AI 助理
文档备案控制台
开发者社区 Java技术栈 文章 正文

新来了个技术总监，居然要我做一个 IP 属地功能。。不服就干！

2022-10-25 600
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： 新来了个技术总监，居然要我做一个 IP 属地功能。。不服就干！

细心的朋友应该会发现，最近，继新浪微博之后，头条、腾讯、抖音、知乎、快手、小红书等各大平台陆陆续续都上线了“网络用户IP地址显示功能”，境外用户显示的是国家，国内的用户显示的省份，而且此项显示无法关闭，归属地强制显示。


作为技术人，那！这个功能要怎么实现呢？


下面，我就来讲讲，Java中是如何获取IP属地的，主要分为以下几步：


通过 HttpServletRequest 对象，获取用户的 IP 地址

通过 IP 地址，获取对应的省份、城市

首先需要写一个 IP 获取的工具类，因为每一次用户的 Request 请求，都会携带上请求的 IP 地址放到请求头中


6.png


通过此方法，从请求Header中获取到用户的IP地址


目前本人在做的项目中，也有获取IP地址归属地省份、城市的需求，用的是：淘宝IP库


地址：ip.taobao.com/


5.png4.png


原来的请求源码如下：


2.png3.png


可以看到日志log文件中，大量的the request over max qps for user问题


1.png


下面，给大家介绍下之前在Github冲浪时发现的今天的主角：

目前最新已更新到了v2.0版本，ip2region v2.0是一个离线IP地址定位库和IP定位数据管理框架，10微秒级别的查询效率，准提供了众多主流编程语言的 xdb 数据生成和查询客户端实现。


99.9%准确率：


数据聚合了一些知名ip到地名查询提供商的数据，这些是他们官方的的准确率，经测试着实比经典的纯真IP定位准确一些。


多查询客户端的支持

已经集成的客户端有：java、C#、php、c、python、nodejs、php扩展(php5和php7)、golang、rust、lua、lua_c, nginx。


image.png


Ip2region V2.0 特性

1、标准化的数据格式


每个 ip 数据段的 region 信息都固定了格式：国家|区域|省份|城市|ISP，只有中国的数据绝大部分精确到了城市，其他国家部分数据只能定位到国家，后前的选项全部是0。


2、数据去重和压缩


xdb 格式生成程序会自动去重和压缩部分数据，默认的全部 IP 数据，生成的 ip2region.xdb 数据库是 11MiB，随着数据的详细度增加数据库的大小也慢慢增大。


3、极速查询响应


即使是完全基于 xdb 文件的查询，单次查询响应时间在十微秒级别，可通过如下两种方式开启内存加速查询：


vIndex 索引缓存 ：使用固定的 512KiB 的内存空间缓存 vector index 数据，减少一次 IO 磁盘操作，保持平均查询效率稳定在10-20微秒之间。

xdb 整个文件缓存：将整个 xdb 文件全部加载到内存，内存占用等同于 xdb 文件大小，无磁盘 IO 操作，保持微秒级别的查询效率。


4、极速查询响应


v2.0 格式的 xdb 支持亿级别的 IP 数据段行数，region 信息也可以完全自定义，例如：你可以在 region 中追加特定业务需求的数据，例如：GPS信息/国际统一地域信息编码/邮编等。也就是你完全可以使用 ip2region 来管理你自己的 IP 定位数据。


ip2region xdb java 查询客户端实现

使用方式


引入maven仓库：


<dependency>
    <groupId>org.lionsoul</groupId>
    <artifactId>ip2region</artifactId>
    <version>2.6.4</version>
</dependency>


完全基于文件的查询


import org.lionsoul.ip2region.xdb.Searcher;
import java.io.*;
import java.util.concurrent.TimeUnit;
public class SearcherTest {
    public static void main(String[] args) {
        // 1、创建 searcher 对象
        String dbPath = "ip2region.xdb file path";
        Searcher searcher = null;
        try {
            searcher = Searcher.newWithFileOnly(dbPath);
        } catch (IOException e) {
            System.out.printf("failed to create searcher with `%s`: %s\n", dbPath, e);
            return;
        }
        // 2、查询
        try {
            String ip = "1.2.3.4";
            long sTime = System.nanoTime();
            String region = searcher.search(ip);
            long cost = TimeUnit.NANOSECONDS.toMicros((long) (System.nanoTime() - sTime));
            System.out.printf("{region: %s, ioCount: %d, took: %d μs}\n", region, searcher.getIOCount(), cost);
        } catch (Exception e) {
            System.out.printf("failed to search(%s): %s\n", ip, e);
        }
        // 3、备注：并发使用，每个线程需要创建一个独立的 searcher 对象单独使用。
    }
}


缓存VectorIndex索引

我们可以提前从 xdb 文件中加载出来 VectorIndex 数据，然后全局缓存，每次创建 Searcher 对象的时候使用全局的 VectorIndex 缓存可以减少一次固定的 IO 操作，从而加速查询，减少 IO 压力。


import org.lionsoul.ip2region.xdb.Searcher;
import java.io.*;
import java.util.concurrent.TimeUnit;
public class SearcherTest {
    public static void main(String[] args) {
        String dbPath = "ip2region.xdb file path";
        // 1、从 dbPath 中预先加载 VectorIndex 缓存，并且把这个得到的数据作为全局变量，后续反复使用。
        byte[] vIndex;
        try {
            vIndex = Searcher.loadVectorIndexFromFile(dbPath);
        } catch (Exception e) {
            System.out.printf("failed to load vector index from `%s`: %s\n", dbPath, e);
            return;
        }
        // 2、使用全局的 vIndex 创建带 VectorIndex 缓存的查询对象。
        Searcher searcher;
        try {
            searcher = Searcher.newWithVectorIndex(dbPath, vIndex);
        } catch (Exception e) {
            System.out.printf("failed to create vectorIndex cached searcher with `%s`: %s\n", dbPath, e);
            return;
        }
        // 3、查询
        try {
            String ip = "1.2.3.4";
            long sTime = System.nanoTime();
            String region = searcher.search(ip);
            long cost = TimeUnit.NANOSECONDS.toMicros((long) (System.nanoTime() - sTime));
            System.out.printf("{region: %s, ioCount: %d, took: %d μs}\n", region, searcher.getIOCount(), cost);
        } catch (Exception e) {
            System.out.printf("failed to search(%s): %s\n", ip, e);
        }
        // 备注：每个线程需要单独创建一个独立的 Searcher 对象，但是都共享全局的制度 vIndex 缓存。
    }
}


缓存整个xdb数据

我们也可以预先加载整个 ip2region.xdb 的数据到内存，然后基于这个数据创建查询对象来实现完全基于文件的查询，类似之前的 memory search。


import org.lionsoul.ip2region.xdb.Searcher;
import java.io.*;
import java.util.concurrent.TimeUnit;
public class SearcherTest {
    public static void main(String[] args) {
        String dbPath = "ip2region.xdb file path";
        // 1、从 dbPath 加载整个 xdb 到内存。
        byte[] cBuff;
        try {
            cBuff = Searcher.loadContentFromFile(dbPath);
        } catch (Exception e) {
            System.out.printf("failed to load content from `%s`: %s\n", dbPath, e);
            return;
        }
        // 2、使用上述的 cBuff 创建一个完全基于内存的查询对象。
        Searcher searcher;
        try {
            searcher = Searcher.newWithBuffer(cBuff);
        } catch (Exception e) {
            System.out.printf("failed to create content cached searcher: %s\n", e);
            return;
        }
        // 3、查询
        try {
            String ip = "1.2.3.4";
            long sTime = System.nanoTime();
            String region = searcher.search(ip);
            long cost = TimeUnit.NANOSECONDS.toMicros((long) (System.nanoTime() - sTime));
            System.out.printf("{region: %s, ioCount: %d, took: %d μs}\n", region, searcher.getIOCount(), cost);
        } catch (Exception e) {
            System.out.printf("failed to search(%s): %s\n", ip, e);
        }
        // 备注：并发使用，用整个 xdb 数据缓存创建的查询对象可以安全的用于并发，也就是你可以把这个 searcher 对象做成全局对象去跨线程访问。
    }
}


IDEA中做个测试



完全基于文件的查询


ip属地国内的话，会展示省份，国外的话，只会展示国家。可以通过如下图这个方法进行进一步封装，得到获取IP属地的信息。




下面是官网给出的命令运行jar方式给出的测试demo，可以理解下


编译测试程序

通过 maven 来编译测试程序。


# cd 到 java binding 的根目录
cd binding/java/
mvn compile package


然后会在当前目录的 target 目录下得到一个 ip2region-{version}.jar 的打包文件。


查询测试

可以通过 java -jar ip2region-{version}.jar search 命令来测试查询：


➜  java git:(v2.0_xdb) ✗ java -jar target/ip2region-2.6.0.jar search
java -jar ip2region-{version}.jar search [command options]
options:
 --db string              ip2region binary xdb file path
 --cache-policy string    cache policy: file/vectorIndex/content


例如：使用默认的 data/ip2region.xdb 文件进行查询测试：


➜  java git:(v2.0_xdb) ✗ java -jar target/ip2region-2.6.0.jar search --db=../../data/ip2region.xdb
ip2region xdb searcher test program, cachePolicy: vectorIndex
type 'quit' to exit
ip2region>> 1.2.3.4
{region: 美国|0|华盛顿|0|谷歌, ioCount: 7, took: 82 μs}
ip2region>>


输入 ip 即可进行查询测试，也可以分别设置 cache-policy 为 file/vectorIndex/content 来测试三种不同缓存实现的查询效果。


bench 测试

可以通过 java -jar ip2region-{version}.jar bench 命令来进行 bench 测试，一方面确保 xdb 文件没有错误，一方面可以评估查询性能：


➜  java git:(v2.0_xdb) ✗ java -jar target/ip2region-2.6.0.jar bench
java -jar ip2region-{version}.jar bench [command options]
options:
 --db string              ip2region binary xdb file path
 --src string             source ip text file path
 --cache-policy string    cache policy: file/vectorIndex/content


例如：通过默认的 data/ip2region.xdb 和 data/ip.merge.txt 文件进行 bench 测试：


➜  java git:(v2.0_xdb) ✗ java -jar target/ip2region-2.6.0.jar bench --db=../../data/ip2region.xdb --src=../../data/ip.merge.txt
Bench finished, {cachePolicy: vectorIndex, total: 3417955, took: 8s, cost: 2 μs/op}


可以通过分别设置 cache-policy 为 file/vectorIndex/content 来测试三种不同缓存实现的效果。 @Note: 注意 bench 使用的 src 文件要是生成对应 xdb 文件相同的源文件。


文章标签：
Java
C#
PHP
Python
应用服务中间件
索引
Maven
数据库
缓存
数据管理
开发工程师
目录
相关文章
程序员云帆哥
|
算法 JavaScript Java
使用强大的离线IP地址定位库ip2region获取城市信息
ip2region - 准确率99.9%的离线IP地址定位库，0.0x毫秒级查询，ip2region.db数据库只有数MB，提供了java、php、c、python、nodejs、golang、c#等查询绑定和Binary,B树,内存三种查询算法。
程序员云帆哥
4502 0
使用强大的离线IP地址定位库ip2region获取城市信息
国民机智小淘气
|
Web App开发 网络协议 安全
Chrome配置DNS
Chrome配置DNS
国民机智小淘气
4583 0
Chrome配置DNS
wu@55555
|
自然语言处理 Java 索引
Elastic：如何查询特殊字符
某些业务场景下我们需要使用特殊符号来进行查询，但是es的默认分词器以及ik分词器等大多数分词器都会将特殊符号过滤掉，导致后续无法通过特殊符号查询到数据。 那么我们如何来解决这个问题呢，下面列举出几种处理方案
wu@55555
1677 0
Clawdbot
|
4月前
|
存储 自然语言处理 搜索推荐
2026年阿里云无影云电脑零基础部署OpenClaw(Clawdbot)保姆级教程
OpenClaw（曾用名Clawdbot、Moltbot）作为一款开源AI自动化代理工具，凭借自然语言任务拆解、多工具集成调用、7×24小时不间断运行的核心特性，成为个人办公自动化与轻量团队协作的高效辅助工具。其区别于普通聊天机器人，核心优势在于可实际执行各类操作，涵盖系统文件读写、终端命令运行、浏览器自动化、邮件/日程管理等，支持对接阿里云百炼等主流大语言模型，通过简单自然语言指令即可完成复杂重复任务。
Clawdbot
833 9
技术小达人
|
边缘计算 容灾 网络性能优化
算力流动的基石：边缘网络产品技术升级与实践探索
本文介绍了边缘网络产品技术的升级与实践探索，由阿里云专家分享。内容涵盖三大方面：1) 云编一体的混合组网方案，通过边缘节点实现广泛覆盖和高效连接；2) 基于边缘基础设施特点构建一网多态的边缘网络平台，提供多种业务形态的统一技术支持；3) 以软硬一体的边缘网关技术实现多类型业务网络平面统一，确保不同网络间的互联互通。边缘网络已实现全球覆盖、差异化连接及云边互联，支持即开即用和云网一体，满足各行业需求。
技术小达人
674 4
JamieChyi
|
Java Python
HuTool工具类实用技巧：从常用方法入手
HuTool工具类实用技巧：从常用方法入手
JamieChyi
894 0
double2li
|
Web App开发 JavaScript 测试技术
webrtc学习: 部署stun和turn服务器
webrtc的P2P穿透部分是由libjingle实现的.  步骤顺序大概是这样的:  1. 尝试直连. 2. 通过stun服务器进行穿透 3. 无法穿透则通过turn服务器中转.    stun 服务器比较简单.
double2li
10311 1
源码星辰
|
JavaScript 前端开发 搜索推荐
Vue 路由的hash模式和history模式有什么区别？
在Vue.js框架中，路由管理是单页面应用（SPA）不可或缺的功能。Vue 路由提供了两种模式：hash模式和history模式，这两种模式主要负责处理URL的变更而无需重新加载整个页面，实现前端路由的功能。
源码星辰
983 19
程序员小海绵
|
存储 缓存 NoSQL
【Java面试题汇总】Redis篇（2023版）
Redis的数据类型、zset底层实现、持久化策略、分布式锁、缓存穿透、击穿、雪崩的区别、双写一致性、主从同步机制、单线程架构、高可用、缓存淘汰策略、Redis事务是否满足ACID、如何排查Redis中的慢查询
程序员小海绵
657 4
【Java面试题汇总】Redis篇（2023版）
思通聚宝
|
机器学习/深度学习 前端开发 算法
基于STP文件的智能比对系统技术介绍
基于STP文件的智能比对系统通过集成多项先进技术，实现设计图纸与实物的自动化、高精度比对。系统采用分布式架构，包含前端Web界面、后端处理服务器、图像数据库和深度学习模型模块，支持STP文件解析、3D模型可视化、多视角图片生成及实物照片智能匹配。该系统显著提升机械制造和质量控制领域的效率与准确性，减少人工操作误差，广泛应用于设计验证、质量检测等场景。
思通聚宝
1235 3