使用hadoop实现ip地理位置统计~ip归属地和运营商

标签：mapreduce   ip归属地   运营商   地理位置   java   

    转载请注明出处：http://blog.csdn.net/xiaojimanman/article/details/40585565

    更多相关hadoop内容访问：http://blog.csdn.net/xiaojimanman/article/category/2640707 

    对于博客 http://blog.csdn.net/xiaojimanman/article/details/40372189 中的计算结果 key-value (ip,出现次数)，统计下各个地区运营商下的IP个数，通过这个计算结果，可以分析出用户的地理位置分布情况，为决策提供数据支持。

需求分析：

    根据IP归属地，对IP进行分组求和，将结果输出到文件中。

数据格式：

    此次的数据格式相对比较简单，就是博客 http://blog.csdn.net/xiaojimanman/article/details/40372189 的结果数据，一行数据格式为：

ip地址空格分隔符出现次数 例： 192.168.1.1 25

需求分析：

     在实现mapreduce程序之前，需要考虑的一个问题就是IP地址和归属地之间的转换问题。我这里采用的是百度的阿拉丁接口，接口获取方法，在百度首页输入"IP"，就会出现阿拉丁界面。如下图所示：

     通过对该部分的网络请求分析，获取地址 http://opendata.baidu.com/api.php?query=122.49.34.58&co=&resource_id=6006&t=1414563340538&ie=utf8&oe=gbk&format=json&tn=baidu&_=1414563341538 可以获取IP的归属地，该接口返回的数据格式如下图所示：

    可以通过HttpClient模拟浏览器访问该地址，分析返回结果，获取该IP地址对应的归属地。如果自己有IP库，这一步就会简单很多。

    IP个归属地中间的对应关系解决了，就需要设计mapreduce的实现问题。

    map的输入就是一行原始记录，首先需要对记录进行拆分，取得IP地址，在通过上面提到的接口，查询该IP的归属地；map的输出结果是key为IP归属地，value为出现次数，一行记录就是1 。输出结果如下图所示：

    reduce就需要对同一个key下的记录求和即可，输出结果是key为IP归属地，value为出现次数，如下图所示：

    这一篇博客在mapreduce方面和上两篇没有太大的区别，所以这里也不再详细的阐述了，这一篇主要的目的就是在mapreduce程序中使用第三方的接口。需求分析就到此为止，下面就看具体的代码实现。

代码实现：

    ip归属地查询代码

/**
 * @Description: ip归属地查询
 */
package com.lulei.crawl.ip;

import java.io.IOException;
import java.util.Date;
import java.util.HashMap;

import org.apache.commons.httpclient.HttpException;

import com.lulei.crawl.CrawlBase;
import com.lulei.util.DoRegex;

/**
 * @author lulei
 * 这里继承了自己的封装类，在类CrawlBase中实现了网络数据的获取，并将网页源代码存储在pageSourceCode中
 */
public class IPInfo extends CrawlBase{
	private String ip;
	private String location;
	//第三方接口地址
	private static String ipUrl = "http://opendata.baidu.com/api.php?query=%ip%&co=&resource_id=6006&t=%t1%&ie=utf8&oe=gbk&format=json&tn=baidu&_=%t2%";
	private static long timeDifference = 1000L;
	private static HashMap<String, String> params;
	private static String locationRegex = "\"location\":\"(.*?)\"";
	
	//伪装浏览器
	static {
		params = new HashMap<String, String>();
		params.put("Referer", "http://www.baidu.com");
		params.put("User-Agent", "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/36.0.1985.125 Safari/537.36");
	}
	
	public IPInfo(String ip) throws HttpException, IOException {
		long t1 = new Date().getTime();
		long t2 = t1 + timeDifference;
		this.ip = ip;
		//组装请求地址
		String url = ipUrl.replaceAll("%ip%", ip)
									 .replaceAll("%t1%", t1 + "")
									 .replaceAll("%t2%", t2 + "");
		//获取网页源代码，具体的实现，这里就不详细的介绍，自己可以写简单的HttpClient实现此功能 
		readPageByGet(url, "utf-8", params);
		//解析源代码，获取归属地
		setLocation();
	}
	
	/**
	 * @author lulei
	 * 解析源代码，获取归属地
	 */
	private void setLocation() {
		this.location = DoRegex.getFirstString(getPageSourceCode(), locationRegex, 1);
	}
	
	public String getIp() {
		return ip;
	}
	public String getLocation() {
		return location;
	}

	/**
	 * @param args
	 * @throws IOException 
	 * @throws HttpException 
	 */
	public static void main(String[] args) throws HttpException, IOException {
		// TODO Auto-generated method stub
		String ip = "122.49.34.58";
		IPInfo ipinfo = new IPInfo(ip);
		System.out.println("ip：" +ip );
		System.out.println("归属地：" + ipinfo.getLocation());
	}
}

 /**  
 *@Description: 一行记录分析
 */ 
package com.mapreduce.log;  

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;

import com.lulei.crawl.ip.IPInfo;
  
  
public class LogLine {
	private String ip;
	private String location;
	private boolean right = true;
	private IntWritable one = new IntWritable(1);
	
	public LogLine(String textLine) {
		//检验一行日志数据是否符合要求，如不符合，将其标识为不可用
		if (textLine == null || "".equals(textLine)) {
			this.right = false;
			return;
		}
		String []strs = textLine.split(" ");
		if (strs.length < 2) {
			this.right = false;
			return;
		}
		//ip地址在第一个位置
		this.ip = strs[0];
		setLocation();
	}
	
	private void setLocation() {
		try {
			IPInfo ipInfo = new IPInfo(this.ip);
			this.location = ipInfo.getLocation();
		} catch (Exception e) {
			// TODO Auto-generated catch block  
			e.printStackTrace();
			//如果出现网络错误，将此IP的归属地设置成“未知”
			this.location = "未知";
		} 
	}

	/**
	 * @return
	 * @Author:lulei  
	 * @Description: map输出key
	 */
	public Text getMapKey() {
		return new Text(this.location);
	}
	
	/**
	 * @return
	 * @Author:lulei  
	 * @Description: map输出value
	 */
	public IntWritable getMapValue() {
		return this.one;
	}

	public boolean isRight() {
		return right;
	}
	
}

 /**  
 *@Description: IP归属地统计mapreduce实现   
 */ 
package com.mapreduce.log;  

import java.io.IOException;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;
import org.apache.hadoop.util.Tool;
import org.apache.hadoop.util.ToolRunner;

public class IPLocationMapReduce extends Configured implements Tool{

	/**
	 *@Description: IP归属地统计map 
	 *@Author:lulei  
	 *@Version:1.1.0
	 */
	public static class Map extends Mapper<LongWritable, Text, Text, IntWritable> {

		@Override
		protected void map(LongWritable key, Text value, Context context)
				throws IOException, InterruptedException {
			LogLine logLine = new LogLine(value.toString());
			if (logLine.isRight()) {
				context.write(logLine.getMapKey(), logLine.getMapValue());
			}
		}
		
	}
	
	/**
	 *@Description: IP归属地统计reduce
	 *@Author:lulei  
	 *@Version:1.1.0
	 */
	public static class Reduce extends Reducer<Text, IntWritable, Text, IntWritable> {

		@Override
		protected void reduce(Text key, Iterable<IntWritable> values, Context context)
				throws IOException, InterruptedException {
			int sum = 0;
			//对values进行求和操作
			for (IntWritable value : values) {
				sum += value.get();
			}
			context.write(key, new IntWritable(sum));
		}
		
	}

	@Override
	public int run(String[] arg0) throws Exception {
		Configuration conf = new Configuration();
		@SuppressWarnings("deprecation")
		Job job = new Job(conf);
		job.setJobName("ipcount");
		job.setInputFormatClass(TextInputFormat.class);
		
		//将输出设置为TextOutputFormat
		job.setOutputFormatClass(TextOutputFormat.class);
		job.setOutputKeyClass(Text.class);
		job.setOutputValueClass(IntWritable.class);
		
		//Mapper Combiner Reducer
		job.setMapperClass(Map.class);
		job.setCombinerClass(Reduce.class);
		job.setReducerClass(Reduce.class);
		
		//输入 输出路径
		FileInputFormat.addInputPath(job, new Path(arg0[0]));
		FileOutputFormat.setOutputPath(job, new Path(arg0[1]));
		
		job.waitForCompletion(true);
		
		return job.isSuccessful() ? 0 : 1;
	}

	public static void main(String[] args) {
		// TODO Auto-generated method stub 
		//这里没有对输入的参数做验证
		try {
			int res = ToolRunner.run(new Configuration(), new IPLocationMapReduce(), args);
			System.exit(res);
		} catch (Exception e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		}
	}
}

    打包、上传、运行这些步骤这里就不再详细介绍，具体可以参照博客 http://blog.csdn.net/xiaojimanman/article/details/40184581 最后一部分。

    对于自己写的数据的输出结果如下图所示：

     到此一个完整的mapreduce程序就完成了，关于hadoop的学习，自己还将继续~

使用hadoop实现ip地理位置统计~ip归属地和运营商

标签：mapreduce   ip归属地   运营商   地理位置   java   

原文地址：http://blog.csdn.net/xiaojimanman/article/details/40585565