from article_rank force index(idx_aid_day_pv) where day>=20181220 and day<=20181224 group by aid order by num desc limit 10;  

這里掃描行數2122417是因為掃描索引的時候需要遍歷整個索引，整個索引的行數就是全表行數，因為我剛剛又插入了785102行。

當我數據量翻倍之后，這里查詢時間明顯已經翻倍。所以這個優化方式不穩定。

方案2 擴充臨時表空間上限大小

默認的臨時表空間大小是16MB 

  1. mysql> show global variables like '%table_size';  
  2. +---------------------+----------+  
  3. | Variable_name       | Value    |  
  4. +---------------------+----------+  
  5. | max_heap_table_size | 16777216 |  
  6. | tmp_table_size      | 16777216 |  
  7. +---------------------+----------+  

https://dev.mysql.com/doc/ref...

https://dev.mysql.com/doc/ref...

max_heap_table_size

This variable sets the maximum size to which user-created MEMORY tables are permitted to grow. The value of the variable is used to calculate MEMORY table MAX_ROWS values. Setting this variable has no effect on any existing MEMORY table, unless the table is re-created with a statement such as CREATE TABLE or altered with ALTER TABLE or TRUNCATE TABLE. A server restart also sets the maximum size of existing MEMORY tables to the global max_heap_table_size value.

tmp_table_size 

The maximum size of internal in-memory temporary tables. This variable does not apply to user-created MEMORY tables.

The actual limit is determined from whichever of the values of tmp_table_size and max_heap_table_size is smaller. If an in-memory temporary table exceeds the limit, MySQL automatically converts it to an on-disk temporary table. The internal_tmp_disk_storage_engine option defines the storage engine used for on-disk temporary tables.

也就是說這里臨時表的限制是16M，max_heap_table_size大小也受tmp_table_size大小的限制。

所以我們這里調整為32MB，然后執行原始的SQL 

  1. set tmp_table_size=33554432;  
  2. set max_heap_table_size=33554432;  
  1. # Query_time: 5.910553  Lock_time: 0.000210 Rows_sent: 10  Rows_examined: 1337315  
  2. SET timestamp=1552803869;  
  3. select aid,sum(pv) as num from article_rank where day>=20181220 and day<=20181224 group by aid order by num desc limit 10;  

方案3 使用 SQL_BIG_RESULT 優化

告訴優化器，查詢結果比較多，臨時表直接走磁盤存儲。 

  1. # Query_time: 6.144315  Lock_time: 0.000183 Rows_sent: 10  Rows_examined: 2122417  
  2. SET timestamp=1552802804;  
  3. select SQL_BIG_RESULT aid,sum(pv) as num from article_rank where day>=20181220 and day<=20181224 group by aid order by num desc limit 10;  

掃描行數是 2x滿足條件的總行數（785102）+group by 之后的總行數（552203）+limit 的值。

順便值得一提的是： 當我把數據量翻倍之后，使用該方式，查詢時間基本沒變。因為掃描的行數還是不變的。實際測試耗時6.197484

總結

方案1優化效果不穩定，當總表數據量與查詢范圍的總數相同時，且不超出內存臨時表大小限制時，性能達到更佳。當查詢數據量占據總表數據量越大，優化效果越不明顯；

方案2需要調整臨時表內存的大小，可行；不過當數據庫超過32MB時，如果使用該方式，還需要繼續提升臨時表大小；

方案3直接聲明使用磁盤來放臨時表，雖然掃描行數多了一次符合條件的總行數的掃描。但是整體響應時間比方案2就慢了0.1秒。因為我們這里數據量比較，我覺得這個時間差還能接受。

所以對比，選擇方案3比較合適。

問題與困惑 

  1. # SQL1  
  2. select aid,sum(pv) as num from article_rank where day>=20181220 and day<=20181224 group by aid order by num desc limit 10;  
  3. # SQL2  
  4. select aid,sum(pv) as num from article_rank force index(idx_aid_day_pv) where day>=20181220 and day<=20181224 group by aid order by num desc limit 10;  
  1. SQL1 執行過程中，使用的是全字段排序后不需要回表為什么總掃描行數還要加上10才對得上？
  2. SQL1 與 SQL2 group by之后得到的行數都是552203，為什么會出現 SQL1 內存不夠，里面還有哪些細節呢？
  3. trace 信息里的creating_tmp_table.tmp_table_info.row_limit_estimate都是838860；計算由來是臨時表的內存限制大小16MB，而一行需要占的空間是20字節，那么最多只能容納                             floor(16777216/20) = 838860行，而實際我們需要放入臨時表的行數是785102。為什么呢？
  4. SQL1 使用SQL_BIG_RESULT優化之后，原始表需要掃描的行數會乘以2，背后邏輯是什么呢？為什么僅僅是不再嘗試往內存臨時表里寫入這一步會相差10多倍的性能？
  5. 通過源碼看到 trace 信息里面很多掃描行數都不是實際的行數，既然是實際執行，為什么 trace 信息里不輸出真實的掃描行數和容量等呢，比如                                                                                   filesort_priority_queue_optimization.rows_estimate在SQL1中的掃描行數我通過gdb看到計算規則如附錄圖 1
  6. 有沒有工具能夠統計 SQL 執行過程中的 I/O 次數？ 
責任編輯：龐桂玉 來源： segmentfault
性能優化MySQL數據庫
相關推薦

2015-07-17 10:04:33

MKMapView優化

2021-01-08 13:52:15

Consul微服務服務注冊中心

2021-01-24 11:46:26

自動化Web 優化

2020-02-10 10:15:31

技術研發指標

2020-06-05 08:53:31

接口性能實踐

2021-10-09 10:24:08

NET爬蟲內存

2020-08-10 11:00:02

Python優化代碼

2020-10-19 19:45:58

MySQL數據庫優化

2020-10-30 14:11:38

服務器SDK堆棧

2011-04-07 11:20:21

SQLServer

2011-09-27 10:35:44

2021-03-12 15:08:23

服務器性能優化

2011-02-22 09:29:23

jQueryJavaScript

2023-11-06 07:45:42

單據圖片處理

2021-08-26 22:26:55

性能優化技術

2018-06-26 15:58:06

數據庫MySQL索引優化

2022-09-15 10:02:58

測試軟件

2010-07-30 16:10:45

UPS設備燒毀故障分析

2023-01-05 11:44:43

性能HTTPS

2019-01-21 11:17:13

CPU優化定位
點贊
收藏

51CTO技術棧公眾號

主站蜘蛛池模板： 国产98色在线 | 日韩 | 欧美成人免费在线 | 午夜精品一区二区三区在线播放 | 国产欧美一级二级三级在线视频 | 成人在线一区二区 | 成人免费在线视频 | 免费视频一区二区三区在线观看 | 亚洲第一成年免费网站 | 国产线视频精品免费观看视频 | 成人综合一区二区 | 国产免费av在线 | 日韩av电影在线观看 | 久久91| 国产成人精品999在线观看 | 日韩av福利在线观看 | av在线免费观看网址 | 精品国产一区二区三区观看不卡 | 亚洲乱码一区二区三区在线观看 | 国产精品久久久久久久久久久久久 | 精品在线一区二区 | 日日操夜夜操天天操 | 精品一区二区三区在线观看国产 | www狠狠爱com | 91久久精品一区二区二区 | 日本三级精品 | 久久精品超碰 | 欧美日韩亚洲一区 | 精品中文字幕一区二区三区 | 在线欧美一区 | 亚洲欧美综合精品久久成人 | 国产福利视频 | 欧美一级毛片免费观看 | 国产精品亚洲视频 | 国产成人午夜精品影院游乐网 | 国产成视频在线观看 | 免费黄色大片 | 亚洲精品一区二区在线 | 不卡一区二区三区四区 | 久久久99国产精品免费 | 精品1区2区 | 日韩一区在线播放 |