hive UDF 分享 通过IP地址获取 IDC/省份/城市

2019独角兽企业重金招聘Python工程师标准>>>

简述：

    简单的2分查找算法，根据IP地址定位IP所属的IP段，然后获取IP段的IDC/省份/城市的信息。

输入：IP地理信息文件，一般地址库拿到后需要格式化一下，参考：
  1. 如果省份是null 或者 '' ，city是null或者'' =》 省份=其他 and 城市=其他
  2. 省份非空且为直辖市，但是城市非直辖市  = 》 城市=直辖市
  3. 省份非空且非直辖市，但是城市为空 =》城市=其他
  4. 省份或城市中有(、\等非法信息 = 》 省份=其他 and 城市=其他

/user/hadoop/IP.csv

    格式：

 编号，开始IP(long)，结束IP(long)，省份，城市，IDC，开始IP,结束IP
    29990,16777472,16778239,福建省,其他,电信,1.0.1.0,1.0.3.255
    29991,16779264,16781311,广东省,其他,电信,1.0.8.0,1.0.15.255
    29992,16785408,16793599,广东省,其他,电信,1.0.32.0,1.0.63.255

用法 & 输出：

    编辑打包或者编译到hive中参考这篇，这里不在多说：http://my.oschina.net/wangjiankui/blog/64230

    get_ip_location_new(visitip,'IDC')   //返回IDC信息

    get_ip_location_new(visitip,'REGION')  //返回省份信息

    get_ip_location_new(visitip,'CITY')   //返回城市信息

代码：

package com.xxx.hive.udf;

import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.net.URI;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.StringTokenizer;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FSDataInputStream;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.hive.ql.exec.UDF;
import org.apache.hadoop.io.IOUtils;
import org.apache.hadoop.io.Text;

public class UDFGetIPLocationNew extends UDF
{
  public static List<String> map = new ArrayList();
  public static long[] start_from_index;
  public static long[] end_to_index;
  public static Map<Long, String> idcCache = new HashMap();
  public static Map<Long, String> regionCache = new HashMap();
  public static Map<Long, String> cityCache = new HashMap();

  private void LoadIPLocation()
  {
    Configuration conf = new Configuration();
    String namenode = conf.get("fs.default.name");
    String uri = namenode + "/user/hadoop/IP.csv";
    FileSystem fs = null;
    FSDataInputStream in = null;
    BufferedReader d = null;
    try
    {
      fs = FileSystem.get(URI.create(uri), conf);
      in = fs.open(new Path(uri));
      d = new BufferedReader(new InputStreamReader(in));
      String s = null;
      while (true)
      {
        s = d.readLine();
        if (s == null) {
          break;
        }
        map.add(s);
      }
    }
    catch (IOException e) {
      e.printStackTrace();
    } finally {
      IOUtils.closeStream(in);
    }
  }

  public static int binarySearch(long[] start, long[] end, long ip)
  {
    int low = 0;
    int high = start.length - 1;
    while (low <= high) {
      int middle = (low + high) / 2;
      if ((ip >= start[middle]) && (ip <= end[middle]))
        return middle;
      if (ip < start[middle])
        high = middle - 1;
      else {
        low = middle + 1;
      }
    }
    return -1;
  }

  public static long ip2long(String ip)
  {
    if (ip.matches("\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}")) {
      String[] ips = ip.split("[.]");
      long ipNum = 0L;
      if (ips == null) {
        return 0L;
      }
      for (int i = 0; i < ips.length; i++) {
        ipNum = ipNum << 8 | Long.parseLong(ips[i]);
      }

      return ipNum;
    }
    return 0L;
  }

  public String evaluate(Text ip, Text which) {
    long ipLong = ip2long(ip.toString());
    String whichString = which.toString();

    if ((!whichString.equals("IDC")) && (!whichString.equals("REGION")) && (!whichString.equals("CITY")))
    {
      return "Unknown Args!use(IDC or REGION or CITY)";
    }

    if (map.size() == 0) {
      LoadIPLocation();
      start_from_index = new long[map.size()];
      end_to_index = new long[map.size()];
      for (int i = 0; i < map.size(); i++) {
        StringTokenizer token = new StringTokenizer((String)map.get(i), ",");
        token.nextToken();
        start_from_index[i] = Long.parseLong(token.nextToken());
        end_to_index[i] = Long.parseLong(token.nextToken());
      }

    }

    int ipindex = 0;
    if (((whichString.equals("IDC")) && (!idcCache.containsKey(Long.valueOf(ipLong)))) || ((whichString.equals("REGION")) && (!regionCache.containsKey(Long.valueOf(ipLong)))) || ((whichString.equals("CITY")) && (!cityCache.containsKey(Long.valueOf(ipLong)))))
    {
      ipindex = binarySearch(start_from_index, end_to_index, ipLong);
    }
    if (ipindex == 0) {
      if (whichString.equals("IDC"))
        return (String)idcCache.get(Long.valueOf(ipLong));
      if (whichString.equals("REGION"))
        return (String)regionCache.get(Long.valueOf(ipLong));
      if (whichString.equals("CITY")) {
        return (String)cityCache.get(Long.valueOf(ipLong));
      }
      return "Error";
    }
    if (ipindex == -1) {
      return "Other IDC";
    }

    String[] location = ((String)map.get(ipindex)).split(",");
    if (whichString.equals("IDC")) {
      idcCache.put(Long.valueOf(ipLong), location[5]);
      return location[5];
    }if (whichString.equals("REGION")) {
      regionCache.put(Long.valueOf(ipLong), location[3]);
      return location[3];
    }if (whichString.equals("CITY")) {
      cityCache.put(Long.valueOf(ipLong), location[4]);
      return location[4];
    }
    return "Error";
  }

  public static void main(String[] args)
  {
    long startTime = System.currentTimeMillis();
    System.out.println("now:" + startTime);
    UDFGetIPLocationNew getIPLocation = new UDFGetIPLocationNew();
    Text ip = new Text("112.122.64.0");

    System.out.printf("ip = %s, %s, %s, %s\n", new Object[] { ip, getIPLocation.evaluate(ip, new Text("IDC")), getIPLocation.evaluate(ip, new Text("REGION")), getIPLocation.evaluate(ip, new Text("CITY")) });

    long endTime = System.currentTimeMillis();
    System.out.println("over:" + endTime);
    System.out.println("count:" + (endTime - startTime) * 1.0D / 1000.0D);
  }
}



#2015-06-02
补充说明：
程序中逻辑有些不严谨，照抄请慎重，最后自己梳理下逻辑修改下

转载于:https://my.oschina.net/wangjiankui/blog/263994