怎么样使用 Redis 来存储和查询 ip 数据

3

今天我的朋友佛手给我打了个电话,他们网站的业务要根据客户的 ip 地址快速定位客户的地理位置。网上已经有一大堆类似的 ip 地址库可以用,但问题是这些地址库的数据表结构大多如下所示

+--------------+------------------+------+-----+---------+----------------+
| Field        | Type             | Null | Key | Default | Extra          |
+--------------+------------------+------+-----+---------+----------------+
| ip_id        | int(11) unsigned | NO   | PRI | NULL    | auto_increment |
| ip_country   | varchar(50)      | NO   |     | NULL    |                |
| ip_startip   | bigint(11)       | NO   | MUL | NULL    |                |
| ip_endip     | bigint(11)       | NO   | MUL | NULL    |                |
| country_code | varchar(2)       | NO   |     | NULL    |                |
| zone_id      | int(11)          | NO   |     | 0       |                |
+--------------+------------------+------+-----+---------+----------------+

最核心的部分是三个:ip_startipip_endip 以及 ip_id。其中 ip_id 是我们要查询的结果,当然你也可以把 zone_idip_country 包括进去。我这里就用 ip_id 来特指查询结果了。

面对这个表,没什么其它办法,你的查询语句只能是

sqlSELECT * FROM who_ip WHERE ip_startip <= {ip} AND ip_endip >= {ip}

其中 {ip} 是你要查询的 ip 地址,为了方便查询,在 php 中我们一般要用 ip2long 函数把它转换为一个整数。现在问题来了,这个表有 400 万条数据,无论你怎么优化它的索引结构(实际上我觉得这没啥用),在以上查询语句中都要耗费 2 秒以上的时间,对于一个高频使用的接口,这显然是不可忍受的。

REDIS 可以解决这个问题吗?

实际上这也是佛手同学最关心的问题,因为我们知道Redis有强大数据结构和超快的速度,那么我们能设计出适应这种查询场景的结构吗?

范围查询,我首先想到的就是Redis里面的Sorted Sets结构,这也是redis中唯一可以指定范围(SCORE值)查询的结构了,所以基本上我们的希望都寄托在它身上了。

最简单粗暴的方法就是把ip_startipip_endip都转化为Sorted Sets里的Score,然后把ip_id定义为Member。这样我们的查询就很简单了,只需要用ZRANGESCORE查询出离ip最近SCORE对应的两个ip_id即可。然后再分析,如果这两个ip_id是相同的,那么说明这个ip在这个地址段,如果不同的话证明这个ip地址没有被任何地址段所定义,是一个未知的ip。

基本逻辑是没有问题的,但是最大的问题还是性能上的挑战。根据我的经验,一个SET里面放10万条数据以上就已经很慢了,如果放到400万这种量级,我非常怀疑它跟mysql相比还有优势吗?

我设计的存储结构

我的解决方案是把这个地址库切分,每一片区最多保存65536个地址。也就是说如果一个ip地址段为188.88.77.22 - 188.90.78.10,那么我们就把它切分为

188.88.77.22 - 188.88.77.255
188.89.0.0 - 188.89.255.255
188.90.0.0 - 189.90.78.10

也就是我们保证每一个ip地址段都被保存在xxx.xxx.0.0 - xxx.xxx.255.255的一个区段中,这个区段的理论极限是保存65536个值,实际上要远小于这个数字。而这样的区段理论上也有65536个,这都是ip地址的设计所限,当然实际上也远小于这个值。

因此这样的设计基本上就能满足我们的性能需要了。以下是我用php写的数据切分程序

php<?php

// redis 参数
define('REDIS_HOST', '127.0.0.1');
define('REDIS_PORT', 6379);
define('REDIS_DB', 10);

define('MYSQL_HOST', 'localhost');
define('MYSQL_PORT', 3306);
define('MYSQL_USER', 'root');
define('MYSQL_PASS', '123456');
define('MYSQL_DB', 'who_brand');

define('MYSQL_TABLE', 'who_ip');
define('MYSQL_COLUMN_START', 'ip_startip');
define('MYSQL_COLUMN_END', 'ip_endip');
define('MYSQL_COLUMN_ID', 'ip_id');
define('MYSQL_PAGESIZE', 1000);

mysql_connect(MYSQL_HOST . ':' . MYSQL_PORT, MYSQL_USER, MYSQL_PASS);
mysql_select_db(MYSQL_DB);

function add_ip($page, $offset, $value) {
    static $redis;

    if (!$redis) {
        $redis = new Redis();
        $redis->connect(REDIS_HOST, REDIS_PORT);
        $redis->select(REDIS_DB);
    }

    $key = 'ip:' . $page;
    $redis->zAdd($key, $offset, $value);
}

$page = 0;
do {
    $offset = $page * MYSQL_PAGESIZE;
    $count = 0;

    $res = mysql_query('SELECT * FROM ' . MYSQL_TABLE . ' LIMIT ' . MYSQL_PAGESIZE . " OFFSET {$offset}");

    while ($ip = mysql_fetch_assoc($res)) {
        $start = $ip[MYSQL_COLUMN_START];
        $end = $ip[MYSQL_COLUMN_END];
        $value = $ip[MYSQL_COLUMN_ID];

        $startOffset = $start % 65536;
        $endOffset = $end % 65536;

        $start -= $startOffset;
        $end -= $endOffset;

        $startPage = $start / 65536;
        $endPage = $end / 65536;

        for ($i = $startPage; $i <= $endPage; $i ++) {
            if ($i == $startPage) {
                add_ip($i, $startOffset, 's:' . $value);

                if ($i != $endPage) {
                    add_ip($i, 65535, 'e:' . $value);
                }
            }

            if ($i == $endPage) {
                add_ip($i, $endOffset, 'e:' . $value);

                if ($i != $startPage) {
                    add_ip($i, 0, 's:' . $value);
                }
            }

            if ($i != $endPage && $i != $startPage) {
                add_ip($i, 0, 's:' . $value);
                add_ip($i, 65535, 'e:' . $value);
            }
        }

        echo ($page * MYSQL_PAGESIZE + $count) . "\n";
        $count ++;
    }

    $page ++;
} while ($count = MYSQL_PAGESIZE);

查询程序也非常简单

php<?php

define('REDIS_HOST', '127.0.0.1');
define('REDIS_PORT', 6379);
define('REDIS_DB', 10);

$redis = new Redis();
$redis->connect(REDIS_HOST, REDIS_PORT);
$redis->select(REDIS_DB);

$ip = ip2long('173.255.218.70');
$offset = $ip % 65536;
$page = ($ip - $offset) / 65536;


// 取出小于等于它的最接近值
$start = $redis->zRevRangeByScore('ip:' . $page, 0, $offset, array(
    'limit' => array(0, 1)
));

// 取出大于等于它的最接近值
$end = $redis->zRangeByScore('ip:' . $page, $offset, 65535, array(
    'limit' => array(0, 1)
));

if (empty($start) || empty($end)) {
    echo 'unknown';
    exit;
}

$start = $start[0];
$end = $end[0];

list ($startOp, $startId) = explode(':', $start);
list ($endOp, $endId) = explode(':', $end);

if ($startId != $endId) {
    echo 'unknown';
    exit;
}

echo $startId;

转载自我的博客:http://70.io/develop/use-redis-to-store-ip-data.html


如果觉得我的文章对你有用,请随意赞赏

你可能感兴趣的

10 条评论
卖掉内裤去上网 · 2013年12月05日

我的生涯一片无悔,想起那天夕阳下的奔跑,那是我逝去的青春

回复

罗音 · 2013年12月05日

拆了再拆,算法不错

回复

decli · 2013年12月05日

不太明白:最简单粗暴的方法就是把ip_startip和ip_endip都转化为Sorted Sets里的Score,然后把ip_id定义为Member。这样我们的查询就很简单了,只需要用ZRANGESCORE查询出离ip最近SCORE对应的两个ip_id即可。然后再分析,如果这两个ip_id是相同的...
这段话我没能理解:
ip_id 是 Member,怎么可能存在两个相同的 ip_id 呢?这玩意不就相当于 hashmap 的key吗?插入重复的 member 会覆盖的啊?你怎么做到“把ip_startip和ip_endip都转化为Sorted Sets里的Score,然后把ip_id定义为Member” 呢?

回复

joyqi 作者 · 2013年12月06日

可能我的表达过于简略了,你可以看到我的代码,存储时对ip_id做了处理了,起始段用的是s:{ip_id},截止段用的是e:{ip_id}

回复

decli · 2013年12月06日

哦,明白了,ths~

回复

pi1ot · 2013年12月10日

空间换时间就是了,就算你把每个独立IP段分拆出来存成一个key-value也是可以接受的,redis、mc、甚至直接用文件系统都可以,o(1)

回复

碎__了 · 2013年12月25日

我想到另外一个方法,利用数学的直线原理,直接把start_ip和end_ip存在一个字段里,如果abs(start_ip-ip)+abs(end_ip-ip)=end_ip-start_ip,则ip就在这个范围,然后采用类似于的近距离搜索算法来进行优化,或者直接把ip库放到内存里,反正也不大

回复

Fdream · 2014年01月17日

不知道你对地理位置要求多精确?我记得之前纯真库的数据条数也就30万左右吧,如果只是要求精确到地级市级别的话,应该可以合并一些记录,估计至少能够压缩到10万条记录以内。

回复

水哥 · 2014年04月16日

额,前两天刚好有这个任务需求,并写了个博客http://blog.segmentfault.com/waterblog/1190000000471570
现在写的通过ip查询地址,属于重复造轮子了,PHP有C语言的扩展,效率不是一般的高,在本地测试的时候支持每秒查询至少5万次的效率,完全满足了需求了。
这两种方法都是使用二进制的文件,通过折半查找(快速查找)法,效率极高。

回复

lizhifeng · 2015年06月03日

这个没有直接的第三方查询工具么,直接使用第三方的数据,

回复

载入中...