导读：Hive是基于Hadoop的数据管理系统，作为分析人员的即时分析工具和ETL等工作的执行引擎，对于如今的大数据管理与分析、处理有着非常大的意义。GeoIP是一套IP映射库系统，它定时更新，并且提供了各种语言的API，非常适合在做地域相关数据分析时的一个数据源。
Hive是基于Hadoop的数据管理系统，作为分析人员的即时分析工具和ETL等工作的执行引擎，对于如今的大数据管理与分析、处理有着非常大的意义。GeoIP是一套IP映射库系统，它定时更新，并且提供了各种语言的API，非常适合在做地域相关数据分析时的一个数据源。
UDF是Hive提供的用户自定义函数的接口，通过实现它可以扩展Hive目前已有的内置函数。而为Hive加入一个IP映射函数，我们只需要简单地在UDF中调用GeoIP的Java API即可。
GeoIP的数据文件可以从这里下载：http://www.maxmind.com/download/geoip/database/，由于需要国家和城市的信息，我这里下载的是http://www.maxmind.com/download/geoip/database/GeoLiteCity.dat.gz
GeoIP的各种语言的API可以从这里下载：http://www.maxmind.com/download/geoip/api/
- import java.io.IOException;
- import org.apache.hadoop.hive.ql.exec.UDF;
- import com.maxmind.geoip.Location;
- import com.maxmind.geoip.LookupService;
- import java.util.regex.*;
- public class IPToCC extends UDF {
- private static LookupService cl = null;
- private static String ipPattern = "\\d+\\.\\d+\\.\\d+\\.\\d+";
- private static String ipNumPattern = "\\d+";
- static LookupService getLS() throws IOException{
- String dbfile = "GeoLiteCity.dat";
- if(cl == null)
- cl = new LookupService(dbfile, LookupService.GEOIP_MEMORY_CACHE);
- return cl;
- }
- /**
- * @param str like "114.43.181.143"
- * */
- public String evaluate(String str) {
- try{
- Location Al = null;
- Matcher mIP = Pattern.compile(ipPattern).matcher(str);
- Matcher mIPNum = Pattern.compile(ipNumPattern).matcher(str);
- if(mIP.matches())
- Al = getLS().getLocation(str);
- else if(mIPNum.matches())
- Al = getLS().getLocation(Long.parseLong(str));
- return String.format("%s\t%s", Al.countryName, Al.city);
- }catch(Exception e){
- e.printStackTrace();
- if(cl != null)
- cl.close();
- return null;
- }
- }
- }
import java.io.IOException;
import org.apache.hadoop.hive.ql.exec.UDF;
import com.maxmind.geoip.Location;
import com.maxmind.geoip.LookupService;
import java.util.regex.*;
public class IPToCC extends UDF {
private static LookupService cl = null;
private static String ipPattern = "\\d+\\.\\d+\\.\\d+\\.\\d+";
private static String ipNumPattern = "\\d+";
static LookupService getLS() throws IOException{
String dbfile = "GeoLiteCity.dat";
if(cl == null)
cl = new LookupService(dbfile, LookupService.GEOIP_MEMORY_CACHE);
return cl;
}
/**
* @param str like "114.43.181.143"
* */
public String evaluate(String str) {
try{
Location Al = null;
Matcher mIP = Pattern.compile(ipPattern).matcher(str);
Matcher mIPNum = Pattern.compile(ipNumPattern).matcher(str);
if(mIP.matches())
Al = getLS().getLocation(str);
else if(mIPNum.matches())
Al = getLS().getLocation(Long.parseLong(str));
return String.format("%s\t%s", Al.countryName, Al.city);
}catch(Exception e){
e.printStackTrace();
if(cl != null)
cl.close();
return null;
}
}
}
使用上也非常简单，将以上程序和GeoIP的API程序，一起打成JAR包iptocc.jar，和数据文件（GeoLiteCity.dat）一起放到Hive所在的服务器的一个位置。然后打开Hive执行以下语句：
- add file /tje/path/to/GeoLiteCity.dat;
- add jar /the/path/to/iptocc.jar;
- create temporary function ip2cc as 'your.company.udf.IPToCC';
add file /tje/path/to/GeoLiteCity.dat; add jar /the/path/to/iptocc.jar; create temporary function ip2cc as 'your.company.udf.IPToCC';
然后就可以在Hive的CLI中使用这个函数了，这个函数接收标准的IPv4地址格式的字符串，返回国家和城市信息；同样这个函数也透明地支持长整形的IPv4地址表示格式。如果想在每次启动Hive CLI的时候都自动加载这个自定义函数，可以在hive命令同目录下建立.hiverc文件，在启动写入以上三条语句，重新启动Hive CLI即可；如果在这台服务器上启动Hive Server，使用JDBC连接，执行以上三条语句之后，也可以正常使用这个函数；但是唯一一点不足是，HUE的Beeswax不支持注册用户自定义函数。
虽然不尽完美，但是加入这样一个函数，对于以后做地域相关的即时分析总是提供了一些方便的，还是非常值得加入的。
本文转自茄子_2008博客园博客，原文链接：http://www.cnblogs.com/xd502djj/p/3253411.html，如需转载请自行联系原作者。
