Руководство по PySpark для начинающих
PySpark — это API Apache Spark, который представляет собой систему с открытым исходным кодом, применяемую для распределенной обработки больших данных. Изначально она была разработана на языке программирования Scala в Калифорнийском университете Беркли.
Spark предоставляет API для Scala, Java, Python и R. Система поддерживает повторное использование кода между рабочими задачами, пакетную обработку данных, интерактивные запросы, аналитику в реальном времени, машинное обучение и вычисления на графах. Она использует кэширование в памяти и оптимизированное выполнение запросов к данным любого размера.
У нее нет одной собственной файловой системы, такой как Hadoop Distributed File System (HDFS), вместо этого Spark поддерживает множество популярных файловых систем, таких как HDFS, HBase, Cassandra, Amazon S3, Amazon Redshift, Couchbase и т. д.
Преимущества использования Apache Spark:
- Он запускает программы в памяти до 100 раз быстрее, чем Hadoop MapReduce, и в 10 раз быстрее на диске, потому что Spark выполняет обработку в основной памяти рабочих узлов и предотвращает ненужные операции ввода-вывода.
- Spark крайне удобен для пользователя, поскольку имеет API-интерфейсы, написанные на популярных языках, что упрощает задачу для разработчиков: такой подход скрывает сложность распределенной обработки за простыми высокоуровневыми операторами, что значительно снижает объем необходимого кода.
- Систему можно развернуть, используя Mesos, Hadoop через Yarn или собственный диспетчер кластеров Spark.
- Spark производит вычисления в реальном времени и обеспечивает низкую задержку благодаря их резидентному выполнению (в памяти).
Настройка среды в Google Colab
Чтобы запустить pyspark на локальной машине, нам понадобится Java и еще некоторое программное обеспечение. Поэтому вместо сложной процедуры установки мы используем Google Colaboratory, который идеально удовлетворяет наши требования к оборудованию, и также поставляется с широким набором библиотек для анализа данных и машинного обучения. Таким образом, нам остается только установить пакеты pyspark и Py4J. Py4J позволяет программам Python, работающим в интерпретаторе Python, динамически обращаться к объектам Java из виртуальной машины Java.
Очень кратко про Hadoop и Spark
Итоговый ноутбук можно скачать в репозитории: https://gitlab.com/PythonRu/notebooks/-/blob/master/pyspark_beginner.ipynb
Команда для установки вышеуказанных пакетов:
!pip install pyspark==3.0.1 py4j==0.10.9
Spark Session
SparkSession стал точкой входа в PySpark, начиная с версии 2.0: ранее для этого использовался SparkContext. SparkSession — это способ инициализации базовой функциональности PySpark для программного создания PySpark RDD, DataFrame и Dataset. Его можно использовать вместо SQLContext, HiveContext и других контекстов, определенных до 2.0.
Вы также должны знать, что SparkSession внутренне создает SparkConfig и SparkContext с конфигурацией, предоставленной с SparkSession. SparkSession можно создать с помощью SparkSession.builder , который представляет собой реализацию шаблона проектирования Builder (Строитель).
Что такое Apache Spark
Создание SparkSession
Чтобы создать SparkSession, вам необходимо использовать метод builder() .
- getOrCreate() возвращает уже существующий SparkSession; если он не существует, создается новый SparkSession.
- master() : если вы работаете с кластером, вам нужно передать имя своего кластерного менеджера в качестве аргумента. Обычно это будет либо yarn , либо mesos в зависимости от настройки вашего кластера, а при работе в автономном режиме используется local[x] . Здесь X должно быть целым числом, большим 0. Данное значение указывает, сколько разделов будет создано при использовании RDD, DataFrame и Dataset. В идеале X должно соответствовать количеству ядер ЦП.
- appName() используется для установки имени вашего приложения.
Пример создания SparkSession:
from pyspark.sql import SparkSession spark = SparkSession.builder .master(«local[*]») .appName(‘PySpark_Tutorial’) .getOrCreate() # где «*» обозначает все ядра процессора.
Чтение данных
Используя spark.read мы может считывать данные из файлов различных форматов, таких как CSV, JSON, Parquet и других. Вот несколько примеров получения данных из файлов:
# Чтение CSV файла csv_file = ‘data/stocks_price_final.csv’ df = spark.read.csv(csv_file) # Чтение JSON файла json_file = ‘data/stocks_price_final.json’ data = spark.read.json(json_file) # Чтение parquet файла parquet_file = ‘data/stocks_price_final.parquet’ data1 = spark.read.parquet(parquet_file)
Структурирование данных с помощью схемы Spark
Давайте прочитаем данные о ценах на акции в США с января 2019 года по июль 2020 года, которые доступны в датасетах Kaggle.
Код для чтения данных в формате файла CSV:
data = spark.read.csv( ‘stocks_price_final.csv’, sep=’,’, header=True, ) data.printSchema()
Теперь посмотрим на схему данных с помощью метода PrintSchema .
Схема Spark отображает структуру фрейма данных или датасета. Мы можем определить ее с помощью класса StructType , который представляет собой коллекцию объектов StructField . Они в свою очередь устанавливают имя столбца (String), его тип (DataType), допускает ли он значение NULL (Boolean), и метаданные (MetaData).
Это бывает довольно полезно, даже учитывая, что Spark автоматически выводит схему из данных, так как иногда предполагаемый им тип может быть неверным, или нам необходимо определить собственные имена столбцов и типы данных. Такое часто случается при работе с полностью или частично неструктурированными данными.
Давайте посмотрим, как мы можем структурировать наши данные:
from pyspark.sql.types import * data_schema = [ StructField(‘_c0’, IntegerType(), True), StructField(‘symbol’, StringType(), True), StructField(‘data’, DateType(), True), StructField(‘open’, DoubleType(), True), StructField(‘high’, DoubleType(), True), StructField(‘low’, DoubleType(), True), StructField(‘close’, DoubleType(), True), StructField(‘volume’, IntegerType(), True), StructField(‘adjusted’, DoubleType(), True), StructField(‘market.cap’, StringType(), True), StructField(‘sector’, StringType(), True), StructField(‘industry’, StringType(), True), StructField(‘exchange’, StringType(), True), ] final_struc = StructType(fields = data_schema) data = spark.read.csv( ‘stocks_price_final.csv’, sep=’,’, header=True, schema=final_struc ) data.printSchema()
В приведенном выше коде создается структура данных с помощью StructType и StructField . Затем она передается в качестве параметра schema методу spark.read.csv() . Давайте взглянем на полученную в результате схему структурированных данных:
root |— _c0: integer (nullable = true) |— symbol: string (nullable = true) |— data: date (nullable = true) |— open: double (nullable = true) |— high: double (nullable = true) |— low: double (nullable = true) |— close: double (nullable = true) |— volume: integer (nullable = true) |— adjusted: double (nullable = true) |— market.cap: string (nullable = true) |— sector: string (nullable = true) |— industry: string (nullable = true) |— exchange: string (nullable = true)
Различные методы инспекции данных
Существуют следующие методы инспекции данных: schema, dtypes, show, head, first, take, describe, columns, count, distinct, printSchema. Давайте разберемся в них на примере.
- schema() : этот метод возвращает схему данных (фрейма данных). Ниже показан пример с ценами на акции.
data.schema # ————— Вывод —————— # StructType( # List( # StructField(_c0,IntegerType,true), # StructField(symbol,StringType,true), # StructField(data,DateType,true), # StructField(open,DoubleType,true), # StructField(high,DoubleType,true), # StructField(low,DoubleType,true), # StructField(close,DoubleType,true), # StructField(volume,IntegerType,true), # StructField(adjusted,DoubleType,true), # StructField(market_cap,StringType,true), # StructField(sector,StringType,true), # StructField(industry,StringType,true), # StructField(exchange,StringType,true) # ) # )
- dtypes возвращает список кортежей с именами столбцов и типами данных.
data.dtypes #————- Вывод ———— # [(‘_c0’, ‘int’), # (‘symbol’, ‘string’), # (‘data’, ‘date’), # (‘open’, ‘double’), # (‘high’, ‘double’), # (‘low’, ‘double’), # (‘close’, ‘double’), # (‘volume’, ‘int’), # (‘adjusted’, ‘double’), # (‘market_cap’, ‘string’), # (‘sector’, ‘string’), # (‘industry’, ‘string’), # (‘exchange’, ‘string’)]
- head(n) возвращает n строк в виде списка. Вот пример:
data.head(3) # ———- Вывод ——— # [ # Row(_c0=1, symbol=’TXG’, data=datetime.date(2019, 9, 12), open=54.0, high=58.0, low=51.0, close=52.75, volume=7326300, adjusted=52.75, market_cap=’$9.31B’, sector=’Capital Goods’, industry=’Biotechnology: Laboratory Analytical Instruments’, exchange=’NASDAQ’), # Row(_c0=2, symbol=’TXG’, data=datetime.date(2019, 9, 13), open=52.75, high=54.355, low=49.150002, close=52.27, volume=1025200, adjusted=52.27, market_cap=’$9.31B’, sector=’Capital Goods’, industry=’Biotechnology: Laboratory Analytical Instruments’, exchange=’NASDAQ’), # Row(_c0=3, symbol=’TXG’, data=datetime.date(2019, 9, 16), open=52.450001, high=56.0, low=52.009998, close=55.200001, volume=269900, adjusted=55.200001, market_cap=’$9.31B’, sector=’Capital Goods’, industry=’Biotechnology: Laboratory Analytical Instruments’, exchange=’NASDAQ’) # ]
- show() по умолчанию отображает первые 20 строк, а также принимает число в качестве параметра для выбора их количества.
- first() возвращает первую строку данных.
data.first() # ———— Вывод ————- # Row(_c0=1, symbol=’TXG’, data=datetime.date(2019, 9, 12), open=54.0, high=58.0, low=51.0, # close=52.75, volume=7326300, adjusted=52.75, market_cap=’$9.31B’, sector=’Capital Goods’, # industry=’Biotechnology: Laboratory Analytical Instruments’, exchange=’NASDAQ’)
- take(n) возвращает первые n строк.
- describe() вычисляет некоторые статистические значения для столбцов с числовым типом данных.
- columns возвращает список, содержащий названия столбцов.
data.columns # ————— Вывод ————— # [‘_c0’, # ‘symbol’, # ‘data’, # ‘open’, # ‘high’, # ‘low’, # ‘close’, # ‘volume’, # ‘adjusted’, # ‘market_cap’, # ‘sector’, # ‘industry’, # ‘exchange’]
- count() возвращает общее число строк в датасете.
data.count() # возвращает количество строк данных # ——— Вывод ——— # 1292361
- distinct() — количество различных строк в используемом наборе данных.
- printSchema() отображает схему данных.
df.printSchema() # ———— Вывод ———— # root # |— _c0: integer (nullable = true) # |— symbol: string (nullable = true) # |— data: date (nullable = true) # |— open: double (nullable = true) # |— high: double (nullable = true) # |— low: double (nullable = true) # |— close: double (nullable = true) # |— volume: integer (nullable = true) # |— adjusted: double (nullable = true) # |— market_cap: string (nullable = true) # |— sector: string (nullable = true) # |— industry: string (nullable = true) # |— exchange: string (nullable = true)
Манипуляции со столбцами
Давайте посмотрим, какие методы используются для добавления, обновления и удаления столбцов данных.
1. Добавление столбца: используйте withColumn , чтобы добавить новый столбец к существующим. Метод принимает два параметра: имя столбца и данные. Пример:
Источник: pythonru.com
Spark
Spark — это программа для обмена мгновенными сообщениями внутри одной сети. Spark позволит легко и удобно общаться друг с другом сотрудникам одной компании или учащимся одной школы. Программа использвует Jabber-протокол, который может быть настроен на частную или публичную сеть, в зависимости от плагинов,установленных на сервере. Spark обладает приятным интерфейсом и поддержкой конференц- и аудио-чатов и проверкой орфографии. Так же в нем есть функция создания заметок и списка задач.
Версии
x32/x64 (75.12 МБ)
Нет официального представителя разработчика на сайте
Стать представителем
Рейтинг
Нажмите, для быстрой оценки
Оставить отзыв
Отзывы
4 года назад
Ina Borovitskaya
Очень приглянулся спарк. Попробовала на маке. хорррооош. скачиваю на остальные гаджеты. отличная программа. пока все нравится.
Похожие приложения
Alcohol 120%
Версия: 2.1.1.61
Версия: 8.91.0.4 (84.95 МБ)
Версия: 4.0 Buil (10.46 МБ)
Источник: freesoft.ru
Обзор Spark. Почтовый клиент для iPhone моей мечты
Я долго искал идеальный почтовый клиент — не нравится мне предустановленный Mail и все тут. Пробовал решения от Google — Gmail и Inbox, экспериментировал с Mailbox и Outlook, долгое время наслаждался CloudMagic. Но продолжал поглядывать в App Store, вдруг появится что-то получше? И мне попался Spark.
Сперва Spark настораживает — он бесплатен и не предполагает внутренних покупок. И это при том, что список возможностей даст фору многим конкурентам. Почему так и как одесская компания Readdle планирует монетизировать свое детище, пока непонятно, но тебя как пользователя это не должно волновать — Spark работает как ему полагается. Очень хорошо работает.
Забытые привычки
Прежде чем полноценно использовать Spark, программу нужно настроить. Знаю, что страшно обременительно потратить 15 минут времени на приложение, но иначе получить полную отдачу не получится.
На пару с наглядным гидом ты двигаешься по цепочке:
добавление почтовых ящиков (есть поддержка 1Password) →
выбор режима уведомлений →
составление шаблонов подписей →
подбор оптимальных жестовых команд →
ярлыки в боковом меню →
виджеты
Преодолев все этапы, получишь едва ли не лучшее среди мобильных почтовиков рабочее пространство. Разве что дизайн своеобразный, как по мне.
Читай также: Сравнение 8 почтовых клиентов для iPhone. Выбрали лучший
С запасом
Если перечислить все возможности Spark, список получится длинным. Потому сосредоточусь только на самых важных.
Почтовик имеет пресеты настроек для аккаунтов Google, Yahoo, iCloud, Outlook и позволяет вручную добавлять любые другие. Для проверки используется Push, принудительно включить запрос по таймеру нельзя. Зато можно настроить режим уведомлений — без нотификаций, все новые письма и только важные. Умная система игнорирует рассылки и уведомления, причем сортирует вполне успешно.
Еще можно выбрать звуки и барджи, разрешить отправлять отчеты о прочтении и задать сколько угодно подписей — они доступны во всех аккаунтах.
У Spark есть интеграция с популярными сервисами: облачными хранилищами Dropbox, Google Drive, Box и OneDrive, послечтения Readability, Pocket, Instapaper, блокнотами OneDrive и Evernote. Действительно удобно, если требуется импорт/экспорт документов.
Про возможности iOS 8 в Readdle тоже не забыли — системные функции поддерживаются в полной мере. В Spark можно отправлять контент (аналогично Mail и другим серьезным почтовикам). Полученные в Spark письма можно сохранять как PDF файлы, а вложения шарить через меню iOS.
100 писем в день
У Spark есть немало особенностей, выделяющих почтовик на фоне аналогов. Самые важные при активной работе с почтой — жестовые команды и умная фильтрация.
Программа предлагает два режима представления общего для ящиков инбокса — Inbox и Smart Inbox. С первым все очевидно, письма представляются хронологичным списком. Разве что снабжены маркерами типа (личное письмо, рассылка, уведомление), наличия вложения, времени отправки. Более явно выделены «приколотые» письма — задействован цвет.
Стоит тапнуть по ползунку вверху экрана, и включается Smart Inbox. Теперь письма группируются по типу, причем можно задать, сколько рассылок и уведомлений стоит показывать в общем списке. Последовательность отображения такая: новая почта, уведомления, рассылки, приколотые письма, затем прочитанная почта. Помимо простоты визуальной оценки инбокса (особенно, если получаешь действительно много почты), «смарт» допускает групповую обработку. Например, можно сразу архивировать или удалить 10-20 уведомлений.
Spark позволяет выбрать четыре свайп-команды для письма из шести доступных: отметка о прочтении/не прочтении, удаление, архивация, перемещение, закрепление, отсрочка с таймером.
… и 10 ящиков
Я к Inbox привязал 5 почтовых аккаунтов — Gmail и iCloud, но можно и больше. Доступа к ящикам и папкам осуществляется через гибко настраиваемую боковую панель. Статичен в ней перечеть подвязанных аккаунтов с раскрывающимися списками папок. Над и под ним размещаются любые папки, фильтры и сервисы (их называют «карточки»). Уже есть где развернуться, немало интересного coming soon:
Виджеты?
Если по какой-то причине сайдбара для доступа к карточкам и папками тебе недостаточно, на выручку придут «виджеты». Это альтернативное меню, включающее до четырех ярлыков. Есть два режима представления — кнопка внизу экрана или пиктограммки в верхней панели.
Пишите письма
Редактор на первый взгляд прост — на своих местах поля отправителя и адресатов (To:, Cc:, Bcc:), тема, тело письма и подпись. Но есть особенности. Тапом по подписи активируется форма редактирования, появляется возможность выбрать шаблон. Через меню действий с текстом или пиктограммкой привязываются картинки из галереи iOS и файлы из облачных хранилищ.
А если закрыть редактор, Spark заодно с предложением сохранить черновик предложит минимизировать письмо. Плашка будет висеть поверх интерфейса, ее можно переместить в любое удобное место. Когда потребуется.
Получив письмо, на него можно быстро ответить одной из трех заготовок: Like, Thanks или Smile. Разве что заодно с картинкой адресату уходит плашечка «Spark by Readdle». Но не хочешь — не пиарь.
Найдется все
Поиск в Spark работает четко и быстро — это самое важное. Но кроме того предлагает дополнительные возможности: программа хранит историю запросов, позволяет сохранять поисковые запросы в избранное, а еще отсеивать результаты из определенного аккаунта.
_____________
За две недели использования я очень полюбил Spark. Это первый почтовый клиент (не мобильный, а вообще), который мне удалось идеально настроить под себя. Так, что просто пользуюсь в удовольствие и ничего не хочется менять. Это что касается возможностей. Дизайн у Spark должен быть другим.
Нет легковесности iOS, нет яркой простоты Material Design нового Android. Зато есть визуальное наследие Sparrow, общие нотки с Mailbox и Outlook. То есть коктейль разного, из которого не получился вкусный напиток. Это совершенно субъективный момент, потому не буду считать его недостатком. Объективно Spark не хватает ландшафтного режима или скорее не хватало бы — пользуйся я iPhone 6 Plus.
Spark бесплатен. Его интерфейс гибок, он умеет все, что необходимо подавляющему большинству пользователей и даже чуть больше. И он исправно работает — как часы. Я очень советую попробовать этот почтовый клиент для iOS.
PS. И у Spark есть очень годное приложение для Apple Watch:
Spark — fast and smart email for your iPhone
Разработчик: Readdle
Версия: 1.0.1
iPhone (82.2 МБ) — бесплатно [Скачать в App Store]
UiP рейтинг: 6/5
Источник: uip.me
Обзор Spark – вероятно, лучшего почтового клиента на айфон
Сегодня у нас обзор на Spark, и он будет полезен для тех, кто ищет замену родному почтовому клиенту. Дело в том, что стандартному приложению на айфоне не хватает многих настроек, и Spark – субъективно лучший почтовый клиент в App Store.
У приложения Spark интересная история – оно появилось в 2015 году и было одним из многих доступных приложений-альтернатив нативному почтовому клиенту для iOS. К слову, на тот момент и пришелся пик аналогичных программ – дело в том, что до стран СНГ докатилась волна продуктивности, и поэтому все пользователи были помешаны на улучшении собственных рабочих показателей, изучая разные варианты организации рабочего процесса. Напомним, что хорошим тоном было использование стратегии Inbox 0, когда пользователь считал письмо задачей и удалял его как только выполнил (или распределял в соответствующую папку, оставляя “Входящие” пустыми).
Spark (скачать с App Store) – приложение, которое позволило адаптировать почтовый клиент под личную продуктивность, но при этом имело ряд интересных надстроек, которые можно и нужно применять в повседневной жизни. В 2019 году компания Google прекратила поддержку нескольких своих сервисов, в том числе Google Inbox и Google+. И Spark, конечно, обрел вторую молодость – по крайней мере, это событие должно было увеличить пользовательскую базу, поскольку Android-версия появилась в апреле этого года, и специально позиционировалась как замена Google Inbox.
Содержание скрыть
Каким должен быть идеальный почтовый клиент
В поисках удобного почтового клиента для мобильного устройства нужно, чтобы он отвечал как минимум следующим требованиям:
Всеядность
У большинства пользователей несколько разных почтовых ящиков, и приложение должно уметь подцепить не только личную почту на популярных сервисах, но и рабочую (через IMAP).
Доступность
Клиент должен быть бесплатным (или за минимальную цену) и с локализацией.
Удобство пользования
Желательно наличие жестов, а еще чтобы была возможность управлять списком писем одной рукой. Минималистичный и интуитивно понятный дизайн приветствуется.
Кастомность
Простые приложения нам не нужны, с этой функцией отлично справляется родное приложение на iOS. Поэтому если разработчики предлагают дополнительные возможности вроде подвязки к календарям или быстрых ответов, то это всегда несомненный плюс.
Как показывает практика, не все имеющиеся почтовые клиенты обладают всеми качествами одновременно, причем большую часть вопросов вызывает именно кастомность и юзабилити. Так получилось, что Spark умеет все из вышеперечисленного, и поэтому мы рекомендуем обратить на него внимание в первую очередь.
Вот так выглядит команда разработчиков
Еще одним дополнительным фактором должно стать то, что разработчики (компания Readdle) – выходцы из Украины, прямо сейчас в команде находится 127 человек, и помимо Spark они еще работали над Scanner Pro и PDF Expert. Интуитивная предрасположенность является еще одним фактором при выборе приложения, и за СНГ-проекты, которые отмечаются мировыми изданиями, всегда вдвойне приятно. И что самое главное – Spark совершенно бесплатен, и первые несколько дней использования
Обзор Spark – главные фишки почтового клиента
У Spark простая настройка
А еще крутой Smart Inbox
Приложение умеет отличать рассылку от личных сообщений. В обычном режиме письма будут располагаться в хронологическом порядке (если вы не используете Inbox 0). В режиме Smart Inbox приложение распределяет письма по принадлежности – личные, рассылка, закрепленные. Такой формат визуально удобнее, а еще можно осуществлять определенные действия с целой группой сообщений – например, удалить или архивировать.
Кастомизация
Среди прочих гибких настроек вы можете коннектиться к вашему календарю и просматривать необходимые задачи через Spark. Также можно поставить определенные установки (жесты) на Smart Inbox, свайпы и виджеты – например, вы принципиально не пользуетесь функцией архивирования, и хотите, чтобы короткий свайп также удалял письмо.
Также можно настроить алгоритм действий – выходить в главное меню после удаления письма или переходить к следующему. Как уже было сказано, можно настроить быстрые ответы (типа “Ок, подписываем” или “Давай обсудим это позже, когда я вернусь в офис”) и подписи к каждому ящику, заготовить шаблоны писем, полностью кастомизировать виды уведомлений (в том числе для каждого ящика) и так далее.
Короче говоря, рекомендуем на досуге просмотреть раздел настроек, можно приятно удивиться. Для особо придирчивых тут даже есть чат. Если переживаете за свою переписку, можно дополнительно заблокировать доступ паролем. А еще приложение может коннектиться с другими программами для продуктивности типа Omnifocus, Things или Todoist.
Удобство
Наиболее субъективный фактор, но лично мне понравилось, что в приложении все сделано удобно. Чтобы написать новое сообщение, нужно нажать на кнопку в правом нижнем углу (и не надо никуда тянуться). Также есть кнопка с быстрым вызовом календаря или напоминаний, но ей пользуешься очень редко.
Поиск работает сносно, соответствующую кнопку можно найти в правом верхнем углу, рядом с ней есть переключатель на Smart Inbox. Остальная навигация спрятана в “гамбургер”. Все это может транслироваться и на Apple Watch, там приложение очень приятно выглядит.
Отзывы о Spark — что не понравилось
Дизайн
Честно говоря, немного слабоват, выглядит тяжеловато. Даже нативное приложение на iOS смотрится куда легче. Но, если честно, предложить как-то измениться не получается, есть внутреннее непринятие внешнего вида на каком-то интуитивном уровне.
Безопасность
Один из пользователей пожаловался, что Spark хранит пароли от почты. Отзыв относительно свежий, так что имейте в виду – комментариев от разработчиком не последовало.
А вот и тот самый комментарий
Приложением Spark лично я пользуюсь уже года три, до сих пор не возникало никакого желания перейти на что-то другое или искать замену. Поэтому и вам рекомендую попробовать.
Пишу обзоры на мобильные игры с 2011 года, активно участвую в развитии мобильного киберспорта, комментирую матчи по Auto Chess, Clash Royale, PUBG Mobile. Если игра понравилась – залипаю надолго, изучаю досконально. И своими мыслями спешу поделиться со всеми!
Источник: apps4.life