T Y X 是什么意思_工具

美国TYX公司是一家被评为世界500强软件商的公司，是提供面向ATLAS语言的测试程序集开发工具的主导开发商，是唯一能提供从示意图设计到执行测试的完整解决方案的开发商。

PAWS（Professional ATLAS Workstation System）是TYX开发的一套用于自动测试系统（ATE）开发的软件平台。它是一个综合、完善、开放的开发和管理平台，采用先进的软件开发组织模式，自动分配资源，使自动测试系统的资源得到最好的配置和利用，减少软件的重复性开发，增强测试程序的移植性。

通常在自动测试系统（ATE）中应用开发环境有Labwindows/CVI、LabView、HP VEE、Microsoft Visual Basic、Microsoft Visual C++等等，任何与微软视窗系统的32 位动态连接库（DLL）兼容的应用开发环境或者语言均可与WIN 框架下的软件模块一起工作。但是这些开发环境都是把测试和仪器的驱动集中在一起解决，重点在编辑解决方案的元素上，是一种面向解决方案的环境。在自动测试领域，标准化已经集中在高级语言，即面向测试的语言，测试工程师的工作重点在测试方法的描述。PAWS 开发平台就是这样的开发环境，它具有层次化的体系结构，用ATLAS语言开发测试程序（TP），向系统发出服务请求；设备库、开关库、接口适配器数据库为测试程序提供服务，完成仪器的驱动和连接；平台系统完成设备的自动分配；运行平台完成测试软件的执行。测试工程师把重点放在测试的描述上而不是设备驱动上，大大增加了软件移植性，缩短了开发周期。

其开发平台与运行平台分离、开发平台中UUT 测试程序开发人员与ATE 集成开发人员分离等方式，获得了业界广泛的认可。

产品：

其开发的PAWS软件采用COTS（商业货架产品）测试软件平台，具有非常高的系统通用性和TPS可移植性。PAWS是专业ATLAS工作站Professional ATLAS Work Station的英文简称。作为优秀的ATE（自动测试设备）软件平台，PAWS具有windows COM（Component Object Model）接口，能保证封装的软件包不管由哪个厂家生产、在什么时候用什么语言开发、在什么环境下运行，都不影响组件的架构而做到即插即用。

1、 TRD（Test Requirements Document）系统通过TRD格式屏、流程图生成工具和文档化格式，可以帮助用户开发和文档化测试策略和结构。其格式遵循当前最流行的军标，并可用户自定义。通过用户提供的TRD信息，它还提供了自动生成ATLAS测试程序的能力。TRD可以和测试诊断软件eXpress结合使用，通过第三方的CAD设计软件，输出的结果导入到eXpress 中，eXpress 的输出以DiagML的格式导入TYX的TRD系统，由TRD生成TRD 文档、测试策略流程图、故障分析报告、ATLAS 测试程序和ATML 测试描述。

2、 PAWS软件主要包括测试程序集开发系统TPS、运行时系统RTS。PAWS/TPS是在windows环境下编译、修改、调试、记录ATLAS测试程序以及仿真ATLAS语言测试程序的工具，它为ATLAS TPS开发提供特制的可视化开发能力，支持全部通用的ATLAS子集（IEEE-416、IEEE-716、ARINC616、ARINC626等）。TPS的输出在RTS（Run Time System）上运行。PAWS/RTS是一个run-time测试执行系统，完成自动测试控制、人工测试控制功能，它接收并执行由ATLAS编译器产生的目标代码和数据文件，并对测试结果进行自动记录，可单独选择带有或没有DEBUG功能的该组件，构建无测试程序开发能力的测试执行系统。

3、 Testbase是一个测试执行工具，它支持可视化开发、数据库存储和测试策略的运行时执行。Testbase可以结合第三方应用程序，比如：测试编成语言、文档视窗、报告产生器、数据库、配置管理系统和诊断工具。

方法有2种：

1、XML配置文件（这个可以针对Google、MapABC、Open Cycle Map等相对简单的URL）

2、BeanShell写的Java脚本，（这个可以进行复杂的计算，增加条件判断等，可以针对Soso地图等稍微复杂点的地图）

通过配置地图源，不仅可以下载网上地图，还能支持对本地文件夹、zip压缩包和sqlite数据库作为源进行抽取和地图打包。

一) 按对信息收录的学科范围划分

1综合性数据库所收录信息覆盖学科范围广，涉及多门学科，检索范围广泛。如Web of

Science、中国知网(CNKI)、万方数据知识服务平台等。

2专业性数据库所收录信息仅展于某一学科领城，专业性强，用于检索特定专业文献。

如PubMed/MEDLINE、CA 和中国生物医学文献数据库Chinese BioMedial Literature Database,

以下简称CBM )等。

3专题性数据库收录信息仅限于某一特定对象或专题，适用于专题检索。如中国药物专利数据库、GenBank( 核酸序列数据库)等。

(二) 按收录信息内容的类型不同划分

1文献型数据库( literature database) 是指以各类型文献为内容的数据库，包括书目数据库( bibliographic database )和全文数据库(full-text database )。

书目数据库是指存储次文献信息的数据库，包括题录数据库、文摘数据库、目录数据库等，是信息检索最常用的数据库。为检索者提供文献出处，检索结果是文献的线索而非原文。

如中国生物医学文献数据库(CBM )、MEDLINE 等。

全文数据库是存储文献全文的数据库，包括图书全文数据库、期刊全文数据库、学位论文全文库等，是信息检索中最受欢迎的数据库。如书生之家数字图书馆、超数字图书馆CNKI、万方数据知识服务平台等都拥有不同类型文献的全文数据库。

2数值型数据库( numerical database ) 是存就有关科研数据、教们,包括各种统计教据、实验数据、临床检验数据等数值型信息的数据库。如美国国医学图书编制的化学物质毒性数据库RTECS,包含了10 万多种化学物质的急慢性毒理实验数据。

3事实型数据库( fact database ) 也称指南数据库( directory database )，主要存储某种具体事实、知识数据的非文献信息源的一般参考性、指示性资料信息，每个条目都是对一个事实确切、完整的描述。如人物数据库、机构名录数据库、产品或商品信息数据库以及指南库、术语数据库等。如美国医生数据咨询库PDQ( Physician Data Query )，为医生提供肿瘤诊断、治疗、预后、临床研究等详细资料，相当于一部有关肿瘤的百科全书。

4图像数据库( image database) 是指以图像、图面、图形等为信息主体数据集合。如美国国立医学图书馆( NLM )的可视人计划数据库( the visible human project)和哈佛大学医学院的全脑图谱数据库(the whole brain atlas )等。

5多媒体数据库( multimedia database) 是存储数值、文字、表格、图形、图像、声音等多种媒体信息的数据库，如NLM 的医学史数据库( history of medcine )。

打开新浪新闻

回到首页查看更多精彩

打开新浪新闻，阅读体验更佳

推荐阅读

王大陆蔡卓宜公开恋情经纪人回应目前感情稳定

邓伦被曝傍上富二代与顾家家居千金恋爱中

1娱乐红闪闪

最水金童！踢球脏，喊他滚回西班牙当王室赘婿，别踢球了？

7新氧医美App

上午9点，国足新帅曝光！足协提供1063万年薪，换李霄鹏冲世界杯

33小贤爱足球

再见姆巴佩！皇马王炸签约达成，7200万买16岁天才，未来头牌已定

2视水见行

俄军包围15000多乌军，却发现大量外国雇佣兵？美国态度变了

409兵之佳

27岁女歌手突然失踪，3天后竟在废车后备箱中被发现！尸体被塞进桶中……

4英国报姐

詹俊：或许荷兰实力不如2014年，但全队上下都会为范加尔拼尽所有

6直播吧

世界杯这场球有疑点！教练赛前分钱，让太太团留宿，队长罚点脚软

1三十年莱斯特城球迷

竞争太激烈！皇马当红天才帝星惨遭主帅蒂特冷落沦为世界杯边缘人

1零度眼看球2018

多门海马斯抵达前线，数万乌军通信信号全部消失！大战终究要来了

7深度军事内参

谷爱凌男友身高1米93，全家都是运动员！基因太强，下一代无解

7一只眼体育

张天爱长肉了！紧身裙包裹下超级有料，不愧是风情万种的代名词

7背锅少女伊云斯

李铁被带走后，里皮首次发声！直戳中国足球弊病：主教练更像傀儡

574吴权林

巴西队吃牛排被骂炫富：国内有5千万人挨饿！国脚回击：少管闲事

36三十年莱斯特城球迷

S家族风波升级！小S丈夫被曝上海养多位情人，私生子如今已3岁

2叶师傅看八卦-

范加尔：阿根廷丢球后梅西不参与比赛这给我们机会

417新浪体育

10胜2负！西部第一！全联盟天赋最强球队，天赋异禀果然非同一般

1康泳哥

5年15亿美元的超级大合同，买的NBA版权，现在来看赔了吗？

34体坛哈士奇

天亮了！黑哨被撵出世界杯，乌拉圭因他出局，国足碰他基本没赢过

9三十年莱斯特城球迷

视频直播美图博客新浪政务搞笑八卦情感旅游佛学众测

首页导航反馈登录

Sinacn(京ICP0000007) 2022-12-09 17:16

说说你的看法

2019年，我们将进入数字化转型的攻关期。所谓“攻关期”即数字化转型20阶段，需要攻坚企业关键业务上云和数字化转型改造的课题。在一份市场调查公司IDC的报告中指出：IDC自2014年提出数字化转型以来，看到企业在数字化转型层面已经投入了大量人力物力，但是效果并不理想，有一些企业已经成功屹立在潮头，有一些企业在向上游进发，还有一些企业只能在浪潮的挟裹中被动前行。

对于企业来说，数字化转型是“雄关漫道”。IDC认为，目前阶段来看，企业亟待解决的是数字化能力提升，包括：与业务的深入结合能力；数据处理和挖掘能力；以及IT技术运营和管理能力。特别是数据处理和挖掘能力，因为数字化转型推进企业从以流程为核心向以数据为核心转型，对海量、异构、多类型的数据处理和挖掘能力是释放数据价值的前提，对数据全生命周期的管控治理是释放数据价值的保障。而随着数字化转型引入大量新技术而导致IT复杂度变高，企业IT技术运营和管理能力是提升企业“IT生产力”的关键。

攻关数字化转型的“雄关漫道”，需要一个具备融合、智能、可传承三大特性的数字平台。这是2019年3月华为与IDC联合推出的《拥抱变化，智胜未来—数字平台破局企业数字化转型》白皮书所提出的观点。融合主要指把传统技术和创新技术相结合；智能主要指平台智能化和智能化能力输出；可传承主要指解耦、功能复用、可配置等理念打造的架构。而承载这三大观点的，就是新一代分布式企业级技术。

2019年5月15日，华为发布了业界首款支持ARM架构的新一代智能分布式数据库GaussDB以及分布式存储FusionStorage 80，作为新一代数据基础设施，诠释了具备融合、智能、可传承三大特性的数字平台。华为常务董事、ICT战略与Marketing总裁汪涛在发布会上表示，千行百业正在加速智能化进程，越来越多的企业已经意识到数据基础设施是智能化成功的关键。华为围绕计算、存储和数据处理三个领域重定义数据基础设施，加速迈向智能时代。

今天所讨论云和工业互联网等概念的背后是一个新时代的到来，这就是体系架构大迁徙。传统企业级技术是在单体应用和单机环境中，保证数据存储、调用等 *** 作的高可靠、高可用、高稳定，特别是满足金融级事物处理的ACID（原子性、一致性、隔离性和耐久性）要求，为企业关键业务提供数据管理支撑。随着企业技术向云架构迁移，数据库技术也面临转型。

2018年，基于云计算技术的分布式数据库成为了业界的热点。简单理解，云计算技术就是把“单机”环境替换为由X86服务器机群所组成的分布式计算环境。原先由几台小型机完成的计算任务，要分散到上百甚至上千台X86服务器上，而且还可能跨数据中心 *** 作，挑战可想而之。特别是在线支付等金融级业务，不能在断网或网络连接有问题时出错，也不能因响应速度慢而影响用户体验。

2018年8月，中国支付清算协会与中国信息通信研究院联合举办了“金融分布式事务数据库研讨会”，与业界厂商和用户共商核心数据库分布式转型之路，同时发布了《金融分布式事务数据库》白皮书。金融分布式事务数据库的工作推进，为分布式数据库进入企业关键业务系统，提供了产业化支撑。而华为作为企业ICT解决方案供应商，早在2012年就开始研发面向大数据分析的数据仓库，在基于传统关系型数据库SQL引擎和事务强一致性等基础上，进行了分布式、并行计算的改造，历时6年打造了面向PB级海量数据分析的分布式数据库。

在OLAP数据仓库之外，华为与行业用户合作了面向OLTP的分布式事务型数据库研发。2017年，华为与招商银行合作成立了分布式数据库联合创新实验室，研发具有高性能企业级内核、完整支持分布式事物、满足金融行业对数据强一致要求、单机事物处理能力要达到每分钟百万级别等的OLTP分布式数据库。

本次发布的GaussDB数据库新品包括：联机事务处理OLTP数据库、联机分析处理OLAP数据库、事务和分析混合处理HTAP数据库。而华为GaussDB数据库将AI技术融入数据库设计、开发、验证、调优、运维等环节，可实现基于AI的自调优、自诊断自愈、自运维，让数据库更高效、更智能，引领数据库架构的发展。

更进一步，本次发布的GaussDB系列数据库是业界首款支持ARM芯片的分布式数据库。华为推动计算架构从以X86+GPU为主的单一计算架构到以X86+GPU+ARM64+NPU为主的异构计算架构快速发展。基于X86架构，华为引入AI管理和智能加速能力，率先推出了智能服务器FusionServer Pro；基于ARM64打造了业界性能最强的TaiShan服务器；基于Ascend芯片的Atlas智能计算，实现了业界首个端边云协同的人工智能平台。而GaussDB可充分利用并融合ARM、X86、GPU、NPU等多种异构算力组合，大幅提升数据库性能。

汪涛强调，作为全球首款AI-Native数据库，GaussDB有两大革命性突破：第一，首次将人工智能技术引入数据库的全生命周期流程，实现自运维、自管理、自调优和故障自诊断。在交易、分析和混合负载场景下，基于最优化理论，首创深度强化学习自调优算法，把业界平均性能提升60%。第二，支持异构计算，充分发挥X86/ARM/GPU/NPU多样性算力优势，最大化数据库性能，在权威标准测试集TPC-DS上，华为GaussDB排名第一。GaussDB还支持本地部署、私有云、公有云等多种场景。

在以云计算为代表的分布式计算环境中，数据管理解决方案除了需要分布式数据库外，为了更好的扩缩容以及满足多样化数据存储需求，计算与存储分离已经成为分布式数据库设计的主要架构。分布式云化架构，就是要支持计算、存储分离和多租户等架构设计要求。

GaussDB已经从数据库层面实现了高可用、高可靠、高稳定的分布式数据库，本次发布的FusionStorage 80则是分布式存储架构，创新地实现一套系统同时支持块、文件、对象、HDFS协议，1套存储支持4类存储能力，适用于全业务场景混合负载，最终让“一个数据中心一套存储”成为可能。

IDC发布的《中国软件定义存储（SDS）及超融合存储（HCI）系统市场季度跟踪报告，2018年第四季度》显示，2018年，软件定义存储市场达到了549%的同比增长。软件定义存储在中国整体存储市场的占有率稳步上升，分别达到了221%的市场占有率。华为凭借文件解决方案在政府、广电和电信等行业得到认可，在2018年中国软件定义存储市场排名第一。

FusionStorage 80采用华为ARM-based处理器鲲鹏920加速，使IOPS提升 20%，结合华为AI Fabric无损网络，时延进一步降低15%。基于华为在计算、网络和存储领域多年的芯片和算法积累，FusionStorage 80在SPC-1的性能测试中，单节点性能达到了168万IOPS以及1ms以内时延，成为承载企业关键应用的新选择。

此外，通过华为云的云上训练及本地AI芯片，FusionStorage 80将智能管理贯穿业务使用的全生命周期，如业务上线前对存储资源的规划，使用过程中的风险预判及故障定位，大幅提升存储效率，帮助行业客户应对智能时代的数据新挑战。

汪涛在发布会上强调，新一代智能分布式存储FusionStorage 80通过重定义存储架构，从“Storage for AI”和“AI in Storage”两个维度实现效率大幅提升，引领存储智能化。首先，“Storage for AI”通过融合共享，让AI分析更高效。其次，“AI in Storage”率先将AI融入存储全生命周期管理，从资源规划、业务发放、系统调优、风险预测、故障定位等方面实现智能运维。

辽宁移动就采用了华为FusionStorage。作为辽宁省内最大的移动通信运营商，辽宁移动一直在探索先进的存储方案在自身IT系统的应用。由于5G的快速发展，辽宁移动关键数据库的应用也向云化方向发展，分布式存储也要满足其可靠性和高性能要求。华为在深入分析辽宁移动需求后，首先在边缘开发测试业务小规模试点分布式存储，进行了大量的实验和测试后性能和可靠性都达到了预期，最终决定将全部业务迁移至FusionStorage。该方案通过采用双活、可写快照、端到端DIF等特性，顺利完成Billing、经营分析、B2B等系统从老旧存储至FusionStorage的搬迁工作，助力辽宁移动的存储架构迈入新的历史阶段。

值得一提的是，华为分布式数据库与华为分布式存储深度结合，把数据库的 *** 作下沉到存储节点，极大提升了分布式数据库的性能。利用新的网络技术和人工智能技术，华为帮助用户提升数据中心的吞吐量，提升网络应用的可伸缩性，并且能自动调优。

除了推出新一代突破性的分布式数据库和存储技术外，华为也积极与客户、伙伴在数据库与存储领域，从行业应用、平台工具、标准组织和社区等多个层面共建开放、合作、共赢的产业生态。在行业应用层面，华为与软通智慧、神州信息、东华软件、易华录、用友政务、亚信国际等独立软件开发商长期合作；在平台和工具层面，华为与Tableau、帆软、ARM、Veritas等合作伙伴联合创新；在标准组织和社区层面，华为深度参与OpenSDS、中国人工智能产业联盟、OCP、OpenStack、CNCF基金会等组织和社区的建设。

总结来说，华为全线分布式数据库和分布式存储产品的发布，是华为具备融合、智能、可传承三大特性数字平台的最新成果。华为分布式数据库与分布式存储结合，能消除企业各业务系统数据孤岛，构建面向行业场景的数据建模、分析和价值挖掘能力，对多源异构的数据进行汇聚、整合和分析，形成统一的全量数据和数据底座，实现数据价值挖掘和共享。而基于AI的智能化，可对基础设施进行高效的管理，为行业应用开发和迭代赋能，全面帮助企业突破关键应用上云的“雄关漫道”。（文/宁川）

1 为什么要拆分数据库？

单体项目在构建之初，数据库的负载和数据量都不大，所以不需要对数据库做拆分，小型财务系统、文书系统、ERP系统、OA系统，用一个MySQL数据库实例基本就够用了。

就像《淘宝技术这十年》里面说到的，电商业务的数据量增长飞快，所以最开始的PHP+MySQL的架构已经不能满足实际要求了，于是淘宝想到的第一个办法就是把MySQL替换成Oracle。但是没过了多久，在08年前后，单节点的Oracle数据库也不好用了，于是淘宝终于告别了单节点数据库，开始拆分数据库。从一个节点，变成多个节点。

拆分数据库是有讲究的，比如说拆分方法有两种：垂直切分和水平切分。那你是先水平切分还是垂直切分呢？顺序无所谓？不，顺序有所为，次序绝对不能错：先水平切分，然后垂直切分。

2 什么是垂直切分？

垂直切分是根据业务来拆分数据库，同一类业务的数据表拆分到一个独立的数据库，另一类的数据表拆分到其他数据库。

比如说一个新零售的电商数据库，我们可以把跟商品相关的数据表拆分成一个数据库，然后在这些数据表的基础之上，构建出商品系统。比如用JAVA或者PHP语言，创建出一个商城系统。然后把跟进销存相关的数据表拆分到另外一个数据库上，再用程序构建出仓库系统。

垂直切分解决了什么问题

垂直切分可以降低单节点数据库的负载。原来所有数据表都放在一个数据库节点上，无疑所有的读写请求也都发到这个MySQL上面，所以数据库的负载太高。如果把一个节点的数据库拆分成多个MySQL数据库，这样就可以有效的降低每个MySQL数据库的负载。

垂直切分不能解决什么问题

垂直切分不能解决的是缩表，比如说商品表无论划分给哪个数据库节点，商品表的记录还是那么多，不管你把数据库垂直拆分的有多细致，每个数据表里面的数据量是没有变化的。

MySQL单表记录超过2000万，读写性能会下降的很快，因此说垂直切分并不能起到缩表的效果。

3 什么是水平切分？

水平切分是按照某个字段的某种规则，把数据切分到多张数据表。一张数据表化整为零，拆分成多张数据表，这样就可以起到缩表的效果了。

很多人，都会水平切分存在误解，以为水平切分出来的数据表必须保存在不同的MySQL节点上。其实水平切分出来的数据表也可以保存在一个MySQL节点上面。不是水平切分一定需要多个MySQL节点。为什么这么说呢？

许多人不知道MySQL自带一种数据分区的技术，可以把一张表的数据，按照特殊规则，切分存储在不同的目录下。如果我们给Linux主机挂载了多块硬盘，我们完全可以利用MySQL分区技术，把一张表的数据切分存储在多个硬盘上。这样就由原来一块硬盘有限的IO能力，升级成了多个磁盘增强型的IO。如果你感兴趣数据分区的具体效果，可以看《MySQL数据库集群》这门实战课。

水平切分的用途

水平切分可以把数据切分到多张数据表，可以起到缩表的作用。

但是也不是所有的数据表都要做水平切分。数据量较大的数据表才需要做数据切分，比如说电商系统中的，用户表、商品表、产品表、地址表、订单表等等。有些数据表就不需要切分，因为数据量不多，比如说品牌表、供货商表、仓库表，这些都是不需要切分的。

水平切分的缺点

不同数据表的切分规则并不一致，要根据实际业务来确定。所以我们在选择数据库中间件产品的时候，就要选择切分规则丰富的产品。常见的数据库中间件有：MyCat、Atlas、ProxySQL等等。有些人觉得MyCat是Java语言开发的，就怀疑MyCat运行效率。其实数据库中间件的作用相当于SQL语句的路由器。你家路由器硬件配置不怎么高，但是不影响你享用百兆宽带。MyCat也是一个道理，它仅仅是起到SQL语句转发的作用，并不会实际执行SQL语句。我推荐使用MyCat最主要的原因是它自带了非常多的数据切分规则，我们可以按照主键求模切分数据，可以按照主键范围切分数据，还可以按照日期切分数据等等。因此说，为了满足业务的需要，MyCat目前来说算是非常不错的中间件产品。

水平切分的另一个缺点就是扩容比较麻烦，日积月累，分片迟早有不够用的时候。这时候不是首先选择增加新的集群分片。因为一个MySQL分片，需要4~8个MySQL节点（最小规模），增加一个分片的投入成本是很高的。所以正确的做法是做冷热数据分离，定期对分片中的数据归档。把过期的业务数据，从分片中转移到归档库。目前来说数据压缩比最高的MySQL引擎是TokuDB，而且带着事物的写入速度是InnoDB引擎的6-14倍。用TokuDB作为归档数据库最适合不过。

4 为什么先做水平切分，后作垂直切分？

随着数据量的增加，最先应该做的是数据分片，利用多块硬盘来增大数据IO能力和存储空间，这么做的成本是最低的。几块硬盘的钱就能收获不错的IO性能。

进入到下一个阶段，数据量继续增大，这时候我们应该把数据切分到多个MySQL节点上，用MyCat管理数据切分。当然还要做数据的读写分离等等，这里不展开讨论。在后台做水平切分的同时，业务系统也可以引入负载均衡、分布式架构等等。理论上，使用了冷热数据分离之后，水平切分这种方式可以继续维持很长一段时间，数据量再大也不怕，定期归档就好了。

数据库到了水平切分的阶段，数据量的增加已经不是更改架构设计的主要原因了。反而这个阶段业务系统承受不住了，如果再不对系统做模块拆分，业务系统也撑不下去了，所以按照模块和业务，把一个系统拆分成若干子系统。若干子系统之间，数据相对独立。比如淘宝不会跟支付支付宝分享全部数据，共享同一套数据表，这也影响各自业务的发展。所以就要弄垂直切分了，把数据表归类，拆分成若干个数据库系统。

讲到这里，你仔细想想。如果过早的对数据库做了垂直切分，势必要重新构建若干独立的业务系统，工作量太巨大。水平切分并不需要业务系统做大幅度的修改，因此说应该先从水平切分开始做。

我从谷歌上找到的说明是，atlas没有支持到hive内部表（managed table）的lineage，只有External修饰的表才能生成血缘。但是解决方案我也没找到啊。。。

网页链接

以上就是关于T Y X 是什么意思全部的内容，包括:T Y X 是什么意思、如何添加Mobile Atlas Creator的自定义地图源、头像数据库属于数据库指南数据库数值数据库哪些属于非文献型数据库等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！

欢迎分享，转载请注明来源：内存溢出

原文地址:https://54852.com/sjk/9466845.html

T Y X 是什么意思

发表评论

评论列表（0条）