ThingsBoard实战：5分钟搞定物联网设备接入与数据可视化（附避坑指南）
ThingsBoard实战：从零到一，构建你的第一个物联网数据驾驶舱
最近在帮一个做智能农业的朋友搭建监控系统，他们手头有几十个温湿度传感器和土壤墒情仪，数据零零散散地分布在不同的Excel表格里，每次分析都要手动合并，效率低不说，还容易出错。我给他推荐了ThingsBoard，结果他用了不到一周就告诉我：“这东西太方便了，现在所有数据都能在一个页面上实时看到，还能设置报警，再也不用半夜爬起来看数据了。”
如果你也在为物联网设备的数据管理头疼，无论是工业现场的PLC、楼宇里的智能电表，还是实验室里的各种传感器，ThingsBoard都能帮你把这些分散的数据源整合到一个统一的平台上。今天我就结合自己踩过的坑，带你从零开始，用最实际的方式搭建一个可用的ThingsBoard环境，并完成设备接入和数据可视化。
1. 环境准备：避开那些让人抓狂的配置陷阱
很多人一上来就想着用Docker一键部署，这确实方便，但如果你对底层配置不熟悉，一旦出现问题，排查起来会非常困难。我建议第一次部署时，还是从源码编译开始，这样你能清楚地知道每个组件的作用。
1.1 系统与依赖检查
ThingsBoard官方推荐使用Linux系统，Ubuntu 20.04 LTS或CentOS 7是比较稳妥的选择。Windows环境下也能运行，但可能会遇到一些路径和权限问题。
首先检查你的系统是否满足以下最低要求：
- 内存：至少4GB RAM（生产环境建议8GB以上）
- 存储：20GB可用空间
- Java：OpenJDK 11（这是关键，不要用Java 8或更高版本）
- 数据库：PostgreSQL 11+ 或 TimescaleDB（用于时序数据）
安装Java时最容易出问题的是版本不匹配。我曾经遇到过因为Java版本不对，导致编译时各种奇怪的错误。用下面的命令确认你的Java版本：
java -version
你应该看到类似这样的输出：
openjdk version "11.0.15" 2022-04-19
OpenJDK Runtime Environment (build 11.0.15+10-Ubuntu-0ubuntu0.20.04.1)
OpenJDK 64-Bit Server VM (build 11.0.15+10-Ubuntu-0ubuntu0.20.04.1, mixed mode)
如果版本不对，在Ubuntu上可以用以下命令安装OpenJDK 11：
sudo apt update
sudo apt install openjdk-11-jdk
注意：有些系统可能同时安装了多个Java版本，记得用
update-alternatives --config java选择正确的版本。
1.2 数据库配置：时序数据存储的选择
ThingsBoard支持多种数据库组合，但最常见的搭配是：
- PostgreSQL：存储设备元数据、用户信息、规则链配置等
- Cassandra/TimescaleDB：存储时序数据（遥测数据）
对于中小规模的应用（设备数<1000，数据点<100万/天），我推荐使用TimescaleDB，它是PostgreSQL的时序数据库扩展，管理起来比Cassandra简单得多。
安装TimescaleDB（以Ubuntu为例）：
# 添加TimescaleDB的APT源
echo "deb https://packagecloud.io/timescale/timescaledb/ubuntu/ $(lsb_release -c -s) main" | sudo tee /etc/apt/sources.list.d/timescaledb.list
# 导入GPG密钥
wget --quiet -O - https://packagecloud.io/timescale/timescaledb/gpgkey | sudo apt-key add -
# 更新并安装
sudo apt update
sudo apt install timescaledb-2-postgresql-13
安装完成后，需要调整PostgreSQL的配置：
sudo timescaledb-tune --quiet --yes
sudo systemctl restart postgresql
然后创建ThingsBoard需要的数据库和用户：
sudo -u postgres psql
在PostgreSQL命令行中执行：
CREATE DATABASE thingsboard;
CREATE USER thingsboard WITH PASSWORD 'your_strong_password';
GRANT ALL PRIVILEGES ON DATABASE thingsboard TO thingsboard;
\c thingsboard
CREATE EXTENSION IF NOT EXISTS timescaledb;
提示：生产环境一定要用强密码，不要用默认的
postgres用户，这是最基本的安全措施。
2. 源码编译与部署：不只是运行，更要理解
直接从GitHub拉取源码编译，虽然耗时较长（第一次可能需要30分钟以上），但能让你对ThingsBoard的架构有更深入的理解。
2.1 获取源码与编译
# 克隆仓库
git clone https://github.com/thingsboard/thingsboard.git
cd thingsboard
# 切换到稳定版本（避免使用master分支，可能有未知问题）
git checkout release-3.4.4
# 编译（跳过测试以加快速度）
mvn clean install -DskipTests
编译过程中最常见的两个问题：
- Maven依赖下载失败：国内网络访问Maven中央仓库可能很慢，建议配置阿里云镜像。编辑
~/.m2/settings.xml：
<mirrors>
<mirror>
<id>aliyunmaven</id>
<mirrorOf>*</mirrorOf>
<name>阿里云公共仓库</name>
<url>https://maven.aliyun.com/repository/public</url>
</mirror>
</mirrors>
- 内存不足：编译ThingsBoard需要较多内存，如果遇到
java.lang.OutOfMemoryError，可以设置Maven的内存参数：
export MAVEN_OPTS="-Xmx2048m -XX:MaxPermSize=512m"
编译成功后，你会在application/target/目录下找到打包好的文件：
thingsboard-3.4.4-boot.jar：单体架构的可执行JARthingsboard-3.4.4.war：用于部署到Tomcat的WAR包
2.2 配置文件调整
ThingsBoard的配置文件位于application/src/main/resources/目录，但实际部署时，我们通常使用外部配置文件。创建一个新的配置文件目录：
mkdir -p ~/.thingsboard/conf
cp application/src/main/resources/thingsboard.yml ~/.thingsboard/conf/
编辑~/.thingsboard/conf/thingsboard.yml，关键配置如下：
server:
address: "0.0.0.0" # 监听所有网络接口
port: "8080" # HTTP端口
spring:
datasource:
driverClassName: "org.postgresql.Driver"
url: "jdbc:postgresql://localhost:5432/thingsboard"
username: "thingsboard"
password: "your_strong_password"
thingsboard:
database:
ts_type: "timescale" # 使用TimescaleDB
ts:
url: "jdbc:postgresql://localhost:5432/thingsboard"
username: "thingsboard"
password: "your_strong_password"
这里有一个容易忽略的细节：数据库连接池配置。默认配置可能不适合高并发场景，建议根据你的设备数量调整：
spring:
datasource:
hikari:
maximum-pool-size: 50 # 最大连接数
minimum-idle: 10 # 最小空闲连接
connection-timeout: 30000 # 连接超时(ms)
idle-timeout: 600000 # 空闲超时(ms)
max-lifetime: 1800000 # 最大生命周期(ms)
2.3 启动与初始化
使用编译好的JAR文件启动：
java -jar application/target/thingsboard-3.4.4-boot.jar \
--spring.config.location=file:~/.thingsboard/conf/thingsboard.yml
第一次启动时，ThingsBoard会自动初始化数据库表结构。这个过程可能需要几分钟，请耐心等待。看到以下日志表示启动成功：
2024-01-15 10:30:45,123 [main] INFO o.t.ThingsboardServerApplication - Started ThingsboardServerApplication in 45.678 seconds (JVM running for 46.123)
现在打开浏览器访问http://你的服务器IP:8080，使用默认账号登录：
- 用户名：
sysadmin@thingsboard.org - 密码：
sysadmin
重要安全提醒：登录后第一件事就是修改默认密码！在系统设置中创建一个新的管理员账号，然后禁用或修改默认的sysadmin账号。
3. 设备接入实战：MQTT协议深度解析
ThingsBoard支持多种协议接入设备，其中MQTT是最常用的一种。它不仅轻量，而且支持发布/订阅模式，非常适合物联网场景。
3.1 设备创建设备档案
在ThingsBoard中，每个设备都需要先创建"设备档案"，这相当于给设备发一个"身份证"。进入"设备"页面，点击"+"添加设备：
- 名称：给设备起个容易识别的名字，如"车间1-温湿度传感器"
- 类型：可以按功能分类，如"temperature_sensor"
- 标签：用于快速筛选和分组，可以添加"车间1"、"温湿度"等标签
创建完成后，ThingsBoard会为设备生成两个重要的凭证：
- 访问令牌：用于MQTT连接的身份验证
- 设备ID：设备的唯一标识
把这些凭证保存好，设备端连接时需要用到。
3.2 MQTT连接代码示例
下面是一个Python的MQTT客户端示例，模拟一个温湿度传感器上报数据：
import paho.mqtt.client as mqtt
import json
import time
import random
# ThingsBoard服务器信息
THINGSBOARD_HOST = "你的服务器IP"
ACCESS_TOKEN = "设备的访问令牌"
# 创建MQTT客户端
client = mqtt.Client()
# 设置访问令牌
client.username_pw_set(ACCESS_TOKEN)
def on_connect(client, userdata, flags, rc):
"""连接回调函数"""
if rc == 0:
print("连接成功")
else:
print(f"连接失败，错误码: {rc}")
def on_publish(client, userdata, mid):
"""发布消息回调函数"""
print(f"消息已发送，消息ID: {mid}")
# 设置回调函数
client.on_connect = on_connect
client.on_publish = on_publish
# 连接到ThingsBoard
client.connect(THINGSBOARD_HOST, 1883, 60)
# 启动网络循环（非阻塞）
client.loop_start()
try:
while True:
# 模拟传感器数据
temperature = round(20 + random.uniform(-2, 2), 2)
humidity = round(50 + random.uniform(-10, 10), 2)
# 构建数据负载
payload = {
"temperature": temperature,
"humidity": humidity,
"active": True
}
# 发布到遥测主题
client.publish("v1/devices/me/telemetry", json.dumps(payload), qos=1)
print(f"已发送数据: {payload}")
# 等待5秒
time.sleep(5)
except KeyboardInterrupt:
print("程序终止")
finally:
client.loop_stop()
client.disconnect()
这段代码有几个关键点需要注意：
-
QoS级别：MQTT支持三种服务质量级别：
- QoS 0：最多一次，不保证送达
- QoS 1：至少一次，保证送达但可能重复
- QoS 2：恰好一次，保证送达且不重复
对于物联网数据，通常使用QoS 1就足够了。
-
主题格式：
v1/devices/me/telemetry是ThingsBoard规定的遥测数据主题，me会自动替换为当前设备的ID。 -
数据格式：支持JSON对象或数组格式。如果设备有时间戳，可以这样发送：
{
"ts": 1673769600000,
"values": {
"temperature": 22.5,
"humidity": 45.3
}
}
3.3 属性上传与查询
除了遥测数据，设备还可以上传属性（相对静态的数据，如固件版本、地理位置等）：
# 上传客户端属性
attributes_payload = {
"firmware_version": "1.2.3",
"location": "车间1-东墙",
"serial_number": "SN2023123456"
}
client.publish("v1/devices/me/attributes", json.dumps(attributes_payload), qos=1)
# 请求共享属性（从服务器端设置的属性）
client.publish("v1/devices/me/attributes/request/1", '{"sharedKeys": "alarm_threshold"}', qos=1)
设备也可以订阅属性更新，当服务器端修改设备属性时，设备能实时收到通知：
def on_message(client, userdata, msg):
"""消息到达回调函数"""
print(f"收到消息: {msg.topic} {str(msg.payload)}")
# 订阅属性更新
client.subscribe("v1/devices/me/attributes", qos=1)
client.on_message = on_message
4. 规则引擎：让数据流动起来
规则引擎是ThingsBoard最强大的功能之一，它允许你定义数据处理的逻辑链，而无需编写代码。
4.1 规则链基础概念
规则链由多个规则节点组成，每个节点执行特定的操作。数据从输入节点开始，按照连接线流向各个处理节点。
常见的规则节点类型：
| 节点类型 | 功能描述 | 典型应用场景 |
|---|---|---|
| 消息类型切换 | 根据消息类型路由到不同分支 | 区分遥测数据和属性更新 |
| 脚本过滤器 | 使用JavaScript过滤消息 | 只处理特定条件的数据 |
| 属性集 | 添加或修改消息属性 | 给数据打标签、添加时间戳 |
| 保存遥测 | 存储数据到数据库 | 所有遥测数据的持久化 |
| 保存属性 | 存储属性到数据库 | 设备属性的更新 |
| REST API调用 | 调用外部HTTP接口 | 与第三方系统集成 |
| 发送邮件 | 发送电子邮件通知 | 报警通知 |
| 创建告警 | 生成设备告警 | 阈值超限报警 |
4.2 实战：温度异常报警规则链
假设我们要监控温度传感器，当温度超过30℃时发送邮件报警。创建规则链的步骤如下：
- 添加"消息类型切换"节点：过滤出遥测数据
- 添加"脚本过滤器"节点：检查温度是否超过阈值
- 添加"创建告警"节点：生成告警记录
- 添加"发送邮件"节点：发送通知
关键的是脚本过滤器的代码：
// 检查温度是否超过30℃
if (typeof msg.temperature !== 'undefined') {
return msg.temperature > 30;
}
return false;
这个脚本会检查消息中是否有temperature字段，并且值是否大于30。只有满足条件的数据才会继续向下流动。
4.3 高级：设备状态监控
除了简单的阈值报警，我们还可以监控设备的在线状态。ThingsBoard提供了"设备活动"事件，当设备断开连接或恢复连接时会触发。
创建一个设备状态监控规则链：
- 使用"设备活动事件"节点作为输入
- **添加"脚本过滤器"**区分连接和断开事件：
// 判断是连接事件还是断开事件
if (msg.eventType === 'CONNECT') {
// 设备上线
return true;
} else if (msg.eventType === 'DISCONNECT') {
// 设备离线
return true;
}
return false;
- 对于断开事件，可以添加延迟节点（比如5分钟），如果设备在5分钟内没有重连，再触发报警
- 添加"保存属性"节点更新设备的最后在线时间
- 添加"发送邮件"节点通知运维人员
这样就能实现设备离线报警，并且避免短暂的网络抖动误报。
5. 数据可视化：打造专业级仪表盘
ThingsBoard的可视化功能非常强大，提供了30多种内置组件，还能自定义开发。
5.1 基础仪表盘创建
创建一个温湿度监控仪表盘：
-
添加时间序列图表：显示温度变化曲线
- 数据源：选择你的温度传感器设备
- 键：选择
temperature字段 - 聚合函数：
AVG（平均值） - 时间间隔：
1分钟
-
添加仪表盘组件：显示当前温度
- 类型：
数字卡片 - 数据源：同上
- 值：
temperature的最新值 - 单位：
°C
- 类型：
-
添加报警列表：显示当前活跃的报警
- 数据源：所有设备
- 过滤条件：
状态 = ACTIVE
5.2 高级功能：地图可视化
如果你的设备有地理位置信息，可以创建地图视图：
- 添加地图组件到仪表盘
- 配置设备数据源：
- 选择包含经纬度属性的设备
- 位置源：从设备属性获取（如
latitude,longitude）
- 自定义标记图标：根据设备类型或状态显示不同图标
- 添加点击事件：点击设备标记时显示详细信息
这里有一个实用的技巧：使用设备属性来存储地理位置信息，而不是每次发送遥测数据都包含经纬度。这样可以减少数据传输量，只在位置变化时更新。
5.3 实时控制面板
除了数据展示，仪表盘还可以实现设备控制。比如创建一个灯光控制面板：
- 添加开关组件
- 配置RPC命令：
// 开关组件的数据源配置
rpcEnabled: true,
rpcCommand: 'setSwitchState',
rpcValueKey: 'switchState'
- 在设备端实现RPC处理：
def on_rpc_request(client, userdata, msg):
"""处理RPC请求"""
request = json.loads(msg.payload.decode())
if request['method'] == 'setSwitchState':
# 执行开关操作
switch_state = request['params']
print(f"设置开关状态: {switch_state}")
# 返回执行结果
response = {
"device": request['device'],
"id": request['id'],
"data": {"success": True}
}
client.publish(f"v1/devices/me/rpc/response/{request['id']}",
json.dumps(response), qos=1)
# 订阅RPC请求
client.subscribe("v1/devices/me/rpc/request/+", qos=1)
这样用户就可以在仪表盘上直接控制设备，实现真正的双向交互。
6. 性能优化与生产部署
当你的设备数量增加到几百甚至上千时，就需要考虑性能优化了。
6.1 数据库优化
对于TimescaleDB，有几个关键的优化点：
- 分区策略：时序数据按时间分区，建议按月或按周分区
-- 创建超表时指定分区间隔
SELECT create_hypertable('ts_kv', 'ts',
chunk_time_interval => INTERVAL '7 days',
create_default_indexes => FALSE);
- 索引优化：为常用的查询字段创建索引
-- 设备ID和时间戳的复合索引
CREATE INDEX idx_ts_kv_device_id_ts ON ts_kv (entity_id, ts DESC);
-- 键和时间的索引（如果经常按特定指标查询）
CREATE INDEX idx_ts_kv_key_ts ON ts_kv (key, ts DESC);
- 数据保留策略：自动删除旧数据
-- 保留最近90天的数据
SELECT add_retention_policy('ts_kv', INTERVAL '90 days');
6.2 ThingsBoard配置优化
编辑thingsboard.yml中的性能相关配置：
thingsboard:
transport:
mqtt:
# 增加MQTT处理线程数
netty:
boss_group_thread_count: 4
worker_group_thread_count: 16
queue:
# 调整队列配置
rule-engine:
poll-interval: 50
pack-processing-timeout: 60000
submit-strategy:
type: "BURST"
batch-size: 1000
processing-strategy:
type: "SKIP_ALL_FAILURES"
retries: 3
failure-percentage: 0
pause-between-retries: 3
max-pause-between-retries: 3
6.3 微服务架构部署
对于大规模部署（设备数>5000），建议使用微服务架构。ThingsBoard的微服务架构将不同功能拆分为独立的服务：
- tb-core：核心服务，处理设备连接、规则引擎等
- tb-rule-engine：专门处理规则链
- tb-transport：处理协议转换（MQTT、CoAP、HTTP）
- tb-web-ui：前端界面服务
部署微服务架构需要一定的运维经验，但能提供更好的扩展性和容错性。每个服务都可以独立扩缩容，比如在设备连接数激增时，可以单独增加tb-transport服务的实例。
7. 安全加固：保护你的物联网平台
物联网平台一旦部署到生产环境，安全就是重中之重。
7.1 网络层安全
- 使用HTTPS：配置SSL证书，加密Web界面通信
server:
ssl:
enabled: true
key-store: "/path/to/keystore.p12"
key-store-password: "your_keystore_password"
key-store-type: "PKCS12"
key-alias: "thingsboard"
- MQTT over TLS：启用MQTT的TLS加密
# 生成自签名证书（测试用）
openssl req -new -x509 -days 365 -nodes \
-out /etc/thingsboard/mqttserver.crt \
-keyout /etc/thingsboard/mqttserver.key
在配置文件中启用：
thingsboard:
transport:
mqtt:
ssl:
enabled: true
key-store: "/etc/thingsboard/mqttserver.p12"
key-store-password: "mqtt_password"
7.2 应用层安全
- 强密码策略：修改默认密码，启用密码复杂度要求
- 双因素认证：为管理员账号启用2FA
- API访问限制：限制API的调用频率
- 审计日志：启用操作审计，记录所有重要操作
7.3 数据安全
- 数据加密：敏感数据在数据库中加密存储
- 访问控制：基于角色的权限管理（RBAC）
- 数据隔离：多租户环境下的数据完全隔离
8. 故障排查与日常维护
即使配置得再好，实际运行中也可能遇到问题。这里分享几个我遇到过的典型问题及解决方法。
8.1 设备连接失败
症状：设备无法连接到MQTT服务器
排查步骤：
- 检查网络连通性：
telnet 服务器IP 1883 - 检查ThingsBoard服务状态：
systemctl status thingsboard - 查看日志：
tail -f /var/log/thingsboard/thingsboard.log - 检查防火墙设置：
sudo ufw status
常见原因：
- 防火墙阻止了1883端口
- MQTT服务未启动
- 访问令牌错误
8.2 数据存储异常
症状：设备数据能收到但无法查询历史数据
排查步骤：
- 检查数据库连接：
sudo -u postgres psql -d thingsboard - 检查磁盘空间：
df -h - 查看数据库日志：
tail -f /var/log/postgresql/postgresql-13-main.log
常见原因：
- 数据库磁盘已满
- TimescaleDB扩展未正确安装
- 数据库用户权限不足
8.3 性能下降
症状：界面响应慢，数据延迟高
排查步骤：
- 监控系统资源：
top、htop - 检查数据库性能：
pg_stat_statements - 分析慢查询：
EXPLAIN ANALYZE
优化建议：
- 增加数据库内存：
shared_buffers = 4GB - 优化查询：避免全表扫描
- 增加索引：对常用查询字段建立索引
8.4 定期维护任务
为了保持系统稳定运行，建议设置以下定期任务：
-
每日检查：
- 服务状态：所有ThingsBoard相关服务是否运行正常
- 磁盘空间：数据库和日志磁盘使用情况
- 错误日志：检查是否有新的错误出现
-
每周任务：
- 数据库备份：
pg_dump thingsboard > backup.sql - 日志清理：删除旧的日志文件
- 性能分析：检查慢查询，优化索引
- 数据库备份：
-
每月任务：
- 系统更新：安全补丁和版本更新
- 容量规划：根据增长趋势规划资源扩容
- 安全审计：检查访问日志，排查异常访问
9. 扩展与集成：让ThingsBoard发挥更大价值
ThingsBoard本身功能已经很强大了，但通过集成其他系统，可以构建更完整的解决方案。
9.1 与消息队列集成
对于高吞吐量的场景，可以将ThingsBoard与Kafka集成，实现数据缓冲和异步处理：
thingsboard:
queue:
type: "kafka"
kafka:
bootstrap-servers: "localhost:9092"
topic-properties:
partitions: 10
replication-factor: 1
other-properties:
acks: "all"
retries: 3
9.2 与数据分析平台集成
将ThingsBoard的数据实时推送到数据分析平台，如Apache Flink或Spark：
// 在规则链中添加REST API调用节点
var url = "http://flink-jobmanager:8081/jobs";
var data = {
"temperature": msg.temperature,
"humidity": msg.humidity,
"timestamp": Date.now()
};
return {
url: url,
method: "POST",
headers: {
"Content-Type": "application/json"
},
body: JSON.stringify(data)
};
9.3 自定义插件开发
如果内置功能不能满足需求，可以开发自定义插件。ThingsBoard支持两种插件：
- 规则节点插件：扩展规则引擎功能
- 小部件插件：扩展仪表盘组件
开发规则节点插件的基本步骤：
- 创建Maven项目，添加ThingsBoard依赖
- 实现
TbNode接口 - 打包为JAR文件
- 上传到ThingsBoard的插件目录
- 在规则链中启用新节点
10. 实际案例：智能农业监控系统
最后分享一个真实的案例，这是我为一个草莓种植园搭建的监控系统。
需求分析：
- 监控10个大棚的温湿度、土壤湿度、光照强度
- 自动控制通风、灌溉、遮阳网
- 异常情况报警（短信+微信）
- 生产数据统计分析
解决方案：
- 设备层：每个大棚部署4个传感器（温湿度、土壤湿度、光照、CO₂）
- 传输层：使用LoRa网关收集数据，通过4G上传到ThingsBoard
- 平台层：ThingsBoard处理数据、执行规则、提供可视化
- 应用层：微信小程序供农户查看数据和控制设备
关键配置：
- 使用规则链实现智能控制：当温度>28℃且湿度<60%时自动开启喷雾降温
- 创建日报表：每天自动生成各大棚的环境数据报告
- 集成短信网关：当设备离线超过30分钟时发送报警短信
实施效果：
- 人工巡检减少80%
- 水电消耗降低15%
- 草莓产量提高12%
- 质量问题减少30%
这个案例展示了ThingsBoard在实际生产中的价值。它不仅仅是一个数据展示工具，更是连接物理世界和数字世界的桥梁。
我在实际部署中发现，很多用户最初只把ThingsBoard当作一个数据看板，但随着使用的深入，逐渐发现了规则引擎、设备管理、多租户等功能的强大之处。真正用好ThingsBoard的关键是要有清晰的业务逻辑，知道数据从哪里来，要到哪里去，中间需要做什么处理。
如果你刚开始接触ThingsBoard，建议从小规模开始，先接入几个设备，熟悉整个流程，再逐步扩大规模。遇到问题时，多查看官方文档和社区讨论，大多数常见问题都有解决方案。最重要的是保持耐心，物联网系统的搭建和优化是一个持续的过程，需要根据实际运行情况不断调整和完善。
北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台
更多推荐
1
0- 0
已为社区贡献10条内容
所有评论(0)