AI 助理
备案控制台
开发者社区 Java技术栈 文章 正文

新来了个技术总监，居然要我做一个 IP 属地功能。。不服就干！

2022-10-25 472
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： 新来了个技术总监，居然要我做一个 IP 属地功能。。不服就干！

细心的朋友应该会发现，最近，继新浪微博之后，头条、腾讯、抖音、知乎、快手、小红书等各大平台陆陆续续都上线了“网络用户IP地址显示功能”，境外用户显示的是国家，国内的用户显示的省份，而且此项显示无法关闭，归属地强制显示。


作为技术人，那！这个功能要怎么实现呢？


下面，我就来讲讲，Java中是如何获取IP属地的，主要分为以下几步：


通过 HttpServletRequest 对象，获取用户的 IP 地址

通过 IP 地址，获取对应的省份、城市

首先需要写一个 IP 获取的工具类，因为每一次用户的 Request 请求，都会携带上请求的 IP 地址放到请求头中


6.png


通过此方法，从请求Header中获取到用户的IP地址


目前本人在做的项目中，也有获取IP地址归属地省份、城市的需求，用的是：淘宝IP库


地址：ip.taobao.com/


5.png4.png


原来的请求源码如下：


2.png3.png


可以看到日志log文件中，大量的the request over max qps for user问题


1.png


下面，给大家介绍下之前在Github冲浪时发现的今天的主角：

目前最新已更新到了v2.0版本，ip2region v2.0是一个离线IP地址定位库和IP定位数据管理框架，10微秒级别的查询效率，准提供了众多主流编程语言的 xdb 数据生成和查询客户端实现。


99.9%准确率：


数据聚合了一些知名ip到地名查询提供商的数据，这些是他们官方的的准确率，经测试着实比经典的纯真IP定位准确一些。


多查询客户端的支持

已经集成的客户端有：java、C#、php、c、python、nodejs、php扩展(php5和php7)、golang、rust、lua、lua_c, nginx。


image.png


Ip2region V2.0 特性

1、标准化的数据格式


每个 ip 数据段的 region 信息都固定了格式：国家|区域|省份|城市|ISP，只有中国的数据绝大部分精确到了城市，其他国家部分数据只能定位到国家，后前的选项全部是0。


2、数据去重和压缩


xdb 格式生成程序会自动去重和压缩部分数据，默认的全部 IP 数据，生成的 ip2region.xdb 数据库是 11MiB，随着数据的详细度增加数据库的大小也慢慢增大。


3、极速查询响应


即使是完全基于 xdb 文件的查询，单次查询响应时间在十微秒级别，可通过如下两种方式开启内存加速查询：


vIndex 索引缓存 ：使用固定的 512KiB 的内存空间缓存 vector index 数据，减少一次 IO 磁盘操作，保持平均查询效率稳定在10-20微秒之间。

xdb 整个文件缓存：将整个 xdb 文件全部加载到内存，内存占用等同于 xdb 文件大小，无磁盘 IO 操作，保持微秒级别的查询效率。


4、极速查询响应


v2.0 格式的 xdb 支持亿级别的 IP 数据段行数，region 信息也可以完全自定义，例如：你可以在 region 中追加特定业务需求的数据，例如：GPS信息/国际统一地域信息编码/邮编等。也就是你完全可以使用 ip2region 来管理你自己的 IP 定位数据。


ip2region xdb java 查询客户端实现

使用方式


引入maven仓库：


<dependency>
    <groupId>org.lionsoul</groupId>
    <artifactId>ip2region</artifactId>
    <version>2.6.4</version>
</dependency>


完全基于文件的查询


import org.lionsoul.ip2region.xdb.Searcher;
import java.io.*;
import java.util.concurrent.TimeUnit;
public class SearcherTest {
    public static void main(String[] args) {
        // 1、创建 searcher 对象
        String dbPath = "ip2region.xdb file path";
        Searcher searcher = null;
        try {
            searcher = Searcher.newWithFileOnly(dbPath);
        } catch (IOException e) {
            System.out.printf("failed to create searcher with `%s`: %s\n", dbPath, e);
            return;
        }
        // 2、查询
        try {
            String ip = "1.2.3.4";
            long sTime = System.nanoTime();
            String region = searcher.search(ip);
            long cost = TimeUnit.NANOSECONDS.toMicros((long) (System.nanoTime() - sTime));
            System.out.printf("{region: %s, ioCount: %d, took: %d μs}\n", region, searcher.getIOCount(), cost);
        } catch (Exception e) {
            System.out.printf("failed to search(%s): %s\n", ip, e);
        }
        // 3、备注：并发使用，每个线程需要创建一个独立的 searcher 对象单独使用。
    }
}


缓存VectorIndex索引

我们可以提前从 xdb 文件中加载出来 VectorIndex 数据，然后全局缓存，每次创建 Searcher 对象的时候使用全局的 VectorIndex 缓存可以减少一次固定的 IO 操作，从而加速查询，减少 IO 压力。


import org.lionsoul.ip2region.xdb.Searcher;
import java.io.*;
import java.util.concurrent.TimeUnit;
public class SearcherTest {
    public static void main(String[] args) {
        String dbPath = "ip2region.xdb file path";
        // 1、从 dbPath 中预先加载 VectorIndex 缓存，并且把这个得到的数据作为全局变量，后续反复使用。
        byte[] vIndex;
        try {
            vIndex = Searcher.loadVectorIndexFromFile(dbPath);
        } catch (Exception e) {
            System.out.printf("failed to load vector index from `%s`: %s\n", dbPath, e);
            return;
        }
        // 2、使用全局的 vIndex 创建带 VectorIndex 缓存的查询对象。
        Searcher searcher;
        try {
            searcher = Searcher.newWithVectorIndex(dbPath, vIndex);
        } catch (Exception e) {
            System.out.printf("failed to create vectorIndex cached searcher with `%s`: %s\n", dbPath, e);
            return;
        }
        // 3、查询
        try {
            String ip = "1.2.3.4";
            long sTime = System.nanoTime();
            String region = searcher.search(ip);
            long cost = TimeUnit.NANOSECONDS.toMicros((long) (System.nanoTime() - sTime));
            System.out.printf("{region: %s, ioCount: %d, took: %d μs}\n", region, searcher.getIOCount(), cost);
        } catch (Exception e) {
            System.out.printf("failed to search(%s): %s\n", ip, e);
        }
        // 备注：每个线程需要单独创建一个独立的 Searcher 对象，但是都共享全局的制度 vIndex 缓存。
    }
}


缓存整个xdb数据

我们也可以预先加载整个 ip2region.xdb 的数据到内存，然后基于这个数据创建查询对象来实现完全基于文件的查询，类似之前的 memory search。


import org.lionsoul.ip2region.xdb.Searcher;
import java.io.*;
import java.util.concurrent.TimeUnit;
public class SearcherTest {
    public static void main(String[] args) {
        String dbPath = "ip2region.xdb file path";
        // 1、从 dbPath 加载整个 xdb 到内存。
        byte[] cBuff;
        try {
            cBuff = Searcher.loadContentFromFile(dbPath);
        } catch (Exception e) {
            System.out.printf("failed to load content from `%s`: %s\n", dbPath, e);
            return;
        }
        // 2、使用上述的 cBuff 创建一个完全基于内存的查询对象。
        Searcher searcher;
        try {
            searcher = Searcher.newWithBuffer(cBuff);
        } catch (Exception e) {
            System.out.printf("failed to create content cached searcher: %s\n", e);
            return;
        }
        // 3、查询
        try {
            String ip = "1.2.3.4";
            long sTime = System.nanoTime();
            String region = searcher.search(ip);
            long cost = TimeUnit.NANOSECONDS.toMicros((long) (System.nanoTime() - sTime));
            System.out.printf("{region: %s, ioCount: %d, took: %d μs}\n", region, searcher.getIOCount(), cost);
        } catch (Exception e) {
            System.out.printf("failed to search(%s): %s\n", ip, e);
        }
        // 备注：并发使用，用整个 xdb 数据缓存创建的查询对象可以安全的用于并发，也就是你可以把这个 searcher 对象做成全局对象去跨线程访问。
    }
}


IDEA中做个测试



完全基于文件的查询


ip属地国内的话，会展示省份，国外的话，只会展示国家。可以通过如下图这个方法进行进一步封装，得到获取IP属地的信息。




下面是官网给出的命令运行jar方式给出的测试demo，可以理解下


编译测试程序

通过 maven 来编译测试程序。


# cd 到 java binding 的根目录
cd binding/java/
mvn compile package


然后会在当前目录的 target 目录下得到一个 ip2region-{version}.jar 的打包文件。


查询测试

可以通过 java -jar ip2region-{version}.jar search 命令来测试查询：


➜  java git:(v2.0_xdb) ✗ java -jar target/ip2region-2.6.0.jar search
java -jar ip2region-{version}.jar search [command options]
options:
 --db string              ip2region binary xdb file path
 --cache-policy string    cache policy: file/vectorIndex/content


例如：使用默认的 data/ip2region.xdb 文件进行查询测试：


➜  java git:(v2.0_xdb) ✗ java -jar target/ip2region-2.6.0.jar search --db=../../data/ip2region.xdb
ip2region xdb searcher test program, cachePolicy: vectorIndex
type 'quit' to exit
ip2region>> 1.2.3.4
{region: 美国|0|华盛顿|0|谷歌, ioCount: 7, took: 82 μs}
ip2region>>


输入 ip 即可进行查询测试，也可以分别设置 cache-policy 为 file/vectorIndex/content 来测试三种不同缓存实现的查询效果。


bench 测试

可以通过 java -jar ip2region-{version}.jar bench 命令来进行 bench 测试，一方面确保 xdb 文件没有错误，一方面可以评估查询性能：


➜  java git:(v2.0_xdb) ✗ java -jar target/ip2region-2.6.0.jar bench
java -jar ip2region-{version}.jar bench [command options]
options:
 --db string              ip2region binary xdb file path
 --src string             source ip text file path
 --cache-policy string    cache policy: file/vectorIndex/content


例如：通过默认的 data/ip2region.xdb 和 data/ip.merge.txt 文件进行 bench 测试：


➜  java git:(v2.0_xdb) ✗ java -jar target/ip2region-2.6.0.jar bench --db=../../data/ip2region.xdb --src=../../data/ip.merge.txt
Bench finished, {cachePolicy: vectorIndex, total: 3417955, took: 8s, cost: 2 μs/op}


可以通过分别设置 cache-policy 为 file/vectorIndex/content 来测试三种不同缓存实现的效果。 @Note: 注意 bench 使用的 src 文件要是生成对应 xdb 文件相同的源文件。


文章标签：
Java
C#
PHP
Python
应用服务中间件
索引
Maven
数据库
缓存
数据管理
开发工程师
目录
相关文章
程序员云帆哥
|
算法 JavaScript Java
使用强大的离线IP地址定位库ip2region获取城市信息
ip2region - 准确率99.9%的离线IP地址定位库，0.0x毫秒级查询，ip2region.db数据库只有数MB，提供了java、php、c、python、nodejs、golang、c#等查询绑定和Binary,B树,内存三种查询算法。
程序员云帆哥
3903 0
使用强大的离线IP地址定位库ip2region获取城市信息
技术小胖子
|
SQL Web App开发 关系型数据库
搭建freeradius+daloradius作为认证服务器
技术小胖子
6376 0
libinjingshan
|
监控 安全 Devops
阿里云容器服务飞天敏捷版详解
阿里云容器服务提供了公共云、专有云以及飞天敏捷版三种部署形态，全方位地满足企业客户利用CaaS（Container as a Service）进行应用现代化上云的需求。飞天敏捷版包含了阿里在公有云上的最佳实践和Docker企业版的安全能力，打造企业一体化化的本地容器云平台方案。
libinjingshan
27540 1
Quan_Chen
|
9月前
|
Java Maven 微服务
微服务——SpringBoot使用归纳——Spring Boot集成 Swagger2 展现在线接口文档——Swagger2 的 maven 依赖
在项目中使用Swagger2工具时，需导入Maven依赖。尽管官方最高版本为2.8.0，但其展示效果不够理想且稳定性欠佳。实际开发中常用2.2.2版本，因其稳定且界面友好。以下是围绕2.2.2版本的Maven依赖配置，包括`springfox-swagger2`和`springfox-swagger-ui`两个模块。
Quan_Chen
403 0
源码星辰
|
JavaScript 前端开发 搜索推荐
Vue 路由的hash模式和history模式有什么区别？
在Vue.js框架中，路由管理是单页面应用（SPA）不可或缺的功能。Vue 路由提供了两种模式：hash模式和history模式，这两种模式主要负责处理URL的变更而无需重新加载整个页面，实现前端路由的功能。
源码星辰
760 19
WangBai
|
监控 Java Sentinel
Hystrix和Sentinel有什么异同
Hystrix 和 Sentinel 是提升微服务架构稳定性的流行组件，均支持服务熔断与限流，提供实时监控。Hystrix 通过线程池和信号量实现服务隔离，Sentinel 基于流量控制和系统负载保护，各有特色。
WangBai
447 0
JamieChyi
|
Java Python
HuTool工具类实用技巧：从常用方法入手
HuTool工具类实用技巧：从常用方法入手
JamieChyi
594 0
阿里云云原生
|
弹性计算 运维 Kubernetes
Serverless 应用引擎 SAE 助力袋拉拉研发提效 70%
机汽猫的主要业务是通过部署 IoT 设备解决医院耗材管理问题。面对业务的潮汐特性带来的资源预留难题与运维压力，该公司选择将所有应用部署在阿里云 Serverless 应用引擎 SAE上。SAE 提供的微服务治理、自适应弹性伸缩及平台工程化能力，助力机汽猫研发效率提升了 70%。
阿里云云原生
691 3
泥腿子架构师
|
存储 Java 数据库
如何在Spring Boot中集成Firebase实现移动应用后端
如何在Spring Boot中集成Firebase实现移动应用后端
泥腿子架构师
718 0
软件求生
|
消息中间件 自然语言处理 负载均衡
RabbitMQ揭秘：轻量级消息队列的优缺点全解析
**RabbitMQ简介** RabbitMQ是源自电信行业的消息中间件，支持AMQP协议，提供轻量、快速且易于部署的解决方案。它拥有灵活的路由配置，广泛的语言支持，适用于异步处理、负载均衡、日志收集和微服务通信等场景。然而，当面临大量消息堆积或高吞吐量需求时，性能可能会下降，并且扩展和开发成本相对较高。
软件求生
837 0