在MaxCompute上分析IP来源的方法

Posted 2021-01-20

摘要： 在MaxCompute上分析IP来源和供应商

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]，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：

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。
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。
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）

[email protected] 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 annotatebr/>@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。