在MaxCompute上分析IP来源的方法

淘宝IP库

淘宝IP地址库官网地址http://ip.taobao.com/，其查询接口[http://ip.taobao.com/service/getIpInfo.php?ip=[ip地址字串]](http://ip.taobao.com/service/getIpInfo.php?ip=[ip地址字串])，如下所示：

但是在MaxCompute中禁止使用http请求，那么如何实现在MaxCompute中进行IP的查询？
目前有三种方式：

1. 用SQL将数据查询到本地，再发起http请求查询。-->效率低下，且淘宝IP库查询频率需小于10qps，否则拒绝请求。
2. 下载IP地址库到本地，进行查询。-->同样效率低，且不利于数仓等分析使用。
3. 将IP地址库定期维护上传至MaxCompute，进行连接查询。-->比较高效，但是IP地址库需自己定期维护。

下载IP地址库

① IP地址库下载，http://ip.taobao.org:9999/ipdata_download.html 下载需要的格式数据。本文以[基本数据格式]为例。

②下载UTF-8数据，打开看看数据格式。

前四个数据是IP地址的起始地址与结束地址，前两个是十进制整数形式，后两个是点分形式。这里我们使用整数形式，以便计算IP是否属于这个网段。

上传IP地址库数据

①创建表DDL：

DROP TABLE IF EXISTS ipresource ;

CREATE TABLE IF NOT EXISTS ipresource 
(
    start_ip BIGINT
    ,end_ip BIGINT
    ,start_ip_arg string
    ,end_ip_arg string
    ,country STRING
    ,area STRING
    ,city STRING
    ,county STRING
    ,isp STRING
)
;

②使用Tunnel上传文件（文件>10MB需要使用Tunnel upload命令）

odps@ workshop_demo>tunnel upload ipdata.txt.utf8 ipresource;

可以通过SQL查看到表中共计上传2369306条数据。

③查看ipresource表样本数据。

编写UDF函数

通过编写Python UDF将点号分割的IP地址转化为int类型的IP。详细如下：
①添加Python 资源。

②编写Python资源代码。

from odps.udf import annotate
@annotate("string->bigint")
class ipint(object):
    def evaluate(self, ip):
        try:
            return reduce(lambda x, y: (x << 8) + y, map(int, ip.split('.')))
        except:
            return 0

点击提交并解锁。

③新建自定义函数：

提交并解锁：

④验证ipint函数是否生效并满足预期值。

在SQL中使用

以具体IP地址为例，在正常情况会以具体表的字段来读进来。

保证数据准确性可以定期从淘宝IP库获取数据来维护ipresource这个表。

 

原文链接
本文为云栖社区原创内容，未经允许不得转载。