🍔 🚵🏽 🅿️ एक त्वरित तरीके से स्पार्क पर एक लाख अंक जियोकोड कैसे करें? 👍🏾 🕞 🚫

मेरी पिछली परियोजना में, हमें भौगोलिक निर्देशांक के कई जोड़े के लिए रिवर्स जियोकोडिंग प्रदर्शन करने के कार्य के साथ सामना करना पड़ा। रिवर्स जियोकोडिंग एक ऐसी प्रक्रिया है जो किसी मानचित्र पर किसी ऑब्जेक्ट के पते या नाम से मेल खाती है, जिसमें निर्देशांक द्वारा निर्दिष्ट बिंदु पास है या उसके करीब है। यही है, हम निर्देशांक लेते हैं, ये कहते हैं: @ 55.7602485,37.6170409, और हमें "रूस, सेंट्रल फेडरल डिस्ट्रिक्ट, मॉस्को, थिएटर स्क्वायर, ऐसे-ऐसे घर", या उदाहरण के लिए, "द बोल्शोई थिएटर" का परिणाम मिलता है।

यदि पता या नाम इनपुट पर है, और निर्देशांक आउटपुट पर हैं, तो यह ऑपरेशन प्रत्यक्ष जियोकोडिंग है , हम इस बारे में बाद में बात करने की उम्मीद करते हैं।

इनपुट के रूप में, हमारे पास प्रवेश द्वार पर लगभग 100 या 200 हजार अंक थे, जो Hadoop क्लस्टर में Hive तालिका के रूप में स्थित थे। यह कार्य के पैमाने को स्पष्ट करना है।

स्पार्क को अंततः प्रसंस्करण उपकरण के रूप में चुना गया था, हालांकि इस प्रक्रिया में हमने MapReduce और Apache Crunch दोनों की कोशिश की थी। लेकिन यह एक अलग कहानी है, शायद इसके पोस्ट के योग्य है।

सस्ती साधनों के साथ सीधा समाधान

शुरू करने के लिए, हमने समस्या से संपर्क करने की कोशिश की, इसलिए बोलने के लिए। एक उपकरण के रूप में, एक आर्कजीआईएस सर्वर था जो रिवर्स जियोकोडिंग आरईएस सेवा प्रदान करता है। इसका उपयोग करना काफी सरल है, इसके लिए हम निम्नलिखित URL के साथ http GET अनुरोध करते हैं:

http://-url/GeocodeServer/reverseGeocode?<>

कई मापदंडों में से, यह स्थान = x, y सेट करने के लिए पर्याप्त है (मुख्य बात यह भ्रमित करने के लिए नहीं है कि उनमें से कौन सा अक्षांश है और जो देशांतर है;)। और अब हमारे पास परिणाम के साथ JSON है: देश, क्षेत्र, शहर, सड़क, घर की संख्या। प्रलेखन से उदाहरण:

 { "address": { "Match_addr": "Beeman's Redlands Pharmacy", "LongLabel": "Beeman's Redlands Pharmacy, 255 Terracina Blvd, Redlands, CA, 92373, USA", "ShortLabel": "Beeman's Redlands Pharmacy", "Addr_type": "POI", "Type": "Pharmacy", "PlaceName": "Beeman's Redlands Pharmacy", "AddNum": "255", "Address": "255 Terracina Blvd", "Block": "", "Sector": "", "Neighborhood": "South Redlands", "District": "", "City": "Redlands", "MetroArea": "Inland Empire", "Subregion": "San Bernardino County", "Region": "California", "Territory": "", "Postal": "92373", "PostalExt": "", "CountryCode": "USA" }, "location": { "x": -117.20558993392585, "y": 34.037880040538894, "spatialReference": { "wkid": 4326, "latestWkid": 4326 } } }

आप अतिरिक्त रूप से यह संकेत कर सकते हैं कि हम किस प्रकार के उत्तर चाहते हैं - डाक पते, या कहें POI (रुचि के बिंदु, यह "बोल्शोई थिएटर" जैसे उत्तर प्राप्त करना है), या हमें उदाहरण के लिए सड़क चौराहों की आवश्यकता है। आप त्रिज्या भी निर्दिष्ट कर सकते हैं जिसके भीतर निर्दिष्ट बिंदु से एक नामित वस्तु की खोज की जाएगी।

प्रतिक्रिया की गुणवत्ता की शीघ्रता से जांच करने के लिए, आप अनुरोध पैरामीटर में आरंभ बिंदु और सेवा प्रतिक्रिया में प्राप्त बिंदु - स्थान के बीच की दूरी का अनुमान लगा सकते हैं।

ऐसा लगता है कि अब सब ठीक हो जाएगा। लेकिन वहाँ यह था। हमारा आर्कगिस उदाहरण काफी धीमा था, सर्वर को 4 कोर, और लगभग 8 गीगाबाइट रैम आवंटित किया गया था। नतीजतन, क्लस्टर पर कार्य हमारे 200 हजार अंकों को बहुत तेज़ी से पढ़ सकता है, लेकिन आरईएसटी और आर्कगिस प्रदर्शन पर आराम कर सकता है। और सभी बिंदुओं को जियोकोडिंग में घंटों लग गए। उसी समय, हमने Hadoop पर केवल 8 कोर, और थोड़ी मेमोरी आवंटित की, लेकिन चूंकि आर्कगिस सर्वर लोड करना कई घंटों के लिए 100% के करीब था, क्लस्टर में अतिरिक्त संसाधनों ने हमें कुछ भी नहीं दिया।

आर्कगिस को बैच रिवर्स जियोकोडिंग संचालन करने का तरीका नहीं पता है, इसलिए अनुरोध को प्रत्येक बिंदु के लिए एक बार निष्पादित किया जाता है। और वैसे, यदि सेवा जवाब नहीं देती है, तो हम समय-समय पर या एक त्रुटि के साथ बंद हो जाते हैं, और इसके साथ क्या करना है यह एक स्पष्ट उत्तर के साथ एक समस्या है। शायद फिर से कोशिश करें, या शायद पूरी प्रक्रिया को पूरा करें, और फिर इसे कच्चे बिंदुओं के लिए दोहराएं।

दूसरा सन्निकटन, हम कैश का परिचय देते हैं

शुरू करने के लिए, हमें पता चला कि हमारे सेट के कई बिंदुओं में दोहराए गए निर्देशांक हैं। यहां कारण सरल है - जाहिर है, जीपीएस सटीकता एक दूसरे से दो मीटर की दूरी पर स्थित बिंदुओं के निर्देशांक के लिए पर्याप्त नहीं है, जो आउटपुट में भिन्न होती है, या जीपीएस से प्राप्त निर्देशांक नहीं हैं, लेकिन एक अन्य आधार से, बस स्रोत डेटाबेस में दर्ज किए गए थे। सामान्य तौर पर, इससे कोई फर्क नहीं पड़ता कि ऐसा क्यों है, मुख्य बात यह है कि यह एक बहुत ही विशिष्ट स्थिति है, इसलिए सेवा से प्राप्त परिणामों का कैश आपको केवल एक बार निर्देशांक के प्रत्येक जोड़े को जियोकोड करने की अनुमति देगा। और हम कैश के लिए मेमोरी को काफी खर्च कर सकते हैं।

दरअसल, एल्गोरिथ्म का पहला संशोधन तुच्छ बना दिया गया था - REST से प्राप्त सभी परिणाम कैश में जोड़ दिए गए थे, और सभी बिंदुओं के लिए, इसमें निर्देशांक के लिए पहली बार एक खोज की गई थी। हमने सभी स्पार्क प्रक्रियाओं के लिए एक सामान्य कैश बनाना भी शुरू नहीं किया - क्लस्टर के प्रत्येक नोड पर इसका अपना था।

ऐसे सरल तरीके से, हम लगभग 10 गुना तक त्वरण प्राप्त करने में सक्षम थे, जो मूल सेट में समन्वित दोहराव की संख्या से मेल खाती है। यह पहले से ही स्वीकार्य था, लेकिन अभी भी बहुत धीमा है।

खैर, इस समय हमारे ग्राहक ने हमें बताया, अगर हम पते का तेजी से पता नहीं लगा सकते हैं, तो क्या हम कम से कम एक शहर की पहचान कर सकते हैं? और हमने लिया ...

सरलीकृत समाधान, जियोमार्टी एपीआई को लागू करना

किसी शहर को परिभाषित करने के लिए हमारे पास क्या है? हमारे पास रूस के क्षेत्रों की ज्यामिति, प्रशासनिक-क्षेत्रीय विभाजन, शहर के जिलों के लगभग सटीक थे।

आप इस डेटा को यहां उदाहरण के लिए ले जा सकते हैं। वहाँ क्या है? यह रूसी संघ की प्रशासनिक सीमाओं का एक डेटाबेस है, 2 (देश) से 9 (शहरी जिलों) के स्तर के लिए। प्रारूप या तो जियोजोन या सीएसवी है (जबकि ज्यामिति स्वयं wkt प्रारूप में है)। कुल मिलाकर, डेटाबेस लगभग 20 हजार रिकॉर्ड है।

समस्या का एक नया सरलीकृत समाधान इस तरह देखा गया:

Hive को ADT डेटा अपलोड करना।
निर्देशांक के साथ प्रत्येक बिंदु के लिए, हम बहुभुज के लिए क्षेत्रीय प्रभाग की तालिका में देखते हैं जहां यह बिंदु प्रवेश करता है।
पाए गए बहुभुजों को स्तर से क्रमबद्ध करें।

नतीजतन, हमें कुछ ऐसा मिलता है: रूस, केंद्रीय संघीय जिला, मॉस्को, इस तरह के एक प्रशासनिक जिले, ऐसे और इस तरह का एक क्षेत्र, जो कि उन क्षेत्रों की एक सूची है, जहां हमारी बात है।

ADT लोड हो रहा है

CSV को आसानी से डाउनलोड करने के लिए, हम पतंग का उपयोग करते हैं। यह उपकरण CSV में कॉलम हेडर के आधार पर हाइव के लिए एक योजना का निर्माण कर सकता है। वास्तव में, आयात तीन आदेशों में आता है (जिनमें से प्रत्येक स्तर की फ़ाइल के लिए दोहराया जाता है):

 kite-tools csv-schema admin_level_2.csv --class al --delimiter \; >adminLevel.avrs kite-tools create dataset:hive:/default/levelswkt -s adminLevel.avrs kite-tools csv-import admin_level_2.csv dataset:hive:/default/levelswkt --delimiter \; ... kite-tools csv-import admin_level_10.csv dataset:hive:/default/levelswkt --delimiter \;

हमने यहाँ क्या किया है? पहली टीम ने हमें सीएसवी के लिए एक एवरो-स्कीम का निर्माण किया, जिसके लिए हमने स्कीम के कुछ मापदंडों (वर्ग, इस मामले में), और सीएसवी के लिए एक क्षेत्र विभाजक निर्दिष्ट किया। अगला, यह आपकी आंखों से प्राप्त आरेख को देखने के लायक है, और कुछ सुधार करना संभव है, क्योंकि पतंग हमारी फ़ाइल की सभी लाइनों को नहीं देखती है, लेकिन केवल कुछ नमूने पर, इसलिए यह कभी-कभी डेटा प्रकार के बारे में गलत धारणाएं बना सकती है (मैंने तीन नंबर देखे - मैंने फैसला किया कि संख्यात्मक स्तंभ, और फिर लाइन) गया।

खैर, फिर योजना के आधार पर, हम एक डेटासेट बनाते हैं (यह सामान्य शब्द पतंग है, हाइव में तालिकाओं को सामान्य बनाना, HBase में टेबल, और कुछ और)। इस मामले में, डिफ़ॉल्ट डेटाबेस है (हाइव के लिए यह स्कीमा के समान है), और लेवलस्कैट हमारी तालिका का नाम है।

खैर, नवीनतम कमांड हमारे डेटासेट में CSV फाइलें अपलोड करते हैं। डाउनलोड सफलतापूर्वक पूरा होने के बाद, आप पहले ही अनुरोध पूरा कर सकते हैं:

 select * from levelswkt;

कहीं न कहीं

ज्यामिति के साथ काम करें

जावा में ज्यामिति के साथ काम करने के लिए, हमने Esri Java ज्यामिति API (ArcGIS डेवलपर) को चुना। सिद्धांत रूप में, अन्य रूपरेखाओं को लेना संभव था, ओपन सोर्स का कुछ विकल्प है, उदाहरण के लिए, व्यापक रूप से ज्ञात जेटीएस टोपोलॉजी सूट , या जियोटूलस ।

पहला कार्य हमें उसी Esri कंपनी के एक अन्य ढांचे के साथ सामना करने की अनुमति देता है, जिसे Hadoop के लिए स्थानिक फ्रेमवर्क कहा जाता है, और पहले पर आधारित है। वास्तव में, हमें इसमें से तथाकथित SerDe की आवश्यकता है, हाइव के लिए सीरियलाइज़ेशन-डीसेरिएलाइज़ेशन मॉड्यूल, जो हमें हाइव में टेबल के रूप में जियोजोन फ़ाइलों का एक गुच्छा पेश करने की अनुमति देता है, जिनमें से कॉलम भू-आकृति विशेषताओं से लिए गए हैं। और ज्यामिति स्वयं एक और कॉलम (बाइनरी डेटा के साथ) बन जाती है। नतीजतन, हमारे पास एक तालिका है, जिनमें से एक स्तंभ एक निश्चित क्षेत्र की ज्यामिति है, और बाकी इसकी विशेषताएं (नाम, एडीटी में स्तर, आदि) हैं। यह तालिका स्पार्क एप्लिकेशन के लिए उपलब्ध है।

यदि हम डेटाबेस को सीएसवी प्रारूप में लोड करते हैं, तो हमारे पास एक कॉलम है जहां ज्यामितीय पाठ प्रारूप में हैं, डब्ल्यूकेटी प्रारूप में। इस मामले में, स्पार्क ज्योमेट्री एपीआई का उपयोग करके रनटाइम पर एक ज्यामिति ऑब्जेक्ट बना सकता है।

हमने एक सरल कारण के लिए CSV प्रारूप (और WKT) को चुना, जैसा कि सभी जानते हैं, रूस 180 मेरिडियन से परे चुकोटका के निर्देशांक वाले क्षेत्र के नक्शे पर बसता है। जियोजोन प्रारूप की एक सीमा है - इसके अंदर सभी बहुभुज 180 डिग्री तक सीमित होने चाहिए, और जो 180 मेरिडियन को पार करते हैं, उन्हें दो भागों में काट देना चाहिए। परिणामस्वरूप, ज्यामिति एपीआई में ज्यामिति का आयात करते समय, हमें एक वस्तु मिलती है जिसके लिए ज्यामिति एपीआई गलत तरीके से रूसी सीमा के लिए बाउंडिंग बॉक्स (आयत को घेरना) को परिभाषित करता है। यह जवाब देता है कि देशांतर में -180.180 है। कौन सा पाठ्यक्रम सही नहीं है - वास्तव में, रूस लगभग 20 से -170 डिग्री लेता है। यह एक ज्यामिति एपीआई समस्या है, आज यह पहले से ही तय हो सकती है, लेकिन तब हमें इसके आसपास काम करना था।

WKT को ऐसी कोई समस्या नहीं है। आप पूछ सकते हैं, हमें एक बाउंडिंग बॉक्स की आवश्यकता क्यों है? फिर मैं बताऊंगा;)

यह तथाकथित पीआईपी समस्या को हल करने के लिए बनी हुई है, पॉलीगॉन में इंगित करती है। जावा ज्योमेट्री एपीआई इसे फिर से कर सकता है, हमारे लिए यह सरल है, टाइप प्वाइंट का एक ज्यामिति, क्षेत्र के लिए एक दूसरा बहुभुज (मल्टीपोलियन), और एक में विधि शामिल है।

नतीजतन, दूसरा समाधान, और माथे पर भी, इस तरह से देखा गया: स्पार्क एप्लिकेशन एडीटी को लोड करता है, जिसमें ज्यामिति भी शामिल है। मानचित्र नाम-> ज्योमेट्री कुछ इस तरह से बनाया गया है (वास्तव में थोड़ा और अधिक जटिल है, क्योंकि एडीटी एक दूसरे के अंदर घोंसले में हैं, और हमें केवल उन निचले स्तरों में खोज करने की आवश्यकता है जो पहले से ही पाए गए ऊपरी में शामिल हैं। परिणामस्वरूप, कुछ प्रकार के ज्यामिति वृक्ष हैं। स्रोत डेटा के अनुसार अभी भी बनाया जाना चाहिए)। और फिर हम अपने अंकों के साथ एक स्पार्क डेटासैट का निर्माण करते हैं, और प्रत्येक बिंदु के लिए हम अपने स्वयं के यूडीएफ को लागू करते हैं, जो सभी ज्यामितीय (पेड़ में) बिंदु की प्रविष्टि की जांच करता है।

नया संस्करण लिखने में लगभग एक दिन का समय लगता है, क्योंकि Hadoop बंडल के लिए स्थानिक फ्रेमवर्क में PIP कार्य को हल करने के लिए सीधे अच्छे उदाहरण शामिल हैं (यद्यपि, कई अन्य साधनों का उपयोग करके)।

हम शुरू करते हैं, और ... ओह, हॉरर, कुछ तेज नहीं हुआ। फिर से देखना। यह अनुकूलन के बारे में सोचने का समय है।

सुव्यवस्थित समाधान, QuadTree

ब्रेक का कारण काफी स्पष्ट है - कहते हैं, रूस की ज्यामिति, अर्थात्। बाहरी सीमाएँ, ये मेगाबाइट्स ऑफ़ जियोजोन, एक मोटी बहुभुज, और एक नहीं हैं। अगर हम याद करते हैं कि पीआईपी समस्या का समाधान कैसे किया जाता है, तो एक ज्ञात विधि में से एक बिंदु से एक किरण का निर्माण करना है, कहीं और कहना, अनंत तक, और यह निर्धारित करना कि यह कितने बिंदुओं को बहुभुज को काटता है। यदि अंकों की संख्या सम है, तो बिंदु बहुभुज के बाहर है; यदि यह विषम है, तो अंदर।

यहाँ विकी से एक विवरण है ।

यह स्पष्ट है कि एक विशाल बहुभुज के लिए, चौराहे की समस्या का समाधान जटिल है क्योंकि कई बार हमारे बहुभुज में सीधी रेखाएं होती हैं। इसलिए, किसी भी तरह से उन बहुभुजों को त्यागना वांछनीय है जिनमें बिंदु स्पष्ट रूप से प्रवेश नहीं कर सकता है। और एक अतिरिक्त जीवन हैक के रूप में, रूस की सीमाओं में प्रवेश के लिए चेक को छोड़ना संभव है (यदि हम जानते हैं कि सभी निर्देशांक स्पष्ट रूप से इसमें शामिल हैं)।

इसके लिए, एक चौथा पेड़ हमारे लिए उपयुक्त है। सौभाग्य से, कार्यान्वयन सभी एक ही ज्यामिति एपीआई (और कई और अधिक) में है।

पेड़ आधारित समाधान कुछ इस तरह दिखता है:

लोड हो रहा है एटीडी ज्यामिति
प्रत्येक ज्यामिति के लिए हम एक संलग्न आयत को परिभाषित करते हैं
हमने इसे क्वाडट्री में रखा है, हमें प्रतिक्रिया में सूचकांक मिलता है
सूचकांक को याद किया जाता है

अगला, जब प्रसंस्करण बिंदु:

हम क्वाडट्री से पूछते हैं कि कौन से ज्यामिति को यह पता है कि इसमें एक बिंदु शामिल हो सकता है
ज्यामिति के सूचकांक प्राप्त करें
केवल उनके लिए हम PIP समस्या को हल करके घटना की जांच करते हैं

यह सब विकसित होने में चार घंटे लगते हैं। हम फिर से शुरू करते हैं, और हम देखते हैं कि कार्य किसी तरह बहुत जल्दी पूरा हो गया। हम जांचते हैं - सब कुछ ठीक है, समाधान प्राप्त हुआ है। और यह सब कुछ मिनटों में है। क्वाडट्री हमें परिमाण त्वरण के कई आदेश देता है।

परिणाम

तो आखिर हमने क्या किया? हमें एक रिवर्स जियोकोडिंग तंत्र मिला जो एक हडोप क्लस्टर पर प्रभावी रूप से समानांतर है, और जो लगभग एक मिनट में 200 हजार अंकों के साथ हमारी प्रारंभिक समस्या को हल करता है। यानी हम इस समाधान को लाखों बिंदुओं पर आसानी से लागू कर सकते हैं।

इस समाधान की सीमाएँ क्या हैं? सबसे पहले, स्पष्ट एक - यह हमारे लिए उपलब्ध एडीटी डेटा पर आधारित है, जो कि ए) प्रासंगिक बी नहीं हो सकता है) केवल रूस तक सीमित हैं।

और दूसरा - हम बंद बहुभुज के अलावा अन्य वस्तुओं के लिए रिवर्स जियोकोडिंग की समस्या को हल करने में सक्षम नहीं हैं। और इसका मतलब है - सड़कों के लिए भी।

विकास

इससे क्या हो सकता है?

वर्तमान ADT ज्यामितीय होने के लिए, उन्हें OpenStreetMap से प्राप्त करना सबसे सरल काम है। बेशक, उन्हें थोड़ा काम करना होगा, लेकिन यह पूरी तरह से हल करने वाला काम है। यदि कोई रुचि है, तो मैं कुछ समय के लिए एक Hadoop क्लस्टर में OpenStreetMap डेटा लोड करने के कार्य के बारे में बात करूंगा।

गलियों और घरों के लिए क्या किया जा सकता है? सिद्धांत रूप में, सड़कें एक ही OSM में हैं। लेकिन ये बंद संरचना नहीं हैं, बल्कि लाइनें हैं। यह निर्धारित करने के लिए कि बिंदु एक निश्चित सड़क के लिए "करीब" है, आपको इसके लिए समवर्ती बिंदुओं से सड़क के लिए एक बहुभुज का निर्माण करना होगा, और यह जांच लें कि क्या यह इसमें मिलता है। नतीजतन, एक प्रकार का सॉसेज निकलता है ... यह कुछ इस तरह दिखता है:

बिंदु कितना नजदीक है? यह एक पैरामीटर है, और मोटे तौर पर त्रिज्या से मेल खाती है जिसके अंदर आर्कजीआईएस वस्तुओं की तलाश कर रहा है, जिसका मैंने शुरुआत में उल्लेख किया था।

इस प्रकार हम उन सड़कों को पाते हैं जिनकी एक बिंदु से दूरी एक निश्चित सीमा से कम है (जैसे, 100 मीटर)। और यह सीमा जितनी छोटी होगी, उतनी ही तेज़ी से एल्गोरिथ्म काम करेगा, लेकिन अधिक संभावना यह है कि आपको एक भी मैच नहीं मिलेगा।

स्पष्ट समस्या यह है कि इन तथाकथित बफ़रों की अग्रिम रूप से गणना करना असंभव है - उनका आकार सेवा का एक पैरामीटर है। हमें शहर के वांछित क्षेत्र की पहचान करने के बाद, और इस क्षेत्र से गुजरने वाली सड़कों के OSM बेस से चयनित होने के बाद, उन्हें मक्खी पर बनाया जाना चाहिए। हालांकि, सड़कों को पहले से चुना जा सकता है।

जो घर पाए गए क्षेत्र में भी हैं, वे कहीं भी नहीं चलते हैं, इसलिए उनकी सूची पहले से ही बनाई जा सकती है - लेकिन उनमें प्रवेश करना अभी भी मक्खी पर विचार करना होगा।

यही है, आपको पहले फॉर्म "शहर जिला" का एक सूचकांक बनाना होगा -> ज्यामितीय के लिंक वाले घरों की एक सूची, और सड़कों की सूची के लिए एक समान।

और जैसे ही हमने क्षेत्र की पहचान की है, हमें घरों और सड़कों की सूची मिल जाती है, हम सीमा की सड़कों के साथ निर्माण करते हैं, और केवल उनके लिए हम पीआईपी समस्या को हल करते हैं (शायद क्षेत्रों की सीमाओं के लिए उसी अनुकूलन का उपयोग करके)। इस मामले में घरों के लिए चतुष्कोणीय पेड़, जाहिर है, पहले से भी बनाया जा सकता है, और कहीं बचाया जा सकता है।

हमारा मुख्य लक्ष्य गणना की मात्रा को कम से कम करना है, जबकि अग्रिम में सब कुछ अधिकतम और संरक्षित करना जो गणना और बचाया जा सकता है। इस मामले में, इस प्रक्रिया में बिल्डिंग इंडेक्स की धीमी गति और गणना का एक दूसरा चरण शामिल होगा, जो पहले से ही ऑनलाइन संस्करण के करीब जल्दी से जगह ले लेगा।

एक त्वरित तरीके से स्पार्क पर एक लाख अंक जियोकोड कैसे करें?