如何从 CIDR BigQuery 获取 From & To IP 地址

Posted

技术标签:

【中文标题】如何从 CIDR BigQuery 获取 From & To IP 地址【英文标题】:How to get From & To Ip Address from CIDR BigQuery 【发布时间】:2019-12-03 11:41:03 【问题描述】:

BigQuery 提供更新的 geoip2 公共数据集 here [bigquery-publicdata -> geolite2 -> ipv4_city_blocks],其中包含具有 IPv4 CIDR 值的网络列。

如何通过 BigQuery SQL(而不是通过 BigQuery 外部的实用程序)将网络列中的 CIDR 值转换为开始和结束 IP 地址值,以便我可以找到 IP 地址是否在某个范围内?如果您可以提供查询以获取表中 CIDR 值的范围 ips,将会很有帮助。

【问题讨论】:

【参考方案1】:

以下是 BigQuery 标准 SQL

#standardSQL
CREATE TEMP FUNCTION cidrToRange(CIDR STRING)
RETURNS STRUCT<start_IP STRING, end_IP STRING>
LANGUAGE js AS """
  var beg = CIDR.substr(CIDR,CIDR.indexOf('/'));
  var end = beg;
  var off = (1<<(32-parseInt(CIDR.substr(CIDR.indexOf('/')+1))))-1; 
  var sub = beg.split('.').map(function(a)return parseInt(a));
  var buf = new ArrayBuffer(4); 
  var i32 = new Uint32Array(buf);
  i32[0]  = (sub[0]<<24) + (sub[1]<<16) + (sub[2]<<8) + (sub[3]) + off;
  var end = Array.apply([],new Uint8Array(buf)).reverse().join('.');
  return start_IP: beg, end_IP: end;
"""; 
SELECT network, IP_range.*
FROM `bigquery-public-data.geolite2.ipv4_city_blocks`,
UNNEST([cidrToRange(network)]) IP_range   

处理所有 3,037,858 行大约需要 60 秒,结果如下所示

【讨论】:

【参考方案2】:

这个查询将完成这项工作:

# replace with your source of IP addresses
# here I'm using the same Wikipedia set from the previous article
WITH source_of_ip_addresses AS (
  SELECT REGEXP_REPLACE(contributor_ip, 'xxx', '0')  ip, COUNT(*) c
  FROM `publicdata.samples.wikipedia`
  WHERE contributor_ip IS NOT null  
  GROUP BY 1
)
SELECT city_name, SUM(c) c, ST_GeogPoint(AVG(longitude), AVG(latitude)) point
FROM (
  SELECT ip, city_name, c, latitude, longitude, geoname_id
  FROM (
    SELECT *, NET.SAFE_IP_FROM_STRING(ip) & NET.IP_NET_MASK(4, mask) network_bin
    FROM source_of_ip_addresses, UNNEST(GENERATE_ARRAY(9,32)) mask
    WHERE BYTE_LENGTH(NET.SAFE_IP_FROM_STRING(ip)) = 4
  )
  JOIN `fh-bigquery.geocode.201806_geolite2_city_ipv4_locs`  
  USING (network_bin, mask)
)
WHERE city_name  IS NOT null
GROUP BY city_name, geoname_id
ORDER BY c DESC
LIMIT 5000`

了解更多详情:

https://towardsdatascience.com/geolocation-with-bigquery-de-identify-76-million-ip-addresses-in-20-seconds-e9e652480bd2

【讨论】:

【参考方案3】:

首先需要检查的是,如果该功能已经存在,请参考BigQuery Functions and Operators documentation。

如果没有,您需要使用Standard SQL User-Defined Functions (UDF),它允许您使用其他 SQL 表达式或其他编程语言(例如 javascript)创建函数。

请注意,在使用 UDF JavaScript 函数时,BigQuery 会在每个执行分片上使用函数的内容来初始化 JavaScript 环境。没有优化来避免加载环境,因此会减慢查询速度。

关于GeoIP2 City and Country CSV Databases 站点,有一个实用程序可以将“网络”列转换为开始/结束 IP 或开始/结束整数。详情请参考Github网站。

【讨论】:

以上是关于如何从 CIDR BigQuery 获取 From & To IP 地址的主要内容,如果未能解决你的问题,请参考以下文章

如何仅从 Bigquery Client 中的 insert_rows_from_dataframe 方法中获取错误?

BigQuery如何获得每月的总数?

sql 从IP子网掩码中获取CIDR('/')。

BigQuery 范围装饰器重复问题

我们如何删除由表装饰器创建的 bigquery 快照?

如何在 BigQuery 上展开数组以将列添加到现有表