Hive UDF - 解析 IP 地址时非常慢
Posted
技术标签:
【中文标题】Hive UDF - 解析 IP 地址时非常慢【英文标题】:Hive UDF - exetremely slow when parsing IP addresses 【发布时间】:2021-09-08 11:22:56 【问题描述】:我有一列包含 IP 地址。现在我需要将它们解析为国家/城市:
select IPUtils('199.999.999.999')
并返回 ['Aisa', 'Hongkong', 'xxx', 'Hongkong']
我编写了一个 hive udf 来执行此操作,但运行速度极慢,如下所示:
INFO : 2021-09-08 18:51:10,817 Stage-2 map = 100%, reduce = 30%, Cumulative CPU 9074.06 sec
map = 100%
reduce
的进度每 15 分钟增加 1%。
UDF 从项目的资源文件夹中读取文件,所以它可能会一遍又一遍地重复读取文件? udf 如下所示,不胜感激:
public class IPUtil extends UDF
public List<String> evaluate(String ip)
try
ClassLoader classloader = Thread.currentThread().getContextClassLoader();
// I put the mmdb file in resource folder of the java project
InputStream is = classloader.getResourceAsStream("GeoLite2-City.mmdb");
DatabaseReader reader = new DatabaseReader.Builder(is).build();
InetAddress ipAddress = InetAddress.getByName(ip);
CityResponse response = reader.city(ipAddress);
Country country = response.getCountry();
Subdivision subdivision = response.getMostSpecificSubdivision();
City city = response.getCity();
Continent continent = response.getContinent();
List<String> list = new LinkedList<String>();
list.add(continent.getNames().get("zh-CN"));
list.add(country.getNames().get("zh-CN"));
list.add(subdivision.getNames().get("zh-CN"));
list.add(city.getNames().get("zh-CN"));
return list;
catch (UnknownHostException e)
e.printStackTrace();
return null;
catch (IOException e)
e.printStackTrace();
return null;
catch (GeoIp2Exception e)
e.printStackTrace();
return null;
@Test
public void test()throws Exception
System.out.println(evaluate("175.45.20.138"));
【问题讨论】:
这个`InputStream is = classloader.getResourceAsStream("GeoLite2-City.mmdb"); DatabaseReader reader = new DatabaseReader.Builder(is).build();` 可以移到构造函数中...但不会给您带来太大的改进。 嗨@leftjoin 你的回答启发了我!!!我试图将该部分放在一个静态块中,以确保mmdb
文件仅在类初始化时加载一次。现在整个任务在 7 分钟内完成!
我添加了答案,如果它真的有用,你可以接受/投票
【参考方案1】:
移动这个
InputStream is = classloader.getResourceAsStream("GeoLite2-City.mmdb");
DatabaseReader reader = new DatabaseReader.Builder(is).build();
到类初始化。
【讨论】:
也可以考虑制作静态类变量。以上是关于Hive UDF - 解析 IP 地址时非常慢的主要内容,如果未能解决你的问题,请参考以下文章