php纯真ip库再会iptaobao全网显示 IP 归属地快用这个开源库

细心的朋友该当会创造，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，海内的用户显示的省份，而且此项显示无法关闭，归属地逼迫显示。

作为技能人，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，紧张分为以下几步：通过 HttpServletRequest 工具，获取用户的 IP 地址通过 IP 地址，获取对应的省份、城市

首先须要写一个 IP 获取的工具类，由于每一次用户的 Request 要求，都会携带上要求的 IP 地址放到要求头中

php纯真ip库再会iptaobao全网显示 IP 归属地快用这个开源库 RESTful API

通过此方法，从要求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：https://ip.taobao.com/
原来的要求源码如下：
可以看到日志log文件中，大量的the request over max qps for user问题
下面，给大家先容下之前在Github冲浪时创造的本日的主角：
Ip2region开源项目，github地址：https://github.com/lionsoul2014/ip2region
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，准供应了浩瀚主流编程措辞的 xdb 数据天生和查询客户端实现。
99.9%准确率：
数据聚合了一些有名ip到地名查询供应商的数据，这些是他们官方的的准确率，经测试其实比经典的纯洁IP定位准确一些。
ip2region的数据聚合自以下做事商的开放API或者数据(升级程序每秒要求次数2到4次):01, >80%, 淘宝IP地址库, http://ip.taobao.com/02, ≈10%, GeoIP, https://geoip.com/03, ≈2%, 纯洁IP库, http://www.cz88.net/备注：如果上述开放API或者数据都不给开放数据时ip2region将停滞数据的更新做事。
多查询客户真个支持
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。
binding
描述
开拓状态
binary查询耗时
b-tree查询耗时
memory查询耗时
c
ANSC c binding
已完成
0.0x毫秒
0.0x毫秒
0.00x毫秒
c#
c# binding
已完成
0.x毫秒
0.x毫秒
0.1x毫秒
golang
golang binding
已完成
0.x毫秒
0.x毫秒
0.1x毫秒
java
java binding
已完成
0.x毫秒
0.x毫秒
0.1x毫秒
lua
lua实现的binding
已完成
0.x毫秒
0.x毫秒
0.x毫秒
lua_c
lua的c扩展
已完成
0.0x毫秒
0.0x毫秒
0.00x毫秒
nginx
nginx的c扩展
已完成
0.0x毫秒
0.0x毫秒
0.00x毫秒
nodejs
nodejs
已完成
0.x毫秒
0.x毫秒
0.1x毫秒
php
php实现的binding
已完成
0.x毫秒
0.1x毫秒
0.1x毫秒
php5_ext
php5的c扩展
已完成
0.0x毫秒
0.0x毫秒
0.00x毫秒
php7_ext
php7的c扩展
已完成
0.0毫秒
0.0x毫秒
0.00x毫秒
python
python bindng
已完成
0.x毫秒
0.x毫秒
0.x毫秒
rust
rust binding
已完成
0.x毫秒
0.x毫秒
0.x毫秒
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 格式天生程序会自动去重和压缩部分数据，默认的全部 IP 数据，天生的 ip2region.xdb 数据库是 11MiB，随着数据的详细度增加数据库的大小也逐步增大。
3、极速查询相应
纵然是完备基于 xdb 文件的查询，单次查询相应韶光在十微秒级别，可通过如下两种办法开启内存加速查询：
vIndex 索引缓存：利用固定的 512KiB 的内存空间缓存 vector index 数据，减少一次 IO 磁盘操作，保持均匀查询效率稳定在10-20微秒之间。
xdb 全体文件缓存：将全体 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、极速查询相应
v2.0 格式的 xdb 支持亿级别的 IP 数据段行数，region 信息也可以完备自定义，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。
也便是你完备可以利用 ip2region 来管理你自己的 IP 定位数据。
ip2region xdb java 查询客户端实现利用办法
引入maven仓库：
<dependency> <groupId>org.lionsoul</groupId> <artifactId>ip2region</artifactId> <version>2.6.4</version></dependency>完备基于文件的查询
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 工具 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：并发利用，每个线程须要创建一个独立的 searcher 工具单独利用。 }}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 工具的时候利用全局的 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，后续反复利用。 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、利用全局的 vIndex 创建带 VectorIndex 缓存的查询工具。 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：每个线程须要单独创建一个独立的 Searcher 工具，但是都共享全局的制度 vIndex 缓存。 }}缓存全体xdb数据
我们也可以预先加载全体 ip2region.xdb 的数据到内存，然后基于这个数据创建查询工具来实现完备基于文件的查询，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 加载全体 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、利用上述的 cBuff 创建一个完备基于内存的查询工具。 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：并发利用，用全体 xdb 数据缓存创建的查询工具可以安全的用于并发，也便是你可以把这个 searcher 工具做玉成局工具去跨线程访问。 }}IDEA中做个测试
完备基于文件的查询
ip属地海内的话，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办法给出的测试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：利用默认的 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 文件没有缺点，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: 把稳 bench 利用的 src 文件假如天生对应 xdb 文件相同的源文件。
到这里获取用户IP属地已经完成啦，这篇文章先容的v2.0版本，有兴趣的小伙伴可以登录上门的github地址理解下v1.0版本
如若以为有用，欢迎收藏+点赞，如碰着什么问题，欢迎留言谈论