使用MaxCompute分析IP来源最佳实践 - 大数据开发治理平台 DataWorks

本文为您介绍如何使用MaxCompute分析IP来源，包括下载、上传IP地址库数据、编写UDF函数和编写SQL四个步骤。

前提条件

开通MaxCompute和DataWorks。
开通DataWorks。
在DataWorks上完成创建业务流程，本例使用DataWorks简单模式。详情请参见创建业务流程。

背景信息

淘宝IP地址库的查询接口为IP地址字符串，使用示例如下。

在MaxCompute中禁止使用HTTP请求，因此目前可以通过如下三种方式实现在MaxCompute中查询IP：

用SQL将数据下载至本地，再发起HTTP请求查询。
说明
效率低下，且淘宝IP库查询频率需要小于10 QPS，否则拒绝请求。
下载IP地址库至本地，再进行查询。
说明
效率低下，且不利于数据仓库等产品分析使用。
将IP地址库定期维护上传至MaxCompute，进行连接查询。
说明
比较高效，但是IP地址库需要自己定期维护。

下载IP地址库数据

获取地址库数据。本文提供示例IP地址库数据UTF-8格式的不完整的地址库demo。
下载示例地址库数据至本地，示例如下。
示例数据说明如下：
- 数据格式为UTF-8。
- 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。IP地址段为整数形式，以便计算IP是否属于这个网段。
说明
如果您需要使用自己的IP地址，请自行下载IP地址库

上传IP地址库数据

在MaxCompute客户端执行如下语句，创建表ipresource存放IP地址库数据。

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
);

执行如下Tunnel命令，上传本地示例IP地址库数据至表ipresource。
```
odps@ workshop_demo>tunnel upload D:/ipdata.txt.utf8 ipresource;
```
上述命令中，D:/ipdata.txt.utf8为IP地址库数据本地存放路径。更多命令说明请参见Tunnel命令。
您可以执行如下语句验证数据是否上传成功。
```
--查询表中数据条数。
select count(*) from ipresource;
```
执行如下SQL语句，查看表ipresource前10条的样本数据。
```
select * from ipresource limit 10;
```
返回结果如下。

编写UDF函数

登录DataWorks控制台，单击左侧导航栏的数据建模与开发 > 数据开发，在下拉框中选择对应工作空间后单击进入数据开发。
新建Python资源。
1. 右键单击目标业务流程，选择新建资源 > MaxCompute > Python。
2. 在新建资源对话框中，填写资源名称，并勾选上传为ODPS资源，单击新建。
3. 在Python资源中输入如下代码。
```
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. 单击图标，提交资源。

新建函数。

右键单击目标业务流程，选择新建函数 > MaxCompute > 函数。
在新建函数对话框中，输入名称，单击新建。
说明
如果数据开发中绑定了多个MaxCompute引擎，则选择本次需要创建函数的MaxCompute引擎实例。

在函数的编辑页面，配置各项参数。

参数	描述
函数类型	选择函数类型，包括数学运算函数、聚合函数、字符串处理函数、日期函数、窗口函数和其他函数。
MaxCompute引擎实例	默认不可以修改。
函数名	UDF函数名，即SQL中引用该函数所使用的名称。需要全局唯一，且注册函数后不支持修改。
责任人	默认显示。
类名	实现UDF的主类名，必填。说明当资源类型为Python时，类名格式为Python资源名称.类名（资源名称中的.py无需填写）。
资源列表	完整的文件名称，支持模糊匹配查找本工作空间中已添加的资源，必填。多个文件之间，使用英文逗号（,）分隔。
描述	针对当前UDF作用的简单描述。
命令格式	该UDF的具体使用方法示例，例如`test`。
参数说明	支持输入的参数类型以及返回参数类型的具体说明。
返回值	返回值，例如1，非必填项。
示例	函数中的示例，非必填项。

单击工具栏中的图标，保存函数。
提交函数。
1. 单击工具栏中的图标。
2. 在提交新版本对话框中，输入备注。
3. 单击确认。

在SQL中使用UDF函数分析IP来源

右键单击业务流程，选择新建 > MaxCompute > ODPS SQL。
在新建节点对话框中输入节点名称，并单击确认。

在ODPS SQL节点编辑页面，输入如下语句。

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

单击图标运行代码。
您可以在运行日志查看运行结果。