“區塊鏈+云計算是利用區塊鏈實現分布式云計算(Decentralized Cloud Computing,下稱DCC)的技術手段。本文分析了云計算行業的痛點、區塊鏈技術和云計算的結合性、DCC的代表項目并且對主要的應用解決方案進行了對比,闡述了DCC模式主要存在的障礙,結尾對DCC的未來進行了展望。”

作者:

鯨準研究院 譚瑩,王帆,陳泓伊,張文皓

哈希研究院 Alfred,LJ

維京研究院 金健將,曾元佐

水木金融科技基金 陳宥任,張朝

Node Capital研究中心 劉聰海,馬旭穎,郎瀚威

支持機構(排名不分先后):

巴比特,星球日報,火星財經,金色財經,金牛財經、陀螺財經、金塔財經、

嘻哈財經、幣圈邦德、區塊財經、鏈條ChainHeadline、BlockMasterMail

(本報告由鯨準研究院X Node Capital 聯合發布)

云計算行業現狀與痛點

1.1 云計算概念

云計算是基于互聯網相關服務的增加、使用和交付模式,通常涉及通過互聯網來提供動態易擴展且經常是虛擬化的資源。現階段廣為接受的云計算概念是美國國家標準與技術研究院(NIST)定義:云計算是一種按使用量付費的模式,這種模式提供可用的、便捷的、按需的網絡訪問, 進入可配置的計算資源共享池,這些資源能夠被快速提供,只需投入很少的管理工作,或與服務供應商進行很少的交互。

云計算是分布式計算、并行計算、效用計算、網絡存儲、虛擬化、負載均衡等傳統計算機和網絡技術發展融合的產物。

云計算產業有多種分類方式,按提供的服務類型分類可分為 IaaS、PaaS、SaaS三類,從 IaaS 到 SaaS 越來越接近“傻瓜”式軟件,利于用戶直接使用。因此,如果說技術革新對硬件使用效率提升和成本降低更多體現在 IaaS 層面,SaaS 則是在享受硬件改善的基礎上,通過降價(年費方式降低使用門檻)的方式擴大了市場。

1.IaaS全稱為“設施即服務”(Infrastructure-as-a-service),提供的是服務器、存儲、網絡硬件等底層設施資源,用戶購買 IaaS 產品后必須自己完成環境配備和應用程序開發,一般商業客戶很難直接使用,使用對象大多是軟件開發者,特別是 PaaS 及 IaaS 產品開發者;

2.PaaS全稱為“平臺即服務”(Platform-as-a-service),提供的是軟件部署平臺,比如虛擬服務器和操作系統,用戶不需要關注底層,只需要根據自己的邏輯開發應用程序,適合自身特點明確、IT 預算高的大型商業客戶,或應用程序開發商;

3.SaaS全稱為“軟件即服務”(Software-as-a-service),提供的是可以直接使用的軟件,使用對象是一般商業客戶,客戶登錄瀏覽器就可以打開使用。

IaaS、PaaS、SaaS提供商可以互相跨界。 目前,IaaS的廠商,一般可以進行進一步的資源打包,提供數據庫、 應用中間層包runtime等,形成公有PaaS平臺,如亞馬遜AWS。而提供SaaS的廠商,在為一般商業客戶提供通用性比較強的SaaS產品同時,也會為一些大型商業客戶打造有他們自身特點的私有PaaS產品,甚至會有一些自己的 IaaS產品,比如Oracle。

1.2 云計算三種模式分析

云計算三種分類對比

三種分類間的聯系

大型企業多采用私有云、公有云、混合云的部署方式,小型企業多采用公有云、私有云和社區云;由于PaaS處于云計算產業靠中間的環節,IaaS提供商可以靠硬件及技術優勢提供PaaS 服務,SaaS提供商也可以靠客戶關系為大客戶提供PaaS服務,純PaaS提供商的競爭力不強。因此,云計算行業中,IaaS和SaaS的機會更大。

中國 IaaS市場處于高速發展中。中國 Iaas市場中,阿里巴巴市占率約50%,其云計算收入增長速度可以代表中國 IaaS 市場規模增長速度。阿里巴巴2015、2016、2017 年云計算收入增長速度分別為64%、138%、121%,在一定程度上表明中國整體IaaS 市場處于高速發展通道。

研發費用是 IaaS 行業的較大門檻,大多由巨頭把控

高額的研發費用和大量硬件費用只有大型公司才有能力支付,不管是國內還是國外,IaaS 都由巨頭把握;又因為 IaaS 發展對技術更新有強依賴性,高收入公司才有資本投入高研發費用,所以這個行業的馬太效應非常明顯。

根據數據,2016 年 IaaS 公有云市場份額前六的分別是亞馬遜、微軟、阿里巴巴、谷歌、Rackspace、IBM,除去 Rackspace 是 1998 年就進入 IaaS行業、時間長所以擁有較大規模外,其他公司均是其他行業的巨頭,能支付巨大的研發投入。而 Rackspace 2016 年 IaaS 公有云收入增長 5%,收入增速遠低于其他 5 家公司。

亞馬遜是全球較大的云計算公司,云計算 AWS 于 2006 年推出,主要提供 IaaS產品,也提供部分 PaaS 產品。亞馬遜的研發費用大部分用于云計算方面,到2017 年亞馬遜的總研發費用已經達到 226 億美元,且同比增速高達 41%。

阿里巴巴是中國較大的云計算公司,2015 年 7 月曾宣布對阿里云戰略投資 60億元,用于國際業務拓展、云計算、大數據領域基礎和前沿技術開發;馬云在 2017 年云棲大會上表示,預計未來 3 年將投資 1000 億元成立研發中心“達摩院”,包括對云計算基礎技術的研發。

1.3 云計算市場規模

在技術和價格的推動作用下,全球云計算市場持續增長。根據Gartner的數據,包括IaaS、PaaS、SaaS、流程服務、廣告營銷在內的云計算市場在2016年為2196億美元,到2020年預計整體規模將達到4114億美元,2016至2020年的復合增長率為17%。

2010-2015E年全球云計算市場規模(億美元)

數據來源:WIND,招商證券

中國云計算市場發展更快。相比全球市場,中國市場起步較晚,市場規模較小,技術正在加速追趕全球前沿科技,加上人工替代帶來的客戶量增長,使得中國云計算市場增速高于全球市場。根據數據,2016年中國企業云服務整體市場規模(包括IaaS、PaaS及SaaS)約為515億元,到2020年市場規模約為1366億元。

2008-2016E年中國云計算市場規模

數據來源:WIND,招商證券

全球云服務市場規模預測

數據來源:Gartner

1.4 云計算行業融資情況

數據來源:鯨準洞見

1.5 行業現狀與痛點

1.云計算壟斷

現有云計算市場極度中心化,市場份額Google、Amazon(AWS)、Microsot Azure、阿里云和騰訊云等幾個科技巨頭依靠自身高度集中化的服務器資源壟斷了整個云計算市場,借助市場力量享受高額利潤,進而導致算力服務價格高居不下

2.無激勵措施

BONIC(Berkeley Open Infrastructure for Network Computing)是目前主流的分布式計算平臺,為眾多的數學物理等學科類別的項目所使用,但是由于這是基于分布在世界各地的志愿者的計算資源而形成的分布式計算平臺,缺乏足夠的志愿者來貢獻算力。

3.計算資源不足

雖然我們看到了未來DApps的繁榮,但是目前一般的區塊鏈運行DApps的計算能力非常有限,現有的云計算基礎設施無法滿足DApps的需求,后者需要完全分散的基礎設施來運行;存儲容量不足和協議的讀取延遲高,這些都需要通過額外的計算資源來滿足更高要求的應用程序。

4.成本過高

云計算基礎設施和高性能計算的操作過于復雜和成本高昂。創新型小企業通常沒有業內基本、專業知識獲取和操作高性能計算平臺,而像 Amazon EC2這樣的云供應商對于高要求的應用程序(如GPU渲染)仍然非常昂貴。此外,數據處理中心常常消耗大量能量來運行服務器和冷卻系統,這樣成本會非常大,而且對環境也造成負面影響。

云計算相關概念

提到云計算,就不得不提到與云計算相關的兩個概念:霧計算和邊緣計算。

2.1 邊緣計算

邊緣計算(EdgeComputing)很早就提出用于表示云和設備的邊界,可以追溯到2003年,AKAMAI與IBM開始合作在WebSphere服務器上提供基于邊緣的服務。

邊緣計算是在靠近物或數據源頭的網絡邊緣側,融合網絡、計算、存儲、應用核心能力的分布式開放平臺,其目標是就近提供邊緣智能服務,滿足行業數字化在敏捷聯接、實時業務、數據優化、應用智能、安全與隱私保護等方面的關鍵需求。

邊緣計算將是一種新的生態模式,通過在網絡邊緣側匯聚網絡、計算、存儲、應用、智能五類資源,提高網絡服務性能、開放網絡控制能力,從而激發類似于移動互聯網的新模式新業務。邊緣計算的技術理念與特定網絡接入方式無關,可以適用于固定互聯網、移動通信網、消費物聯網、工業互聯網等不同場景,形成各自的網絡架構增強。

2.2 霧計算

霧計算是近期出現的一個概念,由思科首創。因為相對于云來說,它離產生數據的地方更近,數據、數據相關的處理和應用程序都集中于網絡邊緣的設備中,而不是幾乎全部保存在云端。它拓展了云計算的概念,是作為實現IoT的結構為Cisco等提倡,旨在為全球范圍所采用。

霧計算是一種分布式的計算模型,作為云數據中心和物聯網(IoT)設備/傳感器之間的中間層,它提供了計算、網絡和存儲設備,讓基于云的服務可以離物聯網設備和傳感器更近。霧計算的概念的引入,也是為了應對傳統云計算在物聯網應用時所面臨的挑戰。

霧計算和邊緣計算定義很模糊,業界一直在嘗試將這兩者區分開作為單獨的概念。對此,業界廣為接受的概念是在邊緣計算中,數據處理在收集數據的硬件上。霧計算是當節點的一個子集發送其數據到更大的中心連接點,在連接到更大的整體中心網絡的過程中處理數據。

不管是邊緣計算還是霧計算,其優勢都很明顯。霧計算消除了將大量原始數據流發送到中央網絡的一些延遲和帶寬問題,但是它并不要求每組傳感器處理收集到的數據。

區塊鏈技術與云計算

3.1 區塊鏈技術與云計算的關系

由于互聯網的普及,大量的多媒體信息(圖文音視頻等)造就了海量數據,這些數據大多是非結構化的。

分布式計算與并行計算:分布式計算是一種采用地理上不同的多個主機(集群)協同完成大量計算任務,從而替代巨型計算機的解決方案。并行計算是指多CPU并行處理,并行計算能夠提高計算效率,但是前提是程序算法要盡可能并行設計。

虛擬化:虛擬化是為了實現云計算而劃分資源的一種方法,包括兩個層面:物理資源池化和資源池管理。虛擬化有兩種,一種是將多個物理資源虛擬化成一個“大”的邏輯資源,另一種是在一個物理資源上劃分出多個“小”的邏輯資源。

目前云計算采用第一種虛擬化方式較多,部署方式上使用分布式集群,并行計算并沒有太多涉及(并行計算學術上還在研究中),然后可以處理海量數據,為龐大的接入終端群按需提供IT服務。可以簡單的理解為,分布式這種解決方案是為了快速地處理海量數據而提出的,而該方案目的或表現形式就是為了實現“用硬件換時間”,將數據分布在多臺計算機上,同時處理(并行處理)帶某種屬性的數據集。從現實來看,很多微小型互聯網公司沒有能力或必要構建自己的分布式系統,會借助于本地資源外的云服務提供商,這樣可以使公司專注于產品和業務實現。

結合靈活的開發工具,DCC平臺可以幫助開發者發布軟件并賺錢,進而改變算力任務的組織和執行方式。此類平臺通過實現去中心微服務和異步任務執行,成為建設未來互聯網的基?。得益于計算價格的大幅降低,復雜的應用(如CGI渲染,科學計算,機器學習等)將惠及每個?。

通過P2P網絡連接電腦,使應用所有者和個體用戶(算力“請求方”)可以從其他用戶租用算力(算力“供應商”)。這些算力資源可以完成對計算時間和計算能?有?定要求的計算任務。在當下,算力資源被中心化云服務商把控,受制于封閉網絡,外部?付系統和死板的運營模式。去中心化云算力設施可以做到基于以太坊(或同類公鏈)的?付轉賬系統,可以實現算力買家(請求方),賣家(供應商)及軟件開發者之間的直接支付。

3.2 DCC的優勢

1.除了自由的服務器、帶寬等資源外,還將計算需求分布到系統中的眾多節點中去,把用戶的先知資源利用起來,創造價值。

2.通過整合社會閑置的計算資源,來為企業或個人提供去中心化算力服務,基于Token經濟,構建計算機算力買賣方市場。

3.相比傳統的云計算服務,其降低了云計算服務的門檻和使用費用,有利于云計算的普及。

3.3 商業模式

3.3.1 Token經濟模型

雖然市面上的分布式算力平臺項目眾多,但是總的技術框架卻是大同小異,下面就以一個大概的框架來大概的描述這個Token經濟模型。

請求節點

這個節點一般由一些有計算需求的商家或是科學研究所來充當,一般實驗室或是自有的計算機數量已經不太符合他們目前的計算需求了,需要通過超算或是其他性價比較高的計算資源如全球分布式算力來達到目的。請求節點可能會被按照要求先將自己的需求文件(數據)按照規格先model好在進入網絡(ELastic)或是有其他節點來做做這個簡單歸類的工作。

以下為需要貢獻計算資源的節點

歸類節點

這個節點由CPU算力貢獻用戶來參與,通過分布式算力平臺針對對某種計算目的項目進行分類來設定一些比較簡單的分類算法來達到將數據歸類和model的效果,這樣子的目的是能夠將這些原本不規則的數據能夠更好處理同時能夠傳輸到專門處理該類數據的處理節點去。

處理節點

這個節點專門用于對特定類別數據的處理。由于從歸類節點或是從請求節點過來的數據的類別有千百種,對于特定的數據應該處理的方式或者說應該使用的model也不同,對于一些較為復雜的項目,對于能參與到這個項目中的機器和人要求較高。以下舉兩個例子:

在醫藥領域,如一些醫藥方面的數據如影像數據,對于這類數據的處理一般需要至少具備一定醫學知識的人員才可對這部分的數據進行處理計算得到合要求的數據。

AI和機器學習領域,這類別的數據訓練和處理更多的需要是大學的科研設備或者是有編程經驗的開發者們來當這個節點,因為需要使用特定的數據處理模型如KNN或是decision tree等,這些普通的CPU或是GPU貢獻者已無法滿足這類別數據的處理需求。

驗證節點

這個節點對于從多個處理節點傳輸過來的對于相同數據的處理結果進行判斷和篩選,一般只需要設備CPU貢獻即可。一般會將同一份數據處理任務下達到多個數據處理節點,這樣就可以在之后進行投票做判斷哪個數據才是符合要求的。這樣做雖然會造成數據冗余但是為結果的正確性得到了極高的保障同時配合榮譽機制等可以有效的解決數據造假問題。

3.3.2榮譽系統

由于這個平臺將不再是通過志愿的形式進行分布式貢獻算力,那么如何衡量每個人的算力貢獻便是一個新的問題。積分制和成員的段位可以是一個較好的方法來衡量一個用戶的貢獻多少。

有一種可能是按照完成的任務單元的數量來進行積分,但是因為在未來可以在分布式算力平臺上運行的項目可能目的或是運行方面的差異會很大,如當某一個數據包在某臺機器需要大概一個小時的時間完成,而另外一種數據包在同臺機器上運行則需要20倍的時間才能完成,這樣便會造成同一個任務單元所得到的獎勵相同但是工作量卻不一樣的事情發生,這樣顯然,用完成的任務數目來計量用戶的貢獻計算量是不可行的。同樣的,用完成處理一個任務所需要用到的cpu時間來衡量貢獻也是不可行的。既然通過一些特定的參數來概括一個用戶所產生的貢獻是不可行的,那么就需要使用一些算法來達到準確記錄每個用戶所實際完成的計算量以期達到公平準確的分發獎勵。因此,對于貢獻量的考量便應該從多個角度來參考。

3.3.3積分系統

比較可行的積分系統應該綜合考量一下幾個方面來對一個節點的貢獻進行計算:

設備的性能指數

不同性能的設備在運行處理同一個數據包時所造成的資源使用以及成本不同,應當針對不同的設備進行一個標準化的性能測試來得到一個合理的性能分數來進行進行加權。

提交結果的正確次數

在一個分布式算力平臺中需求方較在意的便是獲得的結果的質量如何,如果設備得到的結果是不符合要求或是由惡意用戶產生的無效結果那么對平臺的名譽損失是巨大的。那么可以做的便是按照提交正確結果的次數來進行評級,正確的應該進行獎賞升級,而錯誤的結果則應該基于懲罰降級。

可能會出現的問題:

性能測試不準

尤其是當跨操作系統平臺時,比如同一臺計算機分別安裝 Windows 版本客戶端和 Linux 版本的客戶端,做出的基準測試結果可能就相差比較大。

容易導致作弊

由于平臺需要開放服務端和客戶端的全部源代碼,如果用戶下載了客戶端的源代碼,自行編譯的過程中修改或優化原有的基準測試代碼,就可能導致他自制的客戶端的基準測試成績大幅偏高。

DCC項目分析

DCC項目投資邏輯

1.項目技術的創新性

與分布式計算相關的區塊鏈項目,大體思路一致,都是通過整合和利用閑置資源,為企業和個人提供去中心化算力服務,基于Token經濟,構建計算機算力買賣方市場。因此在技術上的創新就尤為重要,盡快在技術上完善,通過測試網絡實現落地更易在競爭中突顯優勢。

2.高效的組織協調平臺

通過區塊鏈協調計算節點的項目想要成功對應細分領域的平臺,除了找到自己的場景,還需要與傳統云計算項目比拼效率,選擇更加高效低成本的基礎鏈是其脫穎而出的重要一環。

3.經濟激勵模型設計的創新

好的經濟模型的設計決定了一個項目的長期運行,雖然市面上有很多DCC項目,但其經濟模型框架基本一致,同質化較為嚴重,那么在保證現有的經濟模型的安全性前提下,激勵模型上具有創新性且更合用戶和使用者心意才能在競爭下長存。

4.社群運營能力

對于區塊鏈項目而言,社群是很重要的資源,團隊社區運營能力的強弱決定著是否會形成網絡效應,從而決定著項目的推廣以及分布式算力的提高;并且社群還可對項目的發展作出相當可觀的貢獻,包括運營維護、技術支持等多個方面。

5.服務質量是否能達到商業級別

項目的算力是否可靠,要得到市場的檢驗。目前大部分DCC項目離商業可用還有很大距離,超級算力本身在技術上的實現就有一定的難度,如果能解決技術上的瓶頸,即能成為這個行業里具有強競爭力的項目;安全和可靠性是商用化必須考慮的兩個方向,因此擁有優秀的加密、災備以及同步方案也是優秀項目的必須要素。

DCC項目未來趨勢

1.技術提高,項目實際落地數量增多

基于區塊鏈的云計算項目在技術上并不成熟完善,部分都還是在測試網絡運行,穩定性和速度上較傳統的云計算服務差很多,同時這些項目并沒有典型的應用案例或服務場景,離大規模商用還較遠,可以預見隨著區塊鏈技術和分布式計算相關技術的同步發展,將會快速出現落地類項目。

2.安全性的提高是重要發展方向

云計算模型中,用戶的數據上傳到數據中心,而在這個過程中,數據安全性就成了一個重要問題。從電子金融賬戶密碼、到搜索引擎歷史再到智能攝像頭監控,這些個人的隱私數據在上傳到數據中心的過程,都蘊含了數據泄露的風險,因此安全性的提高將會是是DCC需要實現的主要性能。

3.知識產權得到合理的解決

與安全問題息息相關的,則是對專有數據和知識產權的擔憂。在云計算中,用戶的一切數據都需要上傳至數據中心,一些視為商業機密的重要信息都有可能通過高質量的傳感器獲取的工業數據來獲取,所以合理解決知識產權問題對DCC的發展有著很大的影響。

4.帶寬成本將大幅降低

系統內連接的傳感器會產生大量數據,在這些情況下,將所有這些信息發送到云將花費很長時間和過高的成本,而分布式計算可在保證安全性的同時實現高吞吐量的計算,將大量降低帶寬成本。

5.自治能力提升

正是由于延遲和彈性問題,使得邊緣計算自主決策不依賴于云的特性,成為在物聯網應用中的決勝優勢。因此,在應急情況下,DCC平臺能夠同時監控自身及其正在執行的進程,還可以對其進行編程,這樣就可以完全實現去中心化的特點同時還能保證自身的安全性和穩定性。

6.技術架構將實現標準化

任何重大技術突破在早期的時候都屬于競爭性架構。現在DCC已經出現許多的實驗和解決方案,在未來5-10年的時間將會逐漸出現一定的行業標準,這也將帶來整個行業的迅速發展。

7.區塊鏈和云計算將實現有限融合

區塊鏈的技術在理論上的確可以創造一個徹底安全和民主的網絡,但是用戶對“安全”愿意支付的價格是有限的;未來區塊鏈和云計算的融合不可避免,將出現小節點云化,重要節點區塊鏈化,甚至會出現有限備份的場景。

編輯 : 陳文洋

【轉載須知】

1、本報告為鯨準(ID:rong36kr)旗下專業的數據研究分析機構【鯨準研究院】原創作品,受《著作權法》保護,依法享有匯編權及注釋權;

2、轉載請聯系微信:wuyaoguaiguai,取得授權后方可轉載;

3、禁止商用轉載,禁止二次編輯轉載。

2018年05月25日

新經濟下,數字資產如何重新定義?
2018,再見,互聯網!你好,區塊鏈!

區塊鏈+云計算行業分析報告

發布時間:

上一篇:
下一篇:
大神彩票官网 台北市 | 滕州市 | 勐海县 | 雅江县 | 进贤县 | 连南 | 左贡县 | 通河县 | 安龙县 | 南和县 | 内丘县 | 时尚 | 新余市 | 沙坪坝区 | 广丰县 | 闸北区 | 庄河市 | 山西省 | 湾仔区 | 平远县 | 辽宁省 | 永宁县 | 固始县 | 黎城县 | 巢湖市 | 板桥市 | 清水河县 | 宁河县 | 长泰县 | 丽水市 | 徐州市 | 海宁市 | 逊克县 | 无极县 | 洛川县 | 大悟县 | 岢岚县 | 垫江县 | 无极县 | 旌德县 | 娄底市 | 大兴区 | 闽清县 | 景德镇市 | 莫力 | 垣曲县 | 永寿县 | 邵东县 | 云和县 | 神木县 | 南城县 | 开远市 | 承德市 | 临清市 | 新龙县 | 盈江县 | 祁连县 | 贺兰县 | 兴安盟 | 离岛区 | 理塘县 | 民权县 | 渑池县 | 吉林省 | 怀仁县 | 化州市 | 宜黄县 | 澄迈县 | 龙岩市 | 舞阳县 | 镇原县 | 兴化市 | 盐源县 | 吐鲁番市 | 子洲县 | 乐山市 | 儋州市 | 新野县 | 兰溪市 | 邢台县 | 聂拉木县 | 定陶县 | 驻马店市 | 兴文县 | 凤城市 | 武胜县 | 阿合奇县 | 阿合奇县 | 澄城县 | 兴安盟 | 宝山区 | 于都县 | 安阳市 | 年辖:市辖区 | 雅江县 | 石门县 | 郧西县 | 连云港市 | 永德县 | 平江县 | 出国 | 黑龙江省 | 莲花县 | 蒲城县 | 宁河县 | 分宜县 | 米脂县 | 伊宁市 | 兴安盟 | 阳曲县 | 出国 | 分宜县 | 永修县 | 庄河市 | 贵德县 | 延津县 | 巴林左旗 | 凤凰县 | 印江 | 榆中县 | 竹山县 | 萨迦县 | 车险 | 疏勒县 | 大石桥市 | 张家口市 | 福贡县 | 巍山 | 江油市 | 浠水县 | 巴彦县 | 平罗县 | 庆云县 | 阿拉善盟 | 繁昌县 | 凤山市 | 祁门县 | 叙永县 | 吉木萨尔县 | 南丹县 | 尖扎县 | 西城区 | 辽阳县 | 克东县 | 东城区 | 同心县 | 余庆县 | 桑植县 | 辉南县 | 区。 | 承德市 | 天峨县 | 东光县 | 定南县 | 紫阳县 | 闽侯县 | 宣恩县 | 会理县 | 大姚县 | 潞西市 | 思茅市 | 榕江县 | 福贡县 | 惠来县 | 象山县 | 观塘区 | 义马市 | 平山县 | 广水市 | 望都县 | 南昌县 | 玛沁县 | 鄂托克前旗 | 武功县 | 鄂温 | 高阳县 | 嘉善县 | 文成县 | 荥阳市 | 鹤峰县 | 福安市 | 金坛市 | 克拉玛依市 | 同仁县 | 衡山县 | 财经 | 大余县 | 游戏 | 介休市 | 岳阳市 | 崇文区 | 鹤岗市 | 扬中市 | 永丰县 | 临沭县 | 威信县 | 城步 | 永福县 | 会泽县 | 云南省 | 万宁市 | 永定县 | 宁蒗 | 上犹县 | 南涧 | 延寿县 | 合川市 | 富蕴县 | 淳安县 | 通城县 | 苍溪县 | 浪卡子县 | 榆中县 | 沙河市 | 汾西县 | 台中县 | 甘洛县 | 洞口县 | 射阳县 | 吴忠市 | 郑州市 | 巴楚县 | 福建省 | 都匀市 | 安国市 | 唐河县 | 罗甸县 | 吉木萨尔县 | 宁国市 | 东明县 | 凤阳县 | 依安县 | 扎兰屯市 | 左云县 | 芷江 | 建水县 | 浦北县 | 尤溪县 | 牙克石市 | 江达县 | 霞浦县 | 丰宁 | 霸州市 | 盐亭县 | 涿鹿县 | 石狮市 | 原阳县 | 乡城县 | 保靖县 | 永安市 | 建德市 |