使用MaxCompute分析IP來源最佳實務 - DataWorks

本文為您介紹如何使用MaxCompute分析IP來源，包括下載、上傳IP地址庫資料、編寫UDF函數和編寫SQL四個步驟。

前提條件

開通MaxCompute和DataWorks。
開通DataWorks。
在DataWorks上完成建立商務程序，本例使用DataWorks簡單模式。詳情請參見建立商務程序。

背景資訊

淘寶IP地址庫的查詢介面為IP地址字串，使用樣本如下。

在MaxCompute中禁止使用HTTP請求，因此目前可以通過如下三種方式實現在MaxCompute中查詢IP：

用SQL將資料下載至本地，再發起HTTP請求查詢。
說明
效率低下，且淘寶IP庫查詢頻率需要小於10 QPS，否則拒絕請求。
下載IP地址庫至本地，再進行查詢。
說明
效率低下，且不利於資料倉儲等產品分析使用。
將IP地址庫定期維護上傳至MaxCompute，進行串連查詢。
說明
比較高效，但是IP地址庫需要自己定期維護。

下載IP地址庫資料

擷取地址庫資料。本文提供樣本IP地址庫資料UTF-8格式的不完整的地址庫demo。
下載樣本地址庫資料至本地，樣本如下。
樣本資料說明如下：
- 資料格式為UTF-8。
- 前四個資料是IP地址的起始地址與結束位址。前兩個是十進位整數形式，後兩個是點分形式。IP位址區段為整數形式，以便計算IP是否屬於這個網段。
說明
如果您需要使用自己的IP地址，請自行下載IP地址庫

上傳IP地址庫資料

在MaxCompute用戶端執行如下語句，建立表ipresource存放IP地址庫資料。

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
);

執行如下Tunnel命令，上傳本地樣本IP地址庫資料至表ipresource。
```
odps@ workshop_demo>tunnel upload D:/ipdata.txt.utf8 ipresource;
```
上述命令中，D:/ipdata.txt.utf8為IP地址庫資料本地存放路徑。更多命令說明請參見Tunnel命令。
您可以執行如下語句驗證資料是否上傳成功。
```
--查詢表中資料條數。
select count(*) from ipresource;
```
執行如下SQL語句，查看錶ipresource前10條的樣本資料。
```
select * from ipresource limit 10;
```
返回結果如下。

編寫UDF函數

登入DataWorks控制台，切換至目標地區後，單擊左側導覽列的資料開發與治理 > 資料服務，在下拉框中選擇對應工作空間後單擊進入資料服務。
建立Python資源。
1. 按右鍵目標商務程序，選擇建立資源 > MaxCompute > Python。
2. 在建立資源對話方塊中，填寫資源名稱，並勾選上傳為ODPS資源，單擊建立。
3. 在Python資源中輸入如下代碼。
```
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
```
4. 單擊表徵圖，提交資源。

建立函數。

按右鍵目標商務程序，選擇建立函數 > MaxCompute > 函數。
在建立函數對話方塊中，輸入名稱，單擊建立。
說明
如果資料開發中綁定了多個MaxCompute引擎，則選擇本次需要建立函數的MaxCompute引擎執行個體。

在函數的編輯頁面，配置各項參數。

參數	描述
函數類型	選擇函數類型，包括數學運算函數、彙總函式、字串處理函數、日期函數、視窗函數和其他函數。
MaxCompute引擎執行個體	預設不可以修改。
函數名	UDF函數名，即SQL中引用該函數所使用的名稱。需要全域唯一，且註冊函數後不支援修改。
責任人	預設顯示。
類名	實現UDF的主類名，必填。說明當資源類型為Python時，類名格式為Python資源名稱.類名（資源名稱中的.py無需填寫）。
資源清單	完整的檔案名稱，支援模糊比對尋找本工作空間中已添加的資源，必填。多個檔案之間，使用英文逗號（,）分隔。
描述	針對當前UDF作用的簡單描述。
命令格式	該UDF的具體使用方法樣本，例如`test`。
參數說明	支援輸入的參數類型以及返回參數類型的具體說明。
傳回值	傳回值，例如1，非必填項。
樣本	函數中的樣本，非必填項。

單擊工具列中的表徵圖，儲存函數。
提交函數。
1. 單擊工具列中的表徵圖。
2. 在提交新版本對話方塊中，輸入備忘。
3. 單擊確認。

在SQL中使用UDF函數分析IP來源

按右鍵商務程序，選擇建立 > MaxCompute > ODPS SQL。
在建立節點對話方塊中輸入節點名稱，並單擊確認。

在ODPS SQL節點編輯頁面，輸入如下語句。

select * from ipresource
WHERE ipint('192.0.2.0') >= start_ip
AND ipint('192.0.2.0') <= end_ip

單擊表徵圖運行代碼。
您可以在作業記錄查看運行結果。