本技术方案主要明确公司数据中台建设目标、建设原则、能力框架、技术要求和演进策略等内容，为公司数据中台建设提供技术指导。
一、建设背景 （一）建设现状
当前公司信息内网建成了覆盖公司总部及27家省（市）公司的两级全业务统一数据中心分析域，初步具备了数据接入、数据存储计算、数据分析应用相关能力，实现公司核心业务系统数据的接入及整合汇聚，支撑了各专业数据分析类应用的构建。
在数据接入方面：通过OGG、ETL等技术实现业务系统结构化数据接入至分析域贴源区，通过采集量测数据接入工具实现采集量测数据接入大数据平台。
在数据存储方面：贴源历史层采用分布式关系型数据库（SG-RDB-MS）实现各业务系统贴源数据的存储。数据仓库层采用MPP数据库（GBase8a），基于统一数据模型（SG-CIM）实现部分数据标准化存储。数据集市层采用关系型数据库（SG-RDB-PG）实现分析计算后结果数据存储；采集量测数据采用大数据平台分布式列式数据库（Hbase）进行存储。
1
在数据计算方面：针对小规模数据计算分析需求，通过MPP数据库（Gbase8a）并行计算技术实现。针对大批量的离线计算需求通过大数据平台批量计算组件（MapReduce）实现。针对实时数据计算需求，通过大数据平台实时消息队列（kafka）、内存计算（Spark）、流计算（Storm）等组件实现。
在数据应用方面：针对大数据分析应用需求，通过自助式分析工具、Tableau等工具实现。
（二）存在问题
当前分析域在各单位分析应用中发挥了一定的作用，但从应用角度来看仍存在技术门槛高、数据难读懂、数据获取难等问题，具体如下：
1.技术组件多样，应用难度大。分析域主要包括数据接入、数据存储、数据计算等方面的21个技术组件，涉及厂商多，技术体系性差，组件之间技术集成复杂，相关工具友好性不足，对专业能力要求高，应用难度大。
2.找数据困难，数据应用门槛高。一是当前分析域未形成完整的数据资源目录，数据资源检索困难；二是分析域目前尚未构建数据服务，数据应用复用性差，增加数据应用难度。
3.一级部署系统数据获取难。当前总部数据下发通过人工方式实现数据全量及增量导出，再基于数据交换平台以文件形式下发，人工环节多，数据下发效率低下。
2
4.数据模型管控机制不完善。当前全域数据模型尚不成熟，需要在应用过程中快速持续迭代；另外，数据模型管控基于人工线下流程处理，效率低，响应慢。
（三）建设需求
根据公司泛在电力物联网建设任务的需求，数据中台需以应用需求为导向，满足新增业务数据接入需求，支撑物联管理中心试点建设单位大量终端采集数据的接入和存储，促进电网、客户、产业、金融、国际化等各领域数据融通，面向各专业、各基层单位和外部合作伙伴提供开放共享服务，持续沉淀共性数据服务能力。
二、建设目标 （一）总体目标
以应用需求为导向，沉淀共性数据服务能力，打造“数据可见、组件成熟、体系规范”的数据中台，面向公司各专业、各基层单位和外部合作伙伴提供敏捷开放的数据分析和共享服务，提升公司智慧运营和新业务创新能力，全面支撑“三型两网、世界一流”的战略目标落地。
数据可见：重点打造数据分析共享服务化和数据应用工具化能力。转变原有分析域面向开发人员为主的传统思路，构建数据资产和数据服务目录、自助式报表工具、数据探索区等面向普通用户的开放性功能，达到吸引用户看数据、用数据的目的，促进数据中台持续迭代、良性发展。
组件成熟：充分利用全业务统一数据中心的资源及数据
3
资产，借鉴业界成熟经验，补充相关技术产品和工具，以实用易用为出发点，打造简单成体系的技术支撑组件，夯实数据中台技术框架基础。
体系规范：结合SG-CIM4.0模型成果，构建统一的元数据管理能力，落实运营团队的数据管理职责，形成一级管理、两级应用的元数据管理模式。重点推进主数据相关的标准物理模型强管控，打通数据接入工具、数据应用工具、数据管理平台，构建数据模型在线匹配、数据规则实时校验等数据质量管理功能，提升数据质量。
（二）2019年建设目标
2019年，协同国网云平台建设，内网侧初步构建总部数据中台，选取条件成熟的单位开展省（市）侧数据中台试点建设，外网侧在总部初步构建统一数据中台；着力提升数据中台基础技术组件支撑、数据服务快速构建、实时数据计算处理和数据资产统一管理四方面关键能力；按需汇聚业务数据，构建数据服务，对内重点支撑多维精益管理、供电服务指挥等应用需求，对外统一支撑综合能源服务等新型业务的创新型应用需求。
主要包括：1、构建总部和省公司两级数据资产和数据服务目录，提升数据模型可视化管理能力，推进数据资产和服务透明化；2、构建实时计算存储引擎，结合物联管理中心和边缘智能代理建设情况，实现采集量测类数据的统一存储和下沉协同计算，试点单位开展采集量测和消息类数据的
4
实时接入和服务构建，支撑停电信息点对点通知、可视化报修、配网故障研判、业扩报装方案辅助等重点应用；3、按需扩充数据接入范围，建设标签工厂，提供灵活的数据服务和报表分析等工具，满足多维精益等应用的快速构建；4、试点建设探索区，为公司基层创新提供数据支撑。
三、建设原则
一是应用驱动，快速见效。数据中台建设要以快速满足泛在电力物联网核心应用需求为目标，按需接入、汇聚、融合业务数据，提供灵活的数据分析服务，快速响应用户。要避免贪大求全，盲目接入全量数据、盲目进行全量分析。
二是开放合作，体系先进。加强与外部单位合作，借鉴外界成熟技术体系和最佳实践，成体系引进数据中台相关成熟技术和产品，转变原有技术支撑组件分组件研发、购买、拼装的建设模式，迅速解决现有组件繁杂、功能重叠、拼装整合困难、上线运行效率和稳定性不高等问题。
三是继承发展，注重实效。充分利用全业务统一数据中心现有建设成果，避免大拆大建。一方面梳理技术组件资源和数据资源的应用成效，按照实效原则，充分进行组件和资源利旧；另一方面对应用需求进行分类，按照全业务统一数据中心继续支撑存量稳态分析应用，数据中台支撑物联管理中心采集量测数据的统一存储和新型业务快速开展的策略，双线稳妥推进，在数据中台试点建设取得成效后，逐步迁移。
5
四是统放结合，架构引领。数据中台的核心是数据和服务。总部在统一数据模型和服务标准的基础上，制定数据中台的技术架构和组件技术标准，试点单位在遵循数据和技术标准的前提下，结合本单位实际情况，制定技术方案经总部评估确定后，按需选取具体成熟技术组件。最终由总部结合试点情况统筹评估并明确推广单位的技术组件选型策略。
四、能力框架 （一）总体架构
数据中台是以企业多类型大数据量的汇聚为基础，以统一数据模型为标准，通过丰富的数据标签，为前端应用提供敏捷的统一数据服务。下图为企业中台的总体架构，其中数据中台包含贴源层、共享层、分析层以及统一数据服务等。数据中台和业务中台均以国网云平台为基础支撑，共同形成企业坚实的中台服务框架，为前端应用提供高效数据服务支持。
图1：企业中台架构图
6
（二）技术能力框架
数据中台的能力主要包括数据接入、存储计算、数据应用(数据分析、数据服务)、数据管理(数据资产管理、运营管理)四个方面，功能架构图如下所示：
图２：数据中台能力图
图中标号1、2的模块为2019年各试点单位需要按顺序优先建设完成的内容，未标号模块为后续建设内容。标灰色背景的模块为支撑数据中台能力建设目前仍缺失的内容，白色背景模块为需要提升完善的内容。数据中台的存储计算、运营管理等能力基于云平台实现，与云平台相关能力是逻辑统一关系。
数据接入能力是指从数据中台外部将各类业务数据汇聚到数据中台贴源层的基本服务能力。数据种类主要包括结
7
构化数据、非结构化数据、采集量测类数据以及E格式文件和特定规约的消息数据。源端可以是各类业务系统、泛在终端设备和外部第三方服务提供商。其中数据交换能力应具备横向和纵向级联数据传输能力。
存储计算能力是数据中台数据核心处理引擎。数据存储是指各类业务数据接入数据中台后的落地过程。数据计算是指根据需求对数据进行计算加工的处理过程。
数据应用能力包括数据分析和数据服务两部分。数据分析是为分析模型和分析算法提供管理，为数据报表与可视化展示提供工具集。数据服务通过数据服务目录实现安全、友好、可控的对内对外数据服务统一访问，提供Restful等各类形式的API服务接口的统一注册、管理和调度。
数据管理能力包括数据资源管理和运营管理两部分。数据资源管理对数据资产体系的模型、目录、数据标签等进行全面管控。运营管理为数据中台的使用过程提供各种管理支撑工具，对数据服务和脱敏规则等进行参数配置，对链路进行安全监控和调度计量，对数据开发提供在线交互功能，是实现数据全生命周期监控的基本工具集。
五、部署模式
数据中台建设采用内外网分别部署模式。内网按照总体集中、兼顾个性的原则，采用“1+27”两级部署，总部数据中台选择在北京数据中心（暂定）部署，各省（市）公司
8
在本地部署，直属单位原则上使用总部数据中台。外网在北京数据中心（暂定）统一部署数据中台，各单位按需使用。
图３：数据中台部署模式
（一）总部侧部署 1. 内网部署
在公司北京数据中心（暂定）内网部署数据中台，内网业务系统的数据按需汇集到内网数据中台，经过整合、加工构建数据服务，业务系统调用数据服务，开展业务。
2. 外网部署
在公司北京数据中心（暂定）外网部署数据中台，为外部运营业务提供数据服务。对外运营业务系统产生的数据接入外网数据中台，并按需同步到内网数据中台。需要内网数据中台提供服务的，在外网构建数据服务代理，外网业务系统通过调用外网服务代理实现。
（二）省公司侧部署
9
1.内网部署
各省（市）公司内网数据中台在本地部署，和总部侧内网数据中台进行数据、服务和元数据交互。
2.外网部署
省（市）公司外网暂不部署数据中台。省（市）公司外网数据分析需求，可以采用两种策略：一是对于公司统一部署的，如网上国网，由公司外网数据中台统一提供服务；二是对于各单位个性化业务或业务模式不统一的，如综合能源服务，使用本单位内网数据中台提供的服务，在外网部署服务代理，业务系统调用服务代理实现业务功能。
（三）两级交互 1、两级数据交换
一级部署信息系统数据下发:一级部署信息系统数据，由总部数据中台按照SG-CIM模型标准化后，按需下发至省（市）公司数据中台。
二级部署信息系统数据上传:各省（市）公司二级部署信息系统数据，由省（市）公司数据中台按照SG-CIM模型标准化后，按需上传至总部数据中台。
2、两级服务调用（协同计算）
部分应用场景需要两级协同计算，如同期线损，由省（市）公司数据中台将计算任务封装成服务，与总部数据中台的计算任务进行服务协作，得到最终计算结果。
10
3、元数据管理协同
总部和省（市）公司分别部署数据资产管理工具，各自对数据模型和元数据、数据血缘、数据影响范围等进行管理。两级数据资产目录工具按照公司统一标准的功能和接口规范进行级联共享。
（四）数据中台内部数据流向 数据中台内部数据流向如下图所示：
图４：数据流向示意图
数据中台的数据流转是一个复杂交织的过程，根据业务应用和场景的不同有多种不同流向。根据常见的典型场景对数据流转过程分析如下：
(1)数据采集传输：传统业务应用、业务中台的相关在线交易数据以及物联管理中心的设备量测采集数据，将在通过消息队列、数据复制、ETL等形式按照一定频度传送至数据
11
存储层，经处理、汇总、整合后分布在文件系统、列式数据库和关系型数据库。
(2)日常管理分析应用：对于普通管理类的业务分析人员，通过访问定制好的数据服务，调用各类数据分析组件或工具，获取数据存储中的各类业务数据，经批量计算等组件计算处理后进行交互应用。
(3)一线业务人员应用：物联中心监测数据经消息队列直接接入流式计算引擎进行处理，在将数据存储至分布式列式数据库的同时，直接计算处理后将结果通过服务对外进行发布，直接反馈至传统应用系统（营销系统），供一线人员（供服指挥）进行应用（故障研判）。
（4）数据资产管理应用：对于数据资产管理人员，直接应用数据资产管理工具，获取数据存储组件的元数据并开展数据资产管理。
六、技术要求
本部分主要从数据中台建设、使用角度出发，对数据中台核心引擎提出关键能力技术要求，对于管理工具重点提出可视化、易用性、在线操作、安全性和配套性等方面要求。
1. 数据接入
数据复制方面，具备基于数据库日志的增量捕获机制，实现源端数据库到数据中台贴源层的数据实时同步。支持Oracle、MySQL、PostgreSQL等常见关系数据库同步复制；
12
支持以接口形式对外提供增量数据；支持各环节的运行日志和可视化监控；单节点吞吐量>30MB/s，具备高效、安全的数据通信能力。
消息队列方面，为数据中台提供基于消息的事件类或采集类数据接入、削峰平谷等能力。支持点对点和发布/订阅模式，保证消息收且只被接收一次；具备保序、事务、持久化、同步/异步等消息交互特性；传输效率>10000条/s，单节点吞吐量>30MB/s；支持集群部署，支持高可用，具备运行节点横向扩展能力。
ETL方面，为数据中台内外部异构数据提供抽取、转换、加载、调度、监控能力。支持对主流数据库、常见格式文件、大数据组件的适配；支持批量、并行、增量、变量控制等数据处理机制，具备完善的数据加工处理功能；支持在线调度和监控能力，提供与第三方应用交互接口；支持可视化任务编排、可视化管理、可视化监控；单节点吞吐量>30MB/s，数据处理>50000行/s，在线调度任务总数>10万。
数据交换方面,应提供总部和省公司两级数据中台间的数据交换能力，满足数据中台一级部署系统数据自助下发要求；支持内外网数据中台间的数据交换，满足逻辑隔离装置穿透、存储及传输加密、权限分级控制等要求，时效性达到秒级；支持内网环境下的高效通信机制；支持服务、数据库表、文件、消息数据交换方式；支持数据失败补偿机制、增
13
量机制、人工干预机制；支持多种任务调度机制、在线日志查看、批量配置等功能，提供与第三方应用交互接口；文件交换>30MB/s，消息交换>40000条/s，数据库表交换>50000行/s，支持集群部署，具备运行节点横向扩展能力。
2. 存储计算
分布式文件系统方面，提供文件存储、文件树管理、批量加载、权限管理等功能。在千兆带宽的网络条件下，数据上传吞吐量>30MB/s，数据下载吞吐量>50MB/s；支持非结构化数据存储标准访问接口，如WebService协议访问、Http协议访问、界面集成访问。
分布式列式数据库方面，提供列式存储、在线快速读写、线性扩展、监控管理等能力。支持大规模集群部署、PB 级数据存储；支持组件API访问接口，支持扩展的SQL访问，支持ODBC、JDBC等开发接口。
分布式关系数据库方面，支持数据冗余存储、分库分表、透明读写分离、数据存储平滑扩容、分布式运维指令集、分布式事务等功能；支持大规模集群部署，集群具备高并发响应能力，单节点支持>500并发，QPS>50000，TPS>30000；支持数据库在线扩容、在线备份；支持数据库状态管理和监控能力；支持数据库SQL标准访问接口，支持ODBC、JDBC等开发接口。
14
MPP数据库方面，支持结构化数据存储、数据接入、异常数据处理等能力；数据的更新删除操作速度>10000行/s；千亿行级别的数据表间关联，关联结果集千万以内的情况下，响应时间在一分钟以内；单节点并发数>200；支持 PB 级结构化数据存储；支持1亿行以上多个大表间的复杂关联查询；支持横向动态扩展，在线增加节点和减少节点;支持数据库SQL标准访问接口，支持ODBC、JDBC等开发接口。
图数据库方面，支持拓扑关系数据存储和分析能力，能够实现最大30亿节点、300亿关系、6000亿条属性的图数据存储能力；支持在线备份（完整备份和增量备份），写操作支持线程安全；查询性能/复杂度应为线性增长，可通过内存提速，CPU占用率低于50%；支持常用图算法AQL、Pregel、Cypher等，并支持算法扩展。
时序数据库方面，用于支撑海量时序实时/历史数据的存储与离线分析。应具备海量时序数据离线加载与实时接入能力，支持高效的数据压缩技术，减少磁盘空间占用；支持批量历史数据查询、历史时刻断面数据查询等多种数据访问方式，需提供专业全面的时序数据计算函数，支持历史查询、插值查询以及聚合计算，能满足各种复杂的业务数据查询场景；具备每秒1000万条数据的入库效率和每秒100万条数据的数据访问效率。
批量计算方面，具备任务定义、提交、调度、监控能力；
15
支持横向扩展，可动态扩展节点，用于批量计算；数据处理吞吐量>1GB/分钟；具备错误检测和恢复机制，支持节点自动重启技术，使集群和计算框架具有应对节点失效的健壮性，能有效处理失效节点的检测和恢复；业务应用能够通过调用批量计算服务API实现批量计算逻辑。
流计算方面，支持多种内建的字符串、时间、统计等类型函数；支持自动、手动性能调优和监控报警；平均数据处理速度应>10万条/s，吞吐量>50M/s；流计算集群支持线性扩展，具备容错机制，支持作业级容错；业务应用能够通过调用流计算服务API实现流计算逻辑。
内存计算方面，应提供对事件处理的可靠保证；数据处理吞吐量>1GB/分钟；支持冗余/高可用的配置，能够保证模块无单点故障；业务应用能够通过调用内存计算服务API实现内存计算逻辑。
3. 数据分析
自助式分析方面，提供直观、易用的拖拉式界面，通过选择主题相关的表及相应的图表、文字等展现形式，设置布局、样式等信息，形成相关图表分析功能；可以支持通过在线拖拉方式，实现分析挖掘模型构建与训练、发布；数据源可支持主流数据库、文件以及第三方API接口等；内置主流的数据挖掘算法、机器学习算法，支持动态集成第三方算法；内置主流可视化图表控件，支持动态集成第三方可视化控件。
16
报表分析方面，满足业务应用个性化自助报表设计、查询、图形化展现等业务需求；满足报表的创建、数据自定义报送、报表数据自定义时间采集、执行任务列表查看等业务需求；数据源可支持主流数据库、文件以及第三方API接口等。
数据可视化方面，提供图形化拖拽等简易配置可视化场景的能力；预置多种业务典型模板，可支持基于模板快速构建可视化场景；提供丰富的组件库，满足不同业务的展示需求；数据源可支持主流数据库、文件以及第三方API接口等。
4. 数据服务
能够实现服务统一管理配置、注册与发现、API网关、服务调用、容错处理、服务跟踪、身份认证与授权、限流、隔离等功能，支持高可用、自我修复、跨域请求及动态扩展；支持第三方接口服务、WebService服务和Restful服务，对外提供服务目录，为用户提供各类服务的可视化查询、检索功能。
服务目录方面，支持服务统一注册与发布；满足协议转换，根据服务调用者的要求提供不同协议的转发；支持服务订阅、授权、检索以及应用接入管理；支持权限认证，包括免认证、token、Basic等认证形式；支持限流降级功能；提供运维监控能力；支持服务的多维分析。
5. 数据资产管理
17
数据资产目录方面，支持主流数据库元数据动态采集；支持在线动态创建不同类型数据资源目录及资源绑定；支持数据资源目录和数据血缘关系的可视化展现；支持数据资源检索、数据自助获取等功能。
标签管理方面，支持对不同类型标签的增加、修改、下线等全生命周期管理功能，并自动创建相关标签信息库；在建立标签主体对象后，通过配置规则自动对不同数据对象打标签；支持查询单个数据对象的所有标签信息；支持查询某个群体的标签信息。
数据模型管理方面，支持总部侧标准设计模型一键式在线发布至各单位；支持总部与各单位个性化数据模型的管理；支持模型可视化展示及一键式查询；支持模型多版本管理及版本间差异分析；支持设计态模型与运行态模型比对管理与分析。
数据质量管理方面，支持数据质量规则配置（完整性、准确性、及时性等规则），动态构建质量核查规则库；支持质量核查任务的动态创建及调度配置，根据调度策略执行核查任务，并生成相关核查结果。
主数据管理方面，提供对企业主数据对象的新增、变更、冻结、解冻、审批、分发等主数据的全过程管理；支持将主数据服务能力统一发布至数据服务目录。
6. 运营管理
18
提供可视化综合运营维护管理入口，对数据中台各类组件的资源、任务、服务等实现统一运营管理与运维处置。提供对数据中台各类数据处理任务的统一资源调度与管理，实现作业编排、任务调度、资源调度等；作业调度支持平台作业的可视化流程配置；资源调度支持租户级计算资源隔离与共享，形成资源的申请、调配、回收的闭环管理。提供统一的身份认证和操作鉴权能力，确保在数据传输、存储、访问过程中的数据安全；提供数据访问权限控制、保护业务核心数据、防止数据泄露能力；日志审计提供对各类访问和操作日志进行集中审计和分析的能力。
七、演进策略
（一）内网数据中台演进策略
内网数据中台的演进按照试点先行、小步快跑的总体策略，试点建设取得成效后，逐步迁移、持续迭代。在全业务统一数据中心基础上，结合实际情况补充、完善相关组件，建设总部数据中台，选取条件成熟的试点单位开展省侧数据中台建设。
（二）外网数据中台演进策略
全业务统一数据中心在外网未部署。为满足对外新兴业务敏捷开展，在总部侧建设外网数据中台。
八、服务模式
数据中台支撑应用的模式包括三大类：一是直接调用数
19
据中台数据服务；二是基于数据中台数据和组件构建并发布数据服务；三是使用数据中台组件的能力构建应用。典型应用开发场景包括报表、数据服务、分析挖掘应用、实时计算、数据探索5个场景。
(1)报表分析场景：结合相关数据报表需求，基于数据中台完成所需数据接入、整合处理，在此基础上，利用中台提供的报表工具，完成报表设计开发、绑定数据源、配置报表生成调度任务，实现报表动态输出，满足报表统计应用需求。
(2)数据服务场景：结合应用方数据应用需求，基于数据中台完成所需数据接入、整合、计算分析等加工处理，完成应用方所需数据集准备，开发对外服务接口，并基于数据服务目录发布相关数据服务，供应用方系统调用。
(3)数据挖掘场景：基于数据中台完成分析挖掘所需数据接入、整合等加工处理，在此基础上，利用自助分析工具，完成挖掘模型训练与发布，以及相关分析展现场景配置开发与发布，满足分析挖掘类应用需求。
(4)实时计算场景：结合应用方数据应用需求，通过数据中台发布消息队列服务，数据产生源开发数据推送服务，按照约定规则将实时数据发送至消息队列中，基于数据中台流计算引擎开发计算任务处理队列数据，并将相关计算结果提供应用需求方。以用采系统采集量测数据为例，将现有用采系统取数据方式变为源端消息队列推送，基于数据中台流计算引擎和实时/历史数据接入存储服务，开发计算和接入任务并处理队列数据，一方面将相关计算结果存储至MPP数据
20
库，另一方面将经过清洗转换后的量测数据存储至分布式列式数据库，并根据业务对于访问实时性的需求提供订阅发布推送和访问服务。
(5)数据探索场景：在数据中台中构建探索区，利用数据脱敏工具，将中台已接入的业务系统数据通过脱敏处理后进入探索区，实验人员可利用数据中台提供的相关分析工具，基于探索区进行数据分析试验训练。
九、运营模式
数据中台向业务层提供高质量的标准化数据服务对公司数据运营管理提出的更高要求，同时数据中台的建设是一个持续迭代、不断发展的长期过程，因此需建立总部-省（市）公司两级数据中台配套的专业数据运营服务团队和长效运营机制，支撑泛在电力物联网数据中台的建设运营
（一）建设两级常态运营团队
依托两级大数据中心，建立包含业务专家、数据专家和技术专家在内的数据中台两级运营团队，牵头负责并协同实施单位、运维单位、产品厂商共同完成数据中台各阶段工作的设计及实施工作，并在建成后与相关单位共同负责统一服务支撑和持续运营迭代。
（二）建立长效运营配套机制
建立数据开发处理流程规范、数据接入及质量闭环管理、模型与元数据变更管控、数据服务全生命管理和发布等一系
21
列长效机制，确保数据中台的建设和应用成效。
（三）建立完善的安全管理机制
建立数据安全全生命周期管理流程，根据数据敏感性、应用需求等因素，提供使用审批、分级共享、安全检查和审计等功能。建立数据安全存储机制，针对不同类型业务数据，能够实现数据加密后存储，达到对应安全管理要求。建立数据安全传输机制，根据数据保护需求，实现两级数据中台之间、与外部用户之间的安全传输。
22
因篇幅问题不能全部显示，请点此查看更多更全内容