Hadoop 3.3.6集群搭建实战：从伪分布式到完全分布式部署

简介面向大数据开发与运维人员的 Hadoop 3.3.6 二进制安装包来自 Apache 开源分布式框架可直接用于搭建存储与计算环境适合在本地或服务器上快速部署。压缩包体积约 696MB文件数量约 2000 个其中 HTML 文档用于展示 Web 管理界面jar 包提供运行依赖Shell 脚本负责服务启停XML/Properties 文件保存组件配置CSS/JS 静态资源完善页面样式与交互整体覆盖 HDFS、YARN、MapReduce 等核心模块目录结构清晰便于按需检索。当前已有 1360 人学习下载。解压后即可获得完整发行版包含常用命令行工具、配置模板、示例程序和 Web UI 静态文件便于在本地快速搭建单机或伪分布式集群实际验证文件存储、资源调度与并行计算流程通过浏览器访问对应端口即可查看集群状态理解分布式工作原理。对准备入门 Hadoop 或需要离线部署环境的读者来说是实用且完整的基础资源。1. hadoop-3.3.6.tar.gz 安装包先让环境跑起来再谈调优我这次拆的是 hadoop-3.3.6.tar.gz一个 Hadoop 3.3.6 官方编译版安装包。很多人在官网版本列表里选半天最后卡在下载、校验和 JDK 适配其实对绝大多数场景直接拿这个包就够了。无论你是从零开始安装 Hadoop还是要做伪分布式搭建、三节点完全分布式集群它都能当离线发行包用。我会按单机模式、伪分布、集群一直讲到用 IDEA 连接 HDFS把能复现的步骤和踩过的坑一次说清。适合自己练手、做 Hadoop 课程设计、搭测试环境的人也适合准备 hadoop 面试题时手边缺真实环境的人。2. 装前准备与解压JDK、tar.gz 与第一个单机进程2.1 为什么先认 3.3.6稳定维护线里的省心版本Hadoop 的版本号在三年前后差异很大2.x 和 3.x 的端口、脚本、配置风格都不同。3.3.x 是当前还算维护的生产稳定线而 3.3.6 属于这条线里的维护版修掉了一批已知问题不需要你自己手动编译源码直接解压就能用。这一点对初次接触的人尤其重要因为源码编译一发散环境就开始玄学了。配套的 JDK 我建议用 64 位的 Java 8。Hadoop 3.3.6 官方文档写明支持 Java 8 和 Java 11但我实际部署时更愿意用 Java 8理由很朴素HDFS 客户端、YARN 和各类第三方组件对 Java 8 的兼容性验证最充分。如果你手里只有 linux x64 的 java8 .tar.gz 包解压后配置好JAVA_HOME即可不需要额外装 yum 版 JDK。装之前先确认两件事。第一系统是不是 x86_64 架构用uname -m看一眼第二确认没有残留的 OpenJDK 干扰执行java -version和echo $JAVA_HOME。常见翻车都是这里开始的JDK 装了但JAVA_HOME指向空目录后面 Hadoop 启动脚本直接找不到 Java 进程。# 架构确认x86_64 是标准情况 uname -m # 检查当前默认 Java java -version # 如果 JAVA_HOME 是空的后边配置时不要偷懒 echo $JAVA_HOME这里我一般会把 JDK 的.tar.gz解压到/usr/local/java然后单独建一个软链接指向具体版本号目录。这样做的好处是以后升级 JDK 小版本只要改软链接不用改 Hadoop 里的配置。类似/usr/local/java/jdk8这种路径在hadoop-env.sh里写起来也更短排查问题时眼睛不累。2.2 解压 tar.gz命令参数和目录布局一次看明白很多人第一次接触 Linux 里的.tar.gz包不知道tar后面那一串参数到底在干什么。tar.gz是先用tar打包再用gzip压缩所以解压时必须带-z让 tar 自动调用 gzip 解压。我习惯把安装包解压到/opt下这样和业务代码区分开权限也好控制。# 解压到 /opt tar -zxvf hadoop-3.3.6.tar.gz -C /opt # 解压后查看目录结构 ls -l /opt/hadoop-3.3.6参数拆开看-z表示处理 gzip 压缩格式-x表示执行解压-v是打印过程-f后面跟着压缩文件名。解压完成后/opt/hadoop-3.3.6下应该有bin、sbin、etc、share、lib这些目录。bin里是 hadoop 和 hdfs 客户端命令sbin里是启动停止脚本etc/hadoop是全部配置文件所在位置share/hadoop/mapreduce里面放着官方示例 jar。拿到安装包后我建议先做一步防患于未然的操作校验文件完整性。下载页会给 SHA-256 摘要用sha256sum hadoop-3.3.6.tar.gz对比一下。这一步看起来是玄学但我确实遇到过网络传输导致压缩包损坏解压时报gzip: invalid compressed data。如果校验失败不要硬解重新下载比排查半天快得多。2.3 环境变量配置HADOOP_HOME 别写错解压只是把文件放好真正让系统认识 Hadoop 的是环境变量。需要配三个JAVA_HOME、HADOOP_HOME和PATH。这里有个细节容易踩坑如果/etc/profile和~/.bashrc都写可能出现重复定义我一般只在/etc/profile里写全局配置自己练手的环境则写在~/.bashrc两者只选其一。# 编辑 /etc/profile文件末尾追加 export JAVA_HOME/usr/local/java/jdk8 export HADOOP_HOME/opt/hadoop-3.3.6 export PATH$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin # 让配置生效 source /etc/profilesource之后用hadoop version验证。能看到 Hadoop 3.3.6 的信息说明HADOOP_HOME和PATH没问题。这里要特别提醒Hadoop 的很多启动脚本不会完整继承 shell 的环境变量所以$HADOOP_HOME/etc/hadoop/hadoop-env.sh里也得写一次JAVA_HOME。否则可能出现一个很诡异的现象就是你手动敲java -version有输出但执行start-dfs.sh时脚本报JAVA_HOME is not set。# 打开 hadoop-env.sh取消注释并修改 export JAVA_HOME/usr/local/java/jdk8hadoop-env.sh是 Hadoop 所有守护进程的启动基础这里写错后面 NameNode 和 DataNode 都会起不来。经验是先改这个文件再去看 XML 配置因为很多报错日志里 Java 都找不到根本走不到 Hadoop 配置解析那一步。2.4 跑通单机模式不碰配置文件先确认包本身能用环境变量配好后我建议先跑一次官方示例验证安装包本身没被改坏。Hadoop 默认是本地模式也就是没有 HDFS、没有 YARNMapReduce 直接在本地文件系统上跑。这种模式最适合做冒烟测试。# 进入安装目录 cd $HADOOP_HOME # 运行官方 pi 示例 hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.6.jar pi 4 1000这条命令的pi是示例程序名称4表示启动 4 个 map 任务1000是每个 map 要计算的随机采样次数。数字越大跑得越久本地单机环境建议第一次控制在 1000 次。命令执行后会看到 MapReduce 的进度输出最后一行通常给出 Pi 的估算值。这一步能跑通说明 JDK 路径、Hadoop 二进制文件、文件权限都没问题后面再进伪分布式才有一个可靠的底子。需要注意单机模式下不需要格式化 NameNode也不会启动任何守护进程。如果在日志里看到NativeIO之类的警告不用慌这多半是 native library 没加载的提示不影响这个阶段的运行。真正要处理的是配置阶段的问题那个放到伪分布式部分说。3. 伪分布式搭建四份 XML 配完本地就有完整 HDFS3.1 伪分布式的原理一台机器上模拟完整集群伪分布式和单机模式最大的区别是单机模式没有 HDFS也没有真正的常驻进程伪分布式会启动 NameNode、DataNode、SecondaryNameNode、ResourceManager、NodeManager 这些进程把 Hadoop 的完整链路在一台机器上跑起来。理解这一点很重要因为后面的配置文件全是围绕「这台机器既是主节点又是从节点」来写的。fs.defaultFS决定客户端连接哪个 HDFS 地址dfs.replication决定副本数。伪分布式没有第二个 DataNode副本数必须设为 1否则副本永远凑不齐后台会一直报块复制异常。另外HDFS 的 NameNode 和 DataNode 之间会通过 SSH 建立互信所以伪分布式搭建前必须把本机 SSH 免密配好。这一步不是可选项因为start-dfs.sh脚本在伪分布式下也要用 SSH 来启动本地守护进程。3.2 SSH 免密与本机 hosts 检查配 SSH 免密时我吃过亏当时把~/.ssh目录权限搞成了 755结果 ssh 直接拒绝加载密钥白白折腾了半小时。正确做法是~/.ssh本身是 700authorized_keys是 600。# 生成无 passphrase 的 RSA 密钥 ssh-keygen -t rsa -P -f ~/.ssh/id_rsa # 把公钥加入 authorized_keys cat ~/.ssh/id_rsa.pub ~/.ssh/authorized_keys chmod 700 ~/.ssh chmod 600 ~/.ssh/authorized_keys # 验证免密登录 ssh localhost-P 表示密钥口令为空-f指定生成文件路径。如果用默认路径它在生成时会询问是否覆盖已有密钥所以在干净的机器上执行最省心。验证ssh localhost时如果不需要输密码就进入说明免密成功。这里还要顺手检查一下/etc/hosts。伪分布式虽然主要在 localhost 上跑但fs.defaultFS如果写的是主机名就必须保证主机名能解析。我一般会把本机 IP 和主机名写进 hosts避免后面集群阶段又因为解析问题翻车。3.3 core-site.xml 与 hdfs-site.xml核心参数和首次格式化伪分布式的重点在四份 XMLcore-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml。先改前两份。core-site.xml 里最关键的是fs.defaultFS它决定 HDFS 的访问入口。同时要指定hadoop.tmp.dir这是 Hadoop 存放临时文件的根目录NameNode 和 DataNode 的元数据默认都会在这个目录底下。我习惯单独建一个/opt/hadoop/data/tmp而不是用默认的/tmp理由很简单系统/tmp可能被临时清理而 HDFS 元数据一旦丢了整个集群等于重新开始。configuration property namefs.defaultFS/name valuehdfs://localhost:9000/value /property property namehadoop.tmp.dir/name value/opt/hadoop/data/tmp/value /property /configurationhdfs://localhost:9000表示 NameNode 的 RPC 端口是 9000后面 HDFS 客户端连接就是靠这个地址。hadoop.tmp.dir必须确保所属用户有写权限否则格式化 NameNode 会直接失败。configuration property namedfs.replication/name value1/value /property property namedfs.namenode.name.dir/name value/opt/hadoop/data/namenode/value /property property namedfs.datanode.data.dir/name value/opt/hadoop/data/datanode/value /property /configurationdfs.replication设成 1 是伪分布式的前提。dfs.namenode.name.dir是 NameNode 元数据目录dfs.datanode.data.dir是 DataNode 数据块目录。这两个目录要手动创建并给足权限Hadoop 不会自动建。配置保存后执行格式化命令hdfs namenode -format这条命令负责生成 NameNode 的元数据结构和clusterID。格式化只允许做一次以后如果 DataNode 起不来不要随手再格式化问题大概率是 clusterID 不一致而不是元数据损坏。伪分布式机器上如果反复格式化旧的 DataNode 目录里保留的 clusterID 会和新的 NameNode 不一致启动时 DataNode 会自己退出。3.4 YARN 配置与启动验证jps 是第一个排查工具HDFS 之外还差计算层 YARN。mapred-site.xml 需要告诉 MapReduce 运行在 YARN 上yarn-site.xml 需要配置 ResourceManager 的地址和 NodeManager 的辅助服务。configuration property namemapreduce.framework.name/name valueyarn/value /property /configurationconfiguration property nameyarn.nodemanager.aux-services/name valuemapreduce_shuffle/value /property property nameyarn.resourcemanager.hostname/name valuelocalhost/value /property /configurationmapreduce_shuffle是 MapReduce 跑在 YARN 上必须的辅助服务少了它Reduce 阶段拉取 Map 输出时会失败。yarn.resourcemanager.hostname指向当前机器伪分布式下就是 localhost。启动顺序是固定的先 HDFS再 YARNstart-dfs.sh start-yarn.sh jpsjps是 JDK 自带工具专门查看 Java 进程。正常情况应该看到NameNode、DataNode、SecondaryNameNode、ResourceManager、NodeManager五个进程。少任何一个都先别急着跑任务停下来看日志。进程全部起来后NameNode 的 Web UI 在http://localhost:9870ResourceManager 的 Web UI 在http://localhost:8088。接着在 HDFS 里建目录验证hdfs dfs -mkdir -p /user/root hdfs dfs -put /etc/hostname /user/root/ hdfs dfs -ls /user/root能看到hostname文件说明 HDFS 读写链路是通的。这一步做完伪分布式搭建基本完成可以开始跑 WordCount 之类的 MapReduce 任务了。4. 完全分布式集群搭建三节点规划与同步细节4.1 节点规划三台机器各干什么要提前想清楚伪分布式练手可以了但真到 Hadoop 课程设计或测试集群还是得搭完全分布式。我先说最小可用方案三台机器一台 master两台 worker。master 跑 NameNode、ResourceManager、SecondaryNameNode两台 worker 跑 DataNode 和 NodeManager。注意 SecondaryNameNode 不要和 NameNode 放同一台物理机生产上分开更稳但我见过不少三节点测试环境图省事仍把它放 master这里至少要知道这个取舍。先给三台机器配主机名和 hosts。主机名必须固定因为 Hadoop 配置里写主机名比写 IP 更直观而且 HDFS 元数据如果记的是 IP后面改网段会非常被动。# 三台机器分别执行 hostnamectl set-hostname master # 或者 worker1 / worker2 # /etc/hosts 里追加三行 192.168.1.10 master 192.168.1.11 worker1 192.168.1.12 worker2内存规划直接决定 YARN 能不能跑起来。我的建议是 master 至少 4Gworker 至少 8G。如果机器内存小后面 NodeManager 会因为无法分配容器而反复报资源不足。下面这张表是我在图省事和够用之间找到的平衡点节点角色建议内存主要进程master主节点4GNameNode、ResourceManager、SecondaryNameNodeworker1从节点8GDataNode、NodeManagerworker2从节点8GDataNode、NodeManager4.2 集群版配置四份 XML 加 workers 文件完全分布式和伪分布式的配置文件结构一样但值不同。core-site.xml 里的fs.defaultFS要改成hdfs://master:9000所有客户端都通过这个入口访问 HDFS。configuration property namefs.defaultFS/name valuehdfs://master:9000/value /property property namehadoop.tmp.dir/name value/opt/hadoop/data/tmp/value /property /configurationhdfs-site.xml 里副本数可以设为 2因为现在有两台 worker。NameNode 元数据目录和 DataNode 数据目录不要再用默认值否则以后扩容时目录切换特别麻烦。SecondaryNameNode 的 HTTP 地址也要显式配置。configuration property namedfs.replication/name value2/value /property property namedfs.namenode.name.dir/name value/opt/hadoop/data/namenode/value /property property namedfs.datanode.data.dir/name value/opt/hadoop/data/datanode/value /property property namedfs.namenode.secondary.http-address/name valuemaster:9868/value /property /configurationyarn-site.xml 同样要改 ResourceManager 主机名并且加上调度器配置。Hadoop 3.3.6 默认调度器是 Capacity Scheduler如果不需要精细控制队列写不写都行但显式写出来能避免其他组件默认值不一致带来的困惑。configuration property nameyarn.nodemanager.aux-services/name valuemapreduce_shuffle/value /property property nameyarn.resourcemanager.hostname/name valuemaster/value /property /configuration集群模式还有一个伪分布式没有的文件etc/hadoop/workers。这个文件在 Hadoop 2.x 里叫 slaves3.x 改成了 workers内容是从节点主机名每行一个。启动脚本靠它确定去哪里启动 DataNode 和 NodeManager。# 编辑 etc/hadoop/workers worker1 worker2注意这里不要再写 localhost也不要写 master。写错的话master 会把自己也当作 DataNode 启动或者从节点根本不启动。4.3 分发安装包一条命令把目录推到 worker配置全部改好后下一步是把hadoop-3.3.6整个目录复制到 worker1 和 worker2。常见做法是用scp因为不需要额外安装 rsync。scp -r /opt/hadoop-3.3.6 rootworker1:/opt/ scp -r /opt/hadoop-3.3.6 rootworker2:/opt/ # 分发后修正属主 ssh worker1 chown -R root:root /opt/hadoop-3.3.6 ssh worker2 chown -R root:root /opt/hadoop-3.3.6scp -r是递归复制目录第一次分发时传输时间取决于安装包大小和网络。如果机器多我一般会先把整个配置好的包打成 tar.gz再用 scp 分发最后在目标机上解压。这样比直接scp -r快因为能利用压缩减少网络开销。分发完成后不要急着启动。先检查三台机器的/etc/profile和hadoop-env.sh确保每台的 JAVA_HOME 都一致。Java 路径不一致的问题在单机模式看不出来到集群阶段会出现 master 上启动成功worker 上进程直接消失。4.4 启动顺序格式化、start-dfs.sh、start-yarn.sh集群模式下格式化只能做一次而且要在所有 DataNode 数据目录都干净的时候进行。如果之前跑过伪分布式worker 机器上残留了数据目录一定要先删掉否则 DataNode 会因为 clusterID 不一致启动后退出。# 只在 master 上执行 hdfs namenode -format # 启动 HDFS 和 YARN start-dfs.sh start-yarn.shstart-dfs.sh会通过 SSH 到 worker1、worker2 上启动 DataNode所以前面 SSH 免密配置必须覆盖三台机器之间的互信。验证时不要只盯着 master 看三台机器都要执行 jps# master 上应看到 NameNode ResourceManager SecondaryNameNode jps # worker 上应看到 DataNode NodeManager jpsHDFS 层面用hdfs dfsadmin -report查看 DataNode 是否都处于 active 状态。能看到两个 DataNode 在线说明 HDFS 集群建立成功。YARN 层面访问http://master:8088集群节点列表里应该有两个 NodeManager。最后上传一个文件验证hdfs dfs -mkdir -p /tmp/test hdfs dfs -put /etc/hostname /tmp/test/ hdfs dfs -cat /tmp/test/hostname能正常输出文件内容完全分布式就算跑通了。此时可以跑 mapreduce 示例但注意资源参数要克制一点比如hadoop jar ... pi 2 500避免把小 worker 撑爆。5. 搭建避坑五个翻车现场与五分钟排查路径5.1 常见报错的现象、原因与处理伪分布式和集群搭建过程里我把最容易翻车的五类问题整理出来。每条都是实际踩过的不是理论推测。现象 1NameNode 格式化成功但 DataNode 启动后马上退出。日志里通常有java.io.IOException: Incompatible clusterIDs。原因是格式化 NameNode 后clusterID重新生成但 DataNode 的数据目录里还是旧 clusterID。多数情况是之前跑过伪分布式或者误操作格式化过两次。解决方法是停止所有进程把dfs.namenode.name.dir和dfs.datanode.data.dir指向的目录都清空再重新执行一次hdfs namenode -format。注意格式化前先确认没有重要数据因为这一步等于删库。现象 2jps 能看到 DataNode但 9870 端口的 Web UI 打不开。进程在端口不通先别怀疑 Hadoop 配置八成是防火墙或 hosts 解析问题。先在本机执行curl http://localhost:9870如果本机通而远程不通就是防火墙挡了端口。放行 9870、8088、9000 等端口或者临时关闭 firewalld 验证。如果是用云主机还要注意安全组规则。很多新人在这一步反反复复改配置文件其实 Web UI 和 RPC 端口是两回事。现象 3YARN 启动后NodeManager 一直处于 unhealthy 状态。Web UI 里能看到节点但状态是不健康点击详情会提示磁盘空间不足或虚拟内存超限。原因大多出在/tmp目录或yarn.nodemanager.vmem-check-enabled参数上。测试环境的机器内存小虚拟内存检查会误判容器内存超限。解决方法是把yarn-site.xml里加上yarn.nodemanager.vmem-check-enabled设为 false同时确认hadoop.tmp.dir所在分区有足够空间。现象 4跑 MapReduce 任务时提示FileNotFoundException但文件明明存在。这个报错在 HDFS 客户端里很常见真正原因多半是用户权限。HDFS 的目录权限和本地 Linux 不是一回事hdfs dfs -ls /user/root有输出不代表当前HADOOP_USER_NAME对应的 HDFS 用户有写权限。解决方法是显式指定执行用户比如hdfs dfs -mkdir -p /user/xxx并在提交任务时检查 Kerberos 或HADOOP_USER_NAME环境变量。本地测试环境更省事的做法是直接把/user目录权限放开但正式环境千万别这么干。现象 5集群模式下格式化 NameNode 成功但 worker 上 DataNode 目录找不到。分发安装包时只复制了配置好的 Hadoop 目录没有在三台机器上分别创建dfs.datanode.data.dir对应的目录DataNode 启动时会因为找不到目录而失败。解决方法是确认所有从节点都执行过mkdir -p /opt/hadoop/data/datanode并且chown -R给对用户。我在集群搭建时吃过这个亏后来养成了一个习惯目录统一用脚本创建不手动一台台敲。每条记录里“现象 → 原因 → 解决”是一条完整的排错链路。这里有个容易被忽略的共性几乎所有问题都出在配置目录、clusterID 或权限上真正的 Hadoop 本身代码问题极少。所以排查时先假定是自己配置不对别急着怀疑安装包损坏。5.2 日志位置与两分钟自检清单Hadoop 的守护进程日志默认在安装目录的logs子目录可以通过hadoop-env.sh里的HADOOP_LOG_DIR覆盖。我一般会把日志目录指到独立路径比如/var/log/hadoop免得安装目录因为日志增长而占满。# 查看 NameNode 最新日志 tail -100 $HADOOP_HOME/logs/hadoop-$(whoami)-namenode-$(hostname).log # 查看 DataNode 日志 tail -100 $HADOOP_HOME/logs/hadoop-$(whoami)-datanode-$(hostname).log日志文件名格式是hadoop-用户-进程名-主机名.log。排查时先看最下面 50 行里面通常直接写了异常关键字比如Incompatible clusterIDs、Permission denied、Space is not enough。与其逐个猜不如先跑一遍检查清单检查项命令期望结果Java 进程jps各节点进程齐全端口监听ss -lntpgrep 9870DataNode 状态hdfs dfsadmin -report所有 DataNode 在线数据目录权限ls -ld /opt/hadoop/data/*属主是启动用户磁盘空间df -h数据目录所在分区有剩余这套自检流程五分钟内能做完。如果全部正常但任务还是失败再深入看 YARN 的容器日志路径在logs/userlogs下按 application id 找对应目录。大多数情况自检清单已经能定位九成问题。6. 在 IDEA 里连 HDFS给本地开发环境一条后悔药很多人搭完集群就不管了实际写 Hadoop 代码时又被折腾一遍。这里我分享一个习惯把集群里的配置文件复制到 IDEA 项目里不启动本地 Hadoop也能连远程 HDFS 做读写验证。Maven 引入hadoop-client3.3.6然后建一个简单的客户端程序。dependency groupIdorg.apache.hadoop/groupId artifactIdhadoop-client/artifactId version3.3.6/version /dependency把集群上的core-site.xml和hdfs-site.xml复制到src/main/resources代码里直接加载它们。这比手动写一堆地址参数靠谱因为配置永远以集群实际文件为准。Configuration conf new Configuration(); conf.addResource(core-site.xml); conf.addResource(hdfs-site.xml); FileSystem fs FileSystem.get(URI.create(hdfs://master:9000), conf, root); fs.mkdirs(new Path(/user/idea-test)); System.out.println(mkdir success); fs.close();FileSystem.get的第三个参数root是 HDFS 用户名Windows 本地开发时如果没配 Kerberos用这个方式指定最省事。代码里URI要和fs.defaultFS保持一致。在 Windows 下用 IDEA 连接 HDFS常有人卡在权限或 native 库问题上。我的经验是如果只是 HDFS 操作不需要本地安装 Hadoop也不用管 winutils。真正需要 winutils 的是本地启动 Hadoop 进程或者配置了本地文件系统依赖时。远程 mode 下FileSystem会和master:9000建 RPC 连接HDFS 服务端负责写数据客户端不碰本地权限。如果连接时提示Failed to set permissions先确认是否真的走了远程 HDFS而不是本地路径。习惯做法是把所有路径都显式写成hdfs://master:9000/开头避免调用Path时默认落到本地文件系统。从那以后我每次搭 Hadoop 环境都强制走一遍单机、伪分布式、集群的顺序开发环境只保留远程连接配置绝不本机假装集群。这套流程帮我在课程设计和实际项目里少走了很多弯路希望帮到你。本文还有配套的精品资源点击获取