【大数据技巧】MaxCompute中实现IP地址归属地转换

免费开通大数据服务：https://www.aliyun.com/product/odps

大数据平台的成熟使得更多种类的非结构化、半结构化的数据分析成为可能，其中应用非常广泛的一种场景就是日志分析。在日志类型数据的清洗转换过程中把IP地址转换为归属地又是极为常见的一种场景。那么利用MaxCompute如何实现IP地址向归属地的转换呢？

俗话说：巧妇难为无米之炊，要实现IP地址与归属地的转换必须要有IP地址库，不过好在互联网上已经有一些资源，而且还提供免费版本的IP数据库下载详见：www.ipip.net（请叫我雷锋^_^）。没错，我们首先要把它下载到本地，命名为ip.dat。

米已经有了，接下来就考虑怎么下厨了。想要在MaxCompute中实现用户自定义逻辑的代码处理，最常用的就是MR和SQL UDF。考虑到大部分用户使用偏好以及工作成果的可重用性，此处我们给大家介绍通过UDF的实现方式。如果客官还对MaxCompute如何实现UDF不熟悉，请自行脑补：https://help.aliyun.com/document_detail/27866.html，文档中都有代码示例。UDF分为三种，分别是UDF、UDAF、UDTF，此处不过多介绍，毫无疑问这种需求场景需要采用第一种实现。

实现用户自定义函数要继承com.aliyun.odps.udf.UDF，具体实现分两个步骤：

一、实现setup方法加载IP地址库数据，并做初始化，代码片段如下图：

注意：ip.dat 的大小，修改ByteBuffer.allocate(),不要溢出，可以大一些，如ByteBuffer.allocate(4057479)

二、实现evaluate方法，完成用户数据IP地址到归属地的转换逻辑，代码片段如下图：

此处需要注意的是，MaxCompute中是采用UTF-8编码的，为了避免出现中文乱码，我们在输出是可以指定编码方式为UTF-8。

Coding完成后编译打包，命名为getaddr.jar。而后我们需要把ip.dat以及getaddr.jar作为资源上传到MaxCompute项目空间。上传资源可以通过数加DataIDE中向导的方式，也可以通过Console中执行命令的方式。两种方式截图如下：

方式一：

用阿里云数加大数据开发套件中的数据开发->函数管理上传getaddr.jar和ip.dat，如图。

用数据开发->函数管理，注册UDF函数，命名getaddr。

注意：把上一步上传的getaddr.jar和ip.dat资源，注册为一个函数名，如图。

新建MaxCompute SQL任务，任选一张表，我这里用了user_info，执行 

方式二：

资源上传完毕后需要创建Function，在控制台或者数加DataIDE窗口中执行命令，如图：

至此，UDF已经实现完成，我们需要做个验证，比如我们可以通过UDF查询116.11.34.15这个IP地址的所属地，如下图：

准确性验证，如下图：

当然准确性一方面是我们解析匹配的逻辑，更重要的也取决于IP地址库本身是否准确。

GetAddr.java代码下载：https://yq.aliyun.com/attachment/download/?spm=0.0.0.0.oMX36t&filename=GetAddr_...[%E9%9A%90%E6%9E%97].1499678865.rar

常见问题：

Q：用大数据开发套件执行报错，2017-07-10 14:51:48 M1_Stg1_job0:0/0/1[FAILED]，FAILED: ODPS-0123131:User defined function exception - com_aliyun_odps_examples_udf_GetAddr - Call Java udf method.

A：注册函数的时候，没有附上ip.dat。

Q：用大数据开发套件执行报错，FAILED: ODPS-0123131:User defined function exception - Traceback:

A：ByteBuffer.allocate(2657479)->ByteBuffer.allocate(4057479)根据ip.dat文件大小调大一些。