一个电脑建设多个网站,html5小游戏源码,网站标准字体,wordpress4.6获取用户名方法在SQL中有一类函数叫做聚合函数#xff0c;例如sum()、avg()、max()等等#xff0c;这类函数可以将多行数据按照规则聚集为一行#xff0c;一般来讲聚集后的行数是要少于聚集前的行数的。但是有时我们想要既显示聚集前的数据#xff0c;又要显示聚集后的数据#xff0c;这…在SQL中有一类函数叫做聚合函数例如sum()、avg()、max()等等这类函数可以将多行数据按照规则聚集为一行一般来讲聚集后的行数是要少于聚集前的行数的。但是有时我们想要既显示聚集前的数据又要显示聚集后的数据这时我们便引入了窗口函数。窗口函数又叫OLAP函数/分析函数窗口函数兼具分组和排序功能。 本文分为两部分 第一部分是Hive窗口函数详解剖析各种窗口函数几乎涵盖Hive所有的窗口函数 第二部分是窗口函数实际应用这部分总共有五个例子都是工作常用、面试必问的非常经典的例子。 文章目录Hive 窗口函数技术提升1. SUM、AVG、MIN、MAX2. ROW_NUMBER、RANK、DENSE_RANK、NTILE3. LAG、LEAD、FIRST_VALUE、LAST_VALUE4. CUME_DIST5. GROUPING SETS、GROUPING_ID、CUBE、ROLLUP窗口函数实际应用1. 第二高的薪水2. 分数排名3. 连续出现的数字4. 连续N天登录5. 给定数字的频率查询中位数Hive 窗口函数
窗口函数最重要的关键字是 partition by 和 order by
具体语法如下XXX over (partition by xxx order by xxx)
特别注意over()里面的 partition by 和 order by 都不是必选的over()里面可以只有partition by也可以只有order by也可以两个都没有大家需根据需求灵活运用。
窗口函数我划分了几个大类我们一类一类的讲解。
技术提升
技术要学会分享、交流不建议闭门造车。一个人走的很快、一堆人可以走的更远。
更多实用的工作常用、面试必备资料、数据、技术交流提升 均可加知识星球交流群获取群友已超过2000人添加时切记的备注方式为来源兴趣方向方便找到志同道合的朋友。 方式①、添加微信号pythoner666备注来自 CSDN python 方式②、微信搜索公众号Python学习与数据挖掘后台回复加群 1. SUM、AVG、MIN、MAX
讲解这几个窗口函数前先创建一个表以实际例子讲解大家更容易理解。
首先创建用户访问页面表user_pv
create table user_pv(
cookieid string, -- 用户登录的cookie即用户标识
createtime string, -- 日期
pv int -- 页面访问量
); 给上面这个表加上如下数据
cookie1,2021-05-10,1
cookie1,2021-05-11,5
cookie1,2021-05-12,7
cookie1,2021-05-13,3
cookie1,2021-05-14,2
cookie1,2021-05-15,4
cookie1,2021-05-16,4SUM()使用
执行如下查询语句
select cookieid,createtime,pv,
sum(pv) over(partition by cookieid order by createtime) as pv1
from user_pv;结果如下因命令行原因下图字段名和值是错位的请注意辨别
执行如下查询语句
select cookieid,createtime,pv,
sum(pv) over(partition by cookieid ) as pv1
from user_pv;结果如下
第一条SQL的over()里面加 order by 第二条SQL没加order by 结果差别很大
所以要注意了 over()里面加 order by 表示分组内从起点到当前行的pv累积如11号的pv110号的pv11号的pv, 12号10号11号12号 over()里面不加 order by 表示将分组内所有值累加。
AVGMINMAX和SUM用法一样这里就不展开讲了但是要注意 AVGMINMAX 的over()里面加不加 order by 也和SUM一样如 AVG 求平均值如果加上 order by表示分组内从起点到当前行的平局值不是全部的平局值。MINMAX 同理。
2. ROW_NUMBER、RANK、DENSE_RANK、NTILE
还是用上述的用户登录日志表user_pv里面的数据换成如下所示
cookie1,2021-05-10,1
cookie1,2021-05-11,5
cookie1,2021-05-12,7
cookie1,2021-05-13,3
cookie1,2021-05-14,2
cookie1,2021-05-15,4
cookie1,2021-05-16,4
cookie2,2021-05-10,2
cookie2,2021-05-11,3
cookie2,2021-05-12,5
cookie2,2021-05-13,6
cookie2,2021-05-14,3
cookie2,2021-05-15,9
cookie2,2021-05-16,7ROW_NUMBER()使用
ROW_NUMBER()从1开始按照顺序生成分组内记录的序列。
SELECT
cookieid,
createtime,
pv,
ROW_NUMBER() OVER(PARTITION BY cookieid ORDER BY pv desc) AS rn
FROM user_pv;结果如下 RANK 和 DENSE_RANK 使用
RANK() 生成数据项在分组中的排名排名相等会在名次中留下空位。
DENSE_RANK()生成数据项在分组中的排名排名相等会在名次中不会留下空位。
SELECT
cookieid,
createtime,
pv,
RANK() OVER(PARTITION BY cookieid ORDER BY pv desc) AS rn1,
DENSE_RANK() OVER(PARTITION BY cookieid ORDER BY pv desc) AS rn2,
ROW_NUMBER() OVER(PARTITION BY cookieid ORDER BY pv DESC) AS rn3
FROM user_pv
WHERE cookieid cookie1;结果如下 NTILE的使用
有时会有这样的需求:如果数据排序后分为三部分业务人员只关心其中的一部分如何将这中间的三分之一数据拿出来呢?NTILE函数即可以满足。
ntile可以看成是把有序的数据集合平均分配到指定的数量num个桶中, 将桶号分配给每一行。如果不能平均分配则优先分配较小编号的桶并且各个桶中能放的行数最多相差1。
然后可以根据桶号选取前或后 n分之几的数据。数据会完整展示出来只是给相应的数据打标签具体要取几分之几的数据需要再嵌套一层根据标签取出。
SELECT
cookieid,
createtime,
pv,
NTILE(2) OVER(PARTITION BY cookieid ORDER BY createtime) AS rn1,
NTILE(3) OVER(PARTITION BY cookieid ORDER BY createtime) AS rn2,
NTILE(4) OVER(ORDER BY createtime) AS rn3
FROM user_pv
ORDER BY cookieid,createtime;结果如下
3. LAG、LEAD、FIRST_VALUE、LAST_VALUE
讲解这几个窗口函数时还是以实例讲解首先创建用户访问页面表user_url
CREATE TABLE user_url (
cookieid string,
createtime string, --页面访问时间
url string --被访问页面
);表中加入如下数据
cookie1,2021-06-10 10:00:02,url2
cookie1,2021-06-10 10:00:00,url1
cookie1,2021-06-10 10:03:04,1url3
cookie1,2021-06-10 10:50:05,url6
cookie1,2021-06-10 11:00:00,url7
cookie1,2021-06-10 10:10:00,url4
cookie1,2021-06-10 10:50:01,url5
cookie2,2021-06-10 10:00:02,url22
cookie2,2021-06-10 10:00:00,url11
cookie2,2021-06-10 10:03:04,1url33
cookie2,2021-06-10 10:50:05,url66
cookie2,2021-06-10 11:00:00,url77
cookie2,2021-06-10 10:10:00,url44
cookie2,2021-06-10 10:50:01,url55LAG的使用
LAG(col,n,DEFAULT) 用于统计窗口内往上第n行值。
第一个参数为列名第二个参数为往上第n行可选默认为1第三个参数为默认值当往上第n行为NULL时候取默认值如不指定则为NULL
SELECT cookieid,
createtime,
url,
ROW_NUMBER() OVER(PARTITION BY cookieid ORDER BY createtime) AS rn,
LAG(createtime,1,1970-01-01 00:00:00) OVER(PARTITION BY cookieid ORDER BY createtime) AS last_1_time,
LAG(createtime,2) OVER(PARTITION BY cookieid ORDER BY createtime) AS last_2_time
FROM user_url;结果如下
解释
last_1_time: 指定了往上第1行的值default为1970-01-01 00:00:00 cookie1第一行往上1行为NULL,因此取默认值 1970-01-01 00:00:00cookie1第三行往上1行值为第二行值2021-06-10 10:00:02cookie1第六行往上1行值为第五行值2021-06-10 10:50:01
last_2_time: 指定了往上第2行的值为指定默认值cookie1第一行往上2行为NULLcookie1第二行往上2行为NULLcookie1第四行往上2行为第二行值2021-06-10 10:00:02cookie1第七行往上2行为第五行值2021-06-10 10:50:01LEAD的使用
与LAG相反
LEAD(col,n,DEFAULT) 用于统计窗口内往下第n行值。
第一个参数为列名第二个参数为往下第n行可选默认为1第三个参数为默认值当往下第n行为NULL时候取默认值如不指定则为NULL
SELECT cookieid,
createtime,
url,
ROW_NUMBER() OVER(PARTITION BY cookieid ORDER BY createtime) AS rn,
LEAD(createtime,1,1970-01-01 00:00:00) OVER(PARTITION BY cookieid ORDER BY createtime) AS next_1_time,
LEAD(createtime,2) OVER(PARTITION BY cookieid ORDER BY createtime) AS next_2_time
FROM user_url;结果如下 FIRST_VALUE的使用
取分组内排序后截止到当前行第一个值。
SELECT cookieid,
createtime,
url,
ROW_NUMBER() OVER(PARTITION BY cookieid ORDER BY createtime) AS rn,
FIRST_VALUE(url) OVER(PARTITION BY cookieid ORDER BY createtime) AS first1
FROM user_url;结果如下 LAST_VALUE的使用
取分组内排序后截止到当前行最后一个值。
SELECT cookieid,
createtime,
url,
ROW_NUMBER() OVER(PARTITION BY cookieid ORDER BY createtime) AS rn,
LAST_VALUE(url) OVER(PARTITION BY cookieid ORDER BY createtime) AS last1
FROM user_url;结果如下
如果想要取分组内排序后最后一个值则需要变通一下
SELECT cookieid,
createtime,
url,
ROW_NUMBER() OVER(PARTITION BY cookieid ORDER BY createtime) AS rn,
LAST_VALUE(url) OVER(PARTITION BY cookieid ORDER BY createtime) AS last1,
FIRST_VALUE(url) OVER(PARTITION BY cookieid ORDER BY createtime DESC) AS last2
FROM user_url
ORDER BY cookieid,createtime;注意上述SQL使用的是 FIRST_VALUE 的倒序取出分组内排序最后一个值
结果如下
此处要特别注意order by
如果不指定ORDER BY则进行排序混乱会出现错误的结果
SELECT cookieid,
createtime,
url,
FIRST_VALUE(url) OVER(PARTITION BY cookieid) AS first2
FROM user_url;结果如下
上述 url2 和 url55 的createtime即不属于最靠前的时间也不属于最靠后的时间所以结果是混乱的。
4. CUME_DIST
先创建一张员工薪水表staff_salary
CREATE EXTERNAL TABLE staff_salary (
dept string,
userid string,
sal int
);表中加入如下数据
d1,user1,1000
d1,user2,2000
d1,user3,3000
d2,user4,4000
d2,user5,5000CUME_DIST的使用
此函数的结果和order by的排序顺序有关系。
CUME_DIST小于等于当前值的行数/分组内总行数。 order默认顺序 正序
比如统计小于等于当前薪水的人数所占总人数的比例。
SELECT
dept,
userid,
sal,
CUME_DIST() OVER(ORDER BY sal) AS rn1,
CUME_DIST() OVER(PARTITION BY dept ORDER BY sal) AS rn2
FROM staff_salary;结果如下
解释
rn1: 没有partition,所有数据均为1组总行数为5第一行小于等于1000的行数为1因此1/50.2第三行小于等于3000的行数为3因此3/50.6
rn2: 按照部门分组dpetd1的行数为3,第二行小于等于2000的行数为2因此2/30.66666666666666665. GROUPING SETS、GROUPING_ID、CUBE、ROLLUP
这几个分析函数通常用于OLAP中不能累加而且需要根据不同维度上钻和下钻的指标统计比如分小时、天、月的UV数。
还是先创建一个用户访问表user_date
CREATE TABLE user_date (
month STRING,
day STRING,
cookieid STRING
);表中加入如下数据
2021-03,2021-03-10,cookie1
2021-03,2021-03-10,cookie5
2021-03,2021-03-12,cookie7
2021-04,2021-04-12,cookie3
2021-04,2021-04-13,cookie2
2021-04,2021-04-13,cookie4
2021-04,2021-04-16,cookie4
2021-03,2021-03-10,cookie2
2021-03,2021-03-10,cookie3
2021-04,2021-04-12,cookie5
2021-04,2021-04-13,cookie6
2021-04,2021-04-15,cookie3
2021-04,2021-04-15,cookie2
2021-04,2021-04-16,cookie1GROUPING SETS的使用
grouping sets是一种将多个group by 逻辑写在一个sql语句中的便利写法。
等价于将不同维度的GROUP BY结果集进行UNION ALL。
SELECT
month,
day,
COUNT(DISTINCT cookieid) AS uv,
GROUPING__ID
FROM user_date
GROUP BY month,day
GROUPING SETS (month,day)
ORDER BY GROUPING__ID;注上述SQL中的GROUPING__ID是个关键字表示结果属于哪一个分组集合根据grouping sets中的分组条件monthday1是代表month2是代表day。
结果如下
上述SQL等价于
SELECT month,
NULL as day,
COUNT(DISTINCT cookieid) AS uv,
1 AS GROUPING__ID
FROM user_date
GROUP BY month UNION ALL SELECT NULL as month,
day,
COUNT(DISTINCT cookieid) AS uv,
2 AS GROUPING__ID
FROM user_date
GROUP BY day;CUBE的使用
根据GROUP BY的维度的所有组合进行聚合。
SELECT
month,
day,
COUNT(DISTINCT cookieid) AS uv,
GROUPING__ID
FROM user_date
GROUP BY month,day
WITH CUBE
ORDER BY GROUPING__ID;结果如下
上述SQL等价于
SELECT NULL,NULL,COUNT(DISTINCT cookieid) AS uv,0 AS GROUPING__ID FROM user_dateUNION ALL SELECT month,NULL,COUNT(DISTINCT cookieid) AS uv,1 AS GROUPING__ID FROM user_date GROUP BY month UNION ALL SELECT NULL,day,COUNT(DISTINCT cookieid) AS uv,2 AS GROUPING__ID FROM user_date GROUP BY dayUNION ALL SELECT month,day,COUNT(DISTINCT cookieid) AS uv,3 AS GROUPING__ID FROM user_date GROUP BY month,day;ROLLUP的使用
是CUBE的子集以最左侧的维度为主从该维度进行层级聚合。
比如以month维度进行层级聚合
SELECT
month,
day,
COUNT(DISTINCT cookieid) AS uv,
GROUPING__ID
FROM user_date
GROUP BY month,day
WITH ROLLUP
ORDER BY GROUPING__ID;结果如下
把month和day调换顺序则以day维度进行层级聚合
SELECT
day,
month,
COUNT(DISTINCT cookieid) AS uv,
GROUPING__ID
FROM user_date
GROUP BY day,month
WITH ROLLUP
ORDER BY GROUPING__ID;结果如下
这里根据日和月进行聚合和根据日聚合结果一样因为有父子关系如果是其他维度组合的话就会不一样。
窗口函数实际应用
1. 第二高的薪水
难度简单。
编写一个 SQL 查询获取 Employee 表中第二高的薪水Salary。
------------
| Id | Salary |
------------
| 1 | 100 |
| 2 | 200 |
| 3 | 300 |
------------例如上述 Employee 表SQL查询应该返回 200 作为第二高的薪水。如果不存在第二高的薪水那么查询应返回 null。
---------------------
| SecondHighestSalary |
---------------------
| 200 |
---------------------这道题可以用 row_number 函数解决。
参考代码
SELECT*FROM(SELECT Salary, row_number() over(order by Salary desc) rk FROM Employee) t WHERE t.rk 2;更简单的代码
SELECT DISTINCT Salary
FROM Employee
ORDER BY Salary DESC
LIMIT 1 OFFSET 1OFFSET偏移量表示从第几条数据开始取0代表第1条数据。 2. 分数排名
难度简单。
编写一个 SQL 查询来实现分数排名。
如果两个分数相同则两个分数排名Rank相同。请注意平分后的下一个名次应该是下一个连续的整数值。换句话说名次之间不应该有“间隔”。
-----------
| Id | Score |
-----------
| 1 | 3.50 |
| 2 | 3.65 |
| 3 | 4.00 |
| 4 | 3.85 |
| 5 | 4.00 |
| 6 | 3.65 |
-----------例如根据上述给定的 Scores 表你的查询应该返回按分数从高到低排列
-------------
| Score | Rank |
-------------
| 4.00 | 1 |
| 4.00 | 1 |
| 3.85 | 2 |
| 3.65 | 3 |
| 3.65 | 3 |
| 3.50 | 4 |
-------------参考代码
SELECT Score,
dense_rank() over(order by Score desc) as Rank
FROM Scores;3. 连续出现的数字
难度中等。
编写一个 SQL 查询查找所有至少连续出现三次的数字。
---------
| Id | Num |
---------
| 1 | 1 |
| 2 | 1 |
| 3 | 1 |
| 4 | 2 |
| 5 | 1 |
| 6 | 2 |
| 7 | 2 |
---------例如给定上面的 Logs 表 1 是唯一连续出现至少三次的数字。
-----------------
| ConsecutiveNums |
-----------------
| 1 |
-----------------参考代码
SELECT DISTINCT Num as ConsecutiveNums
FROM(SELECT Num,lead(Num, 1, null) over(order by id) n2,lead(Num, 2, null) over(order by id) n3 FROM Logs) t1
WHERE Num n2 and Num n34. 连续N天登录
难度困难。
写一个 SQL 查询, 找到活跃用户的 id 和 name活跃用户是指那些至少连续 5 天登录账户的用户返回的结果表按照 id 排序。
表 Accounts
---------------
| id | name |
---------------
| 1 | Winston |
| 7 | Jonathan |
---------------表 Logins
-----------------
| id | login_date |
-----------------
| 7 | 2020-05-30 |
| 1 | 2020-05-30 |
| 7 | 2020-05-31 |
| 7 | 2020-06-01 |
| 7 | 2020-06-02 |
| 7 | 2020-06-02 |
| 7 | 2020-06-03 |
| 1 | 2020-06-07 |
| 7 | 2020-06-10 |
-----------------例如给定上面的Accounts和Logins表至少连续 5 天登录账户的是id7的用户
---------------
| id | name |
---------------
| 7 | Jonathan |
---------------思路 去重由于每个人可能一天可能不止登陆一次需要去重 排序对每个ID的登录日期排序 差值计算登录日期与排序之间的差值找到连续登陆的记录 连续登录天数计算select id, count(*) group by id, 差值伪代码 取出登录5天以上的记录 通过表合并取出id对应用户名
参考代码
SELECT DISTINCT b.id, name
FROM(SELECT id, login_date,DATE_SUB(login_date, ROW_NUMBER() OVER(PARTITION BY id ORDER BY login_date)) AS diff FROM(SELECT DISTINCT id, login_date FROM Logins) a) b
INNER JOIN Accounts ac
ON b.id ac.id
GROUP BY b.id, diff
HAVING COUNT(b.id) 5注意点 DATE_SUB的应用DATE_SUB (DATE, X)注意X为正数表示当前日期的前X天 如何找连续日期通过排序与登录日期之间的差值因为排序连续因此若登录日期连续则差值一致 GROUP BY和HAVING的应用通过id和差值的GROUP BY用COUNT找到连续天数大于5天的id注意COUNT不是一定要出现在SELECT后可以直接用在HAVING中
5. 给定数字的频率查询中位数
难度困难。
Numbers 表保存数字的值及其频率。
-----------------------
| Number | Frequency |
-----------------------|
| 0 | 7 |
| 1 | 1 |
| 2 | 3 |
| 3 | 1 |
-----------------------在此表中数字为 0, 0, 0, 0, 0, 0, 0, 1, 2, 2, 2, 3所以中位数是 (0 0) / 2 0。
--------
| median |
--------|
| 0.0000 |
--------请编写一个查询来查找所有数字的中位数并将结果命名为 median 。
参考代码
select
avg(cast(number as float)) as median
from(select Number,Frequency,sum(Frequency) over(order by Number) - Frequency as prev_sum,sum(Frequency) over(order by Number) as curr_sum from Numbers) t1, (select sum(Frequency) as total_sum from Numbers) t2
where
t1.prev_sum (cast(t2.total_sum as float) / 2)
and
t1.curr_sum (cast(t2.total_sum as float) / 2)
文章转载自： http://www.morning.qhkx.cn.gov.cn.qhkx.cn http://www.morning.wzyfk.cn.gov.cn.wzyfk.cn http://www.morning.mnbgx.cn.gov.cn.mnbgx.cn http://www.morning.bpmdr.cn.gov.cn.bpmdr.cn http://www.morning.lbfgq.cn.gov.cn.lbfgq.cn http://www.morning.rpms.cn.gov.cn.rpms.cn http://www.morning.bxczt.cn.gov.cn.bxczt.cn http://www.morning.rzdpd.cn.gov.cn.rzdpd.cn http://www.morning.qnhpq.cn.gov.cn.qnhpq.cn http://www.morning.rfxg.cn.gov.cn.rfxg.cn http://www.morning.rtmqy.cn.gov.cn.rtmqy.cn http://www.morning.jcbjy.cn.gov.cn.jcbjy.cn http://www.morning.nqbpz.cn.gov.cn.nqbpz.cn http://www.morning.pwksz.cn.gov.cn.pwksz.cn http://www.morning.bfgpn.cn.gov.cn.bfgpn.cn http://www.morning.c7493.cn.gov.cn.c7493.cn http://www.morning.tfrmx.cn.gov.cn.tfrmx.cn http://www.morning.fjlsfs.com.gov.cn.fjlsfs.com http://www.morning.gdljq.cn.gov.cn.gdljq.cn http://www.morning.kyflr.cn.gov.cn.kyflr.cn http://www.morning.qcmhs.cn.gov.cn.qcmhs.cn http://www.morning.rynrn.cn.gov.cn.rynrn.cn http://www.morning.lcmhq.cn.gov.cn.lcmhq.cn http://www.morning.tqfnf.cn.gov.cn.tqfnf.cn http://www.morning.bxyzr.cn.gov.cn.bxyzr.cn http://www.morning.dzqyn.cn.gov.cn.dzqyn.cn http://www.morning.skmpj.cn.gov.cn.skmpj.cn http://www.morning.mrfr.cn.gov.cn.mrfr.cn http://www.morning.rfbt.cn.gov.cn.rfbt.cn http://www.morning.dkqr.cn.gov.cn.dkqr.cn http://www.morning.nnykz.cn.gov.cn.nnykz.cn http://www.morning.bxqpl.cn.gov.cn.bxqpl.cn http://www.morning.nkjnr.cn.gov.cn.nkjnr.cn http://www.morning.ptwzy.cn.gov.cn.ptwzy.cn http://www.morning.jcpq.cn.gov.cn.jcpq.cn http://www.morning.amonr.com.gov.cn.amonr.com http://www.morning.ktyww.cn.gov.cn.ktyww.cn http://www.morning.nmyrg.cn.gov.cn.nmyrg.cn http://www.morning.tnhmp.cn.gov.cn.tnhmp.cn http://www.morning.divocn.com.gov.cn.divocn.com http://www.morning.nxfwf.cn.gov.cn.nxfwf.cn http://www.morning.ttdxn.cn.gov.cn.ttdxn.cn http://www.morning.bqnhh.cn.gov.cn.bqnhh.cn http://www.morning.xnltz.cn.gov.cn.xnltz.cn http://www.morning.bttph.cn.gov.cn.bttph.cn http://www.morning.hcqpc.cn.gov.cn.hcqpc.cn http://www.morning.ghphp.cn.gov.cn.ghphp.cn http://www.morning.yqgbw.cn.gov.cn.yqgbw.cn http://www.morning.zxqxx.cn.gov.cn.zxqxx.cn http://www.morning.srckl.cn.gov.cn.srckl.cn http://www.morning.ddfp.cn.gov.cn.ddfp.cn http://www.morning.dxpzt.cn.gov.cn.dxpzt.cn http://www.morning.hpkgm.cn.gov.cn.hpkgm.cn http://www.morning.gmztd.cn.gov.cn.gmztd.cn http://www.morning.xrsqb.cn.gov.cn.xrsqb.cn http://www.morning.neletea.com.gov.cn.neletea.com http://www.morning.rrms.cn.gov.cn.rrms.cn http://www.morning.llmhq.cn.gov.cn.llmhq.cn http://www.morning.mltsc.cn.gov.cn.mltsc.cn http://www.morning.dxqfh.cn.gov.cn.dxqfh.cn http://www.morning.dnycx.cn.gov.cn.dnycx.cn http://www.morning.yhglt.cn.gov.cn.yhglt.cn http://www.morning.fglxh.cn.gov.cn.fglxh.cn http://www.morning.rwjfs.cn.gov.cn.rwjfs.cn http://www.morning.zcncb.cn.gov.cn.zcncb.cn http://www.morning.pypbz.cn.gov.cn.pypbz.cn http://www.morning.qshxh.cn.gov.cn.qshxh.cn http://www.morning.ggnfy.cn.gov.cn.ggnfy.cn http://www.morning.mhnxs.cn.gov.cn.mhnxs.cn http://www.morning.aswev.com.gov.cn.aswev.com http://www.morning.tnnfy.cn.gov.cn.tnnfy.cn http://www.morning.kpnpd.cn.gov.cn.kpnpd.cn http://www.morning.807yy.cn.gov.cn.807yy.cn http://www.morning.xbnkm.cn.gov.cn.xbnkm.cn http://www.morning.zcnwg.cn.gov.cn.zcnwg.cn http://www.morning.zplzj.cn.gov.cn.zplzj.cn http://www.morning.kyctc.cn.gov.cn.kyctc.cn http://www.morning.ftmzy.cn.gov.cn.ftmzy.cn http://www.morning.bxrqf.cn.gov.cn.bxrqf.cn http://www.morning.csxlm.cn.gov.cn.csxlm.cn
