Hive UDF IP解析(二):使用geoip2数据库自定义UDF
开发中经常会碰到将IP转为地域的问题,所以以下记录Hive中自定义UDF来解析IP。
使用到的地域库位maxmind公司的geoIP2数据库,分为免费版GeoLite2-City.mmdb和收费版GeoIP2-City.mmdb,不管哪个版本,开发的接口都是相同。
开发环境:
hive-2.3.0
hadoop 2.7.3
jdk 1.8
1. 新建maven项目regionParse,加入以下依赖包
<dependency>
<groupId>org.apache.hive</groupId>
<artifactId>hive-exec</artifactId>
<version>2.3.0</version>
</dependency>
<dependency>
<groupId>com.maxmind.db</groupId>
<artifactId>maxmind-db</artifactId>
<version>1.2.2</version>
</dependency>
<dependency>
<groupId>com.maxmind.geoip2</groupId>
<artifactId>geoip2</artifactId>
<version>2.11.0</version>
</dependency>
2.1 新建IP2Region.java,继承UDF(中文版)
package com.gw.udf; import java.io.File;
import java.io.IOException;
import java.net.InetAddress;
import java.net.UnknownHostException; import org.apache.hadoop.hive.ql.exec.UDF;
//import org.apache.log4j.Logger; import com.gw.util.Constants;
import com.gw.util.geoip2.GWDatabaseReader; //重写了com.maxmind.geoip2.DatabaseReader类
import com.maxmind.geoip2.exception.GeoIp2Exception;
import com.maxmind.geoip2.model.CityResponse;
import com.maxmind.geoip2.record.City;
import com.maxmind.geoip2.record.Country;
import com.maxmind.geoip2.record.Subdivision; public class IP2Region extends UDF { // private static Logger log = Logger.getLogger(IP2Region.class); private static GWDatabaseReader reader = null; static {
String path = IP2Region.class.getResource("/").getFile().toString();
try {
System.out.println(path + Constants.geoIPFile);
File database = new File(path + Constants.geoIPFile);
reader = new GWDatabaseReader.Builder(database).build(); } catch (IOException e) {
// log.error(e.getMessage());
} } @SuppressWarnings("finally")
public static String evaluate(String ip,int i) {
InetAddress ipAddress;
String region = null;
try {
ipAddress = InetAddress.getByName(ip);
CityResponse response = null;
response = reader.city(ipAddress);
Country country = response.getCountry();
Subdivision subdivision = response.getMostSpecificSubdivision();
City city = response.getCity();
if(country!=null && i==0){
region = country.getNames().get("zh-CN") != null ? country.getNames().get("zh-CN") : country.getNames().get("en") ;
}
else if(subdivision!=null && i == 1 ){ region = Constants.provinceCN.get(subdivision.getIsoCode()) != null ?
Constants.provinceCN.get(subdivision.getIsoCode()) :
subdivision.getNames().get("en") ;
}
else if(city!=null && i == 2){
String province = city.getNames().get("zh-CN");
if(province != null && province.lastIndexOf("市") > 0){
province = province.substring(0,province.length()-1);
}
region = province != null ? province : city.getNames().get("en");
} // Postal postal = response.getPostal();
//获取经纬度,暂时不需要
// Location location = response.getLocation();
// System.out.println(location.getLatitude()); // 44.9733
// System.out.println(location.getLongitude()); // -93.2323 } catch (Exception e) {
// log.error(e.getMessage());
} finally{
return region;
} } public static void main(String[] args) throws UnknownHostException,
IOException, GeoIp2Exception {
String ip = "223.104.6.25";
System.out.println(evaluate(ip,0) + ":" + evaluate(ip,1) + ":" + evaluate(ip,2)); } }
2.2 新建IP2RegionEN.java, 继承UDF(英文版)
package com.gw.udf; import java.io.File;
import java.io.IOException;
import java.net.InetAddress;
import java.net.UnknownHostException; import org.apache.hadoop.hive.ql.exec.UDF;
//import org.apache.log4j.Logger; import com.gw.util.Constants;
import com.gw.util.geoip2.GWDatabaseReader;
import com.maxmind.geoip2.exception.GeoIp2Exception;
import com.maxmind.geoip2.model.CityResponse;
import com.maxmind.geoip2.record.City;
import com.maxmind.geoip2.record.Country;
import com.maxmind.geoip2.record.Subdivision; public class IP2RegionEN extends UDF { // private static Logger log = Logger.getLogger(IP2Region.class); private static GWDatabaseReader reader = null; static {
String path = IP2RegionEN.class.getResource("/").getFile().toString();
try {
System.out.println(path + Constants.geoIPFile);
File database = new File(path + Constants.geoIPFile);
reader = new GWDatabaseReader.Builder(database).build(); } catch (IOException e) {
// log.error(e.getMessage());
} } @SuppressWarnings("finally")
public static String evaluate(String ip,int i) {
InetAddress ipAddress;
String region = null;
try {
ipAddress = InetAddress.getByName(ip);
CityResponse response = null;
response = reader.city(ipAddress);
Country country = response.getCountry();
Subdivision subdivision = response.getMostSpecificSubdivision();
City city = response.getCity();
if(country!=null && i==0){
region = country.getNames().get("en") ;
}
else if(subdivision!=null && i == 1 ){ region = subdivision.getNames().get("en") ;
}
else if(city!=null && i == 2){
region = city.getNames().get("en");
} // Postal postal = response.getPostal();
//获取经纬度,暂时不需要
// Location location = response.getLocation();
// System.out.println(location.getLatitude()); // 44.9733
// System.out.println(location.getLongitude()); // -93.2323 } catch (Exception e) {
// log.error(e.getMessage());
} finally{
return region;
} } public static void main(String[] args) throws UnknownHostException,
IOException, GeoIp2Exception {
String ip = "223.104.6.25";
System.out.println(evaluate(ip,0) + ":" + evaluate(ip,1) + ":" + evaluate(ip,2)); } }
3. 由于免费的数据库解析出来的中文省份含有简称比如福建直接显示为闽,比较坑。
为便于统一,所以自己定义了一个isocode的转换类Constants.java 用于省份的统一显示。
package com.gw.util; import java.util.HashMap;
import java.util.Map; public class Constants { public static final String geoIPFile= "GeoLite2-City.mmdb";
public static final String geollFile = "geo.csv";
public static final Map<String,String> provinceCN = new HashMap<String,String>(); static {
provinceCN.put("AH","安徽");
provinceCN.put("BJ","北京");
provinceCN.put("CQ","重庆");
provinceCN.put("FJ","福建");
provinceCN.put("GD","广东");
provinceCN.put("GS","甘肃");
provinceCN.put("GX","广西");
provinceCN.put("GZ","贵州");
provinceCN.put("HA","河南");
provinceCN.put("HB","湖北");
provinceCN.put("HE","河北");
provinceCN.put("HI","海南");
provinceCN.put("HK","香港");
provinceCN.put("HL","黑龙江");
provinceCN.put("HN","湖南");
provinceCN.put("JL","吉林");
provinceCN.put("JS","江苏");
provinceCN.put("JX","江西");
provinceCN.put("LN","辽宁");
provinceCN.put("MO","澳门");
provinceCN.put("NM","内蒙古");
provinceCN.put("NX","宁夏");
provinceCN.put("QH","青海");
provinceCN.put("SC","四川");
provinceCN.put("SD","山东");
provinceCN.put("SH","上海");
provinceCN.put("SN","陕西");
provinceCN.put("SX","山西");
provinceCN.put("TJ","天津");
provinceCN.put("TW","台湾");
provinceCN.put("XJ","新疆");
provinceCN.put("XZ","西藏");
provinceCN.put("YN","云南");
provinceCN.put("ZJ","浙江");
} }
4. 在测试过程中发现已有的geoip2的jar和hive系统中其他jar有冲突,所以又修改了geoip2的部分源码。

最后,打包编译提交到hive的external_lib(自定义包统一存放的文件夹)中。
5. 测试结果:
ip2region(ip,0)表示国家
ip2region(ip,1)表示省份
ip2region(ip,2)表示城市
select ip,ip2region(ip,0),ip2region(ip,1),ip2region(ip,2) from xxx_table where ip is not null limit 300;
测试结果看到部分城市给出的是拼音(Shijiazhuang),这个免费库还是有点坑爹,暂时可以将就使用了。
中文版本如下:

英文版本如下:

最后附上整个部署的说明:
1. 将数据库文件添加到hive的路径 $HIVE_HOME/conf目录下
以后如果有IP数据库城市的更新,直接更新这个目录下的文件。
省份文件固定,不需要修改。
数据库文件有三个:geoCN.csv、geoEN.csv、GeoLite2-City.mmdb 2. 删除$HIVE_HOME/lib/目录下 geoip2-0.4.0.jar、maxminddb-0.2.0.jar 文件
使用maxmind-db-1.2.2.jar、geoip2-2.11.0.jar替换放入。 3. 将编译的regionalParse-0.0.1-SNAPSHOT.jar放到external_lib目录。 4. 修改.hiverc文件,添加以下内容
add jar /usr/local/hive/external_lib/regionalParse-0.0.1-SNAPSHOT.jar; create temporary function ll2province as 'com.gw.udf.LL2Province';
create temporary function ll2provinceen as 'com.gw.udf.LL2ProvinceEN';
create temporary function indexof as 'com.gw.udf.IndexOf';
create temporary function ip2region as 'com.gw.udf.IP2Region';
create temporary function ip2regionen as 'com.gw.udf.IP2RegionEN'; 5. 重启hiveServer2 #!/bin/sh
nohup $HIVE_HOME/bin/hive --service hiveserver2 & 6. 测试方法: 测试中文:
select ip,ip2region(ip,0),ip2region(ip,1),ip2region(ip,2),
ll2province(substring(coordinator, 0, indexof(coordinator, ":")), substring(coordinator, indexof(coordinator, ":") + 2))
from xxx where ip is not null limit 10; 测试英文:
select ip,ip2regionen(ip,0),ip2regionen(ip,1),ip2regionen(ip,2),
ll2provinceen(substring(coordinator, 0, indexof(coordinator, ":")), substring(coordinator, indexof(coordinator, ":") + 2))
from xxx where ip is not null limit 10;
Hive UDF IP解析(二):使用geoip2数据库自定义UDF的更多相关文章
- Hive UDF IP解析(一):依赖包兼容性问题
Java依赖环境: <dependency> <groupId>org.apache.hive</groupId> <artifactId>hive-e ...
- 自定义UDF函数应用异常
自定义UDF函数应用异常 版权声明:本文为yunshuxueyuan原创文章.如需转载请标明出处: http://www.cnblogs.com/sxt-zkys/QQ技术交流群:299142667 ...
- Hive框架基础(二)
* Hive框架基础(二) 我们继续讨论hive框架 * Hive的外部表与内部表 内部表:hive默认创建的是内部表 例如: create table table001 (name string , ...
- IP工具类-自己动手做个ip解析器
IP工具类-自己动手做个ip解析器 一.资料准备 导入依赖包:
- hive 存储,解析,处理json数据
hive 处理json数据总体来说有两个方向的路走 1.将json以字符串的方式整个入Hive表,然后通过使用UDF函数解析已经导入到hive中的数据,比如使用LATERAL VIEW json_tu ...
- Spring Security 解析(二) —— 认证过程
Spring Security 解析(二) -- 认证过程 在学习Spring Cloud 时,遇到了授权服务oauth 相关内容时,总是一知半解,因此决定先把Spring Security .S ...
- 企业运维实践-Nginx使用geoip2模块并利用MaxMind的GeoIP2数据库实现处理不同国家或城市的访问最佳实践指南
关注「WeiyiGeek」公众号 设为「特别关注」每天带你玩转网络安全运维.应用开发.物联网IOT学习! 希望各位看友[关注.点赞.评论.收藏.投币],助力每一个梦想. 本章目录 目录 0x00 前言 ...
- MySQL 系列(二) 你不知道的数据库操作
第一篇:MySQL 系列(一) 生产标准线上环境安装配置案例及棘手问题解决 第二篇:MySQL 系列(二) 你不知道的数据库操作 本章内容: 查看\创建\使用\删除 数据库 用户管理及授权实战 局域网 ...
- .net Core 调用微信Jsapi接口,H5解析二维码
项目里需要用到扫描二维码,自己实现,不会. 找到了两种解决方案: 通过reqrcode.js,这是一个前端解析二维码内容的js库.如果二维码比较清晰,用这种效果也不错 调用微信扫一扫功能,这种效果很好 ...
随机推荐
- java中普通代码块,构造代码块,静态代码块的区别及代码示例
本文转自:http://www.cnblogs.com/sophine/p/3531282.html 执行顺序:(优先级从高到低)静态代码块>main方法>构造代码块>构造方法. 其 ...
- lsnrctl: error while loading shared libraries: /opt/app/oracle/product/11.2/db_1/lib/libclntsh.so.11
错误描述: 安装好数据库后,在oralce用户下敲入 查看监听状态命令,返回错误提示 [oracle@centos3 ~]$ lsnrctl statuslsnrctl: error while lo ...
- Linux标识进程
一.前言 其实两年前,本站已经有了一篇关于进程标识的文档,不过非常的简陋,而且代码是来自2.6内核.随着linux container.pid namespace等概念的引入,进程标识方面已经有了天翻 ...
- Linux内核“问题门” - 学习问题、经验集锦
陈宪章说:“学贵有疑,小疑则小进,大疑则大进.疑者,觉悟之机也,一番觉悟一番长进.” 培根说:“多问的人将多得.” 还在学校的时候导师在激情讲演之后对着会议室里形态各异但均静默不语的我们痛心疾首的说: ...
- java 实现万年历
曾经初学java写万年历,都是採用主要的算法求出是否闰年闰月 计算公式例如以下 int year = 2014, month = 8, total = 0; if (month == 1 || mon ...
- 工作中常用的mysql操作
一.在一个数据库中定义的存储过程或者是函数在另一数据库的存储过程中引用 1.我首先在数据库player_db中构建了一个函数:p_exp_to_level BEGIN ; ; RETURN v_lev ...
- 分享一:关于mysql中避免重复插入记录方法
一: INSERT ON DUPLICATE KEY UPDATE 如果您指定了ON DUPLICATE KEY UPDATE,并且插入行后会导致在一个UNIQUE索引或PRIMARY KEY中出现重 ...
- JavaScript中的陷阱(关于变量声明,函数)
查看:http://www.css88.com/archives/5347#more-5347
- JS实现随机数生成算法示例代码
JS实现随机数生成算法的方法有很多,本文为大家介绍一个比较不错的方法. 1, var MT = []; var index = 0; function initialize_generator(see ...
- ie浏览器不兼容css媒体查询的解决办法
有些页面布局复杂,在不同分辨率下表现需要一致,这时需要用媒体查询根据不同分辨率进行百分比定位(不能用像素定位),如: @media screen and (max-width: 1600px) { . ...