ip地址归属地数据库,

　　00-1010简介：Java如何以99.9%的准确率获取IP属地Ip2region开源项目：多查询客户端支持Ip2region V2.0特性ip2region xdb java查询客户端在IDEA中实现了一个测试编译测试程序查询测试台测试。

　　00-1010细心的朋友应该发现，近期，继新浪微博之后，头条、腾讯、Tik Tok、知乎、Aauto Quicker、小红书等各大平台相继推出了“网络用户IP地址显示功能”。海外用户显示国家，而国内用户显示省份。而且这个显示是不能关闭的，归属是强制的。

　　作为技术人员，那！这个功能怎么实现？

　　00-1010主要分为以下几个步骤：

　　通过HttpServletRequest对象获取用户的IP地址。要通过IP地址获取对应的省市，需要先写一个IP获取工具类，因为每个用户的请求都会在请求头中携带被请求的IP地址。

　　使用这种方法，用户的IP地址是从请求头中获得的。

　　目前在我做的项目中，还需要获取IP地址所属的省市。我用淘宝IP库。

　　地址：ip.taobao.com/

　　原始请求源代码如下：

　　您可以在日志文件中看到许多针对用户问题的超过max qps的请求。

目录

Ip2region开源项目，github地址：github.com/lionsoul201…

　　目前已经更新到v2.0，是一个离线的IP地址位置数据库和IP位置数据管理框架。10微秒的查询效率必须提供很多主流编程语言的xdb数据生成和查询客户端实现。

　　00-1010 data聚合了一些知名的ip到地名查询提供商的数据。这些是他们官方的准确率。经过测试，比经典的纯IP定位更准确。2IPRegion的数据聚合自以下服务商的开放API或数据(升级程序的请求次数为每秒2到4次):01，80%，淘宝IP地址数据库，ip.taobao.com/ 02， 10%，GeoIP，geoip.com/ 03， 2%，纯IP数据库，www.cz88.net/备注：如果以上开放API或数据不给开放数据，ip2region将停止数据更新服务。

　　00-1010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。

　　绑定描述了开发状态。二进制查询需要时间。b树查询需要时间。内存查询需要时间。cANSC c绑定已完成0.0xms 0.0xms 0.00x c#c# 绑定已完成0.x毫秒0.x毫秒0.1x毫秒golanggolang绑定已完成0.x毫秒0.x毫秒0.1x毫秒javajava绑定已完成0.x毫秒0.x毫秒0.1x毫秒lua实现的绑定已完成0.x毫秒0.x毫秒0.x毫秒lua_clua的C扩展已完成0.00xms 0.00xms 0.00xms nginx的C扩展已完成0 . 0 xms 0 . 0 xms nodejsnodejs php5_extphp5的ms c扩展已完成0.0xms 0.0x mm .秒0.00x毫秒php7_extphp7 c扩展已完成0.0毫秒0.0x毫秒0.00x毫秒pythonpython绑定已完成0.x毫秒0.x毫秒rustrust绑定已完成0.x毫秒0.x毫秒0.x毫秒。

　　00-1010 1.标准化数据格式

　　每个ip数据段的地区信息有一个固定的格式：国家地区省市ISP。只有中国的大部分数据精确到城市，其他国家的部分数据只能位于全国，前后所有选项均为0。

　　2.重复数据删除和压缩

　　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`: %sn", 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): %sn", 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`: %sn", 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`: %sn", 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): %sn", 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`: %sn", 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: %sn", 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): %sn", 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 searchjava -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.xdbip2region xdb searcher test program, cachePolicy: vectorIndextype quit to exitip2region>> 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 benchjava -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.txtBench 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。

　　到这里获取用户IP属地已经完成啦，这篇文章介绍的v2.0版本，有兴趣的小伙伴可以登录上门的github地址了解下v1.0版本

　　更多关于java获取IP归属地全网显示的资料请关注盛行IT其它相关文章！

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。