细心的朋友应该会发现，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，国内的用户显示的省份，而且此项显示无法关闭，归属地强制显示。

作为技术人，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，主要分为以下几步：

• 通过 HttpServlet request 对象，获取用户的 IP 地址
• 通过 IP 地址，获取对应的省份、城市

首先需要写一个 IP 获取的工具类，因为每一次用户的 Request 请求，都会携带上请求的 IP 地址放到请求头中

通过此方法，从请求Header中获取到用户的IP地址

原来的请求源码如下：

可以看到日志log文件中，大量的the request over max qps for user问题

下面，给大家介绍下之前在 github 冲浪时发现的今天的主角：

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，准提供了众多主流编程语言的 xdb 数据生成和查询客户端实现。

99.9%准确率：

数据聚合了一些知名ip到地名查询提供商的数据，这些是他们官方的的准确率，经测试着实比经典的纯真IP定位准确一些。

ip2region的数据聚合自以下服务商的开放API或者数据(升级程序每秒请求次数2到4次):

01, >80%, 淘宝IP地址库,

02, ≈10%, GeoIP,

03, ≈2%, 纯真IP库,

备注：如果上述开放API或者数据都不给开放数据时ip2region将停止数据的更新服务。

多查询客户端的支持

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 。

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：

1. 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。
2. 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 ip 2region 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>ipregion</artifactId>
    <version>.6.4</version>
</dependency> 

• 完全基于文件的查询

 import org.lionsoul.ipregion.xdb.Searcher;
import java.io.*;
import java.util.concurrent.TimeUnit;

public class SearcherTest {
    public  static   void  main(String[] args) {
        //、创建 searcher 对象
        String dbPath = "ipregion.xdb  File  path";
        Searcher searcher = null;
        try {
            searcher = Searcher.newWithFileOnly(dbPath);
        } catch (IO Exception  e) {
            System.out.printf("failed to create searcher with `%s`: %sn", dbPath, e);
            return;
        }

        //、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，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.ipregion.xdb.Searcher;
import java.io.*;
import java.util.concurrent.TimeUnit;

public class SearcherTest {
    public static void main(String[] args) {
        String dbPath = "ipregion.xdb file path";

        //、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;
        }

        //、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;
        }

        //、查询
        try {
            String ip = ".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.ipregion.xdb.Searcher;
import java.io.*;
import java.util.concurrent.TimeUnit;

public class SearcherTest {
    public static void main(String[] args) {
        String dbPath = "ipregion.xdb file path";

        //、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;
        }

        //、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;
        }

        //、查询
        try {
            String ip = ".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:(v.0_xdb) ✗ java -jar target/ip2region-2.6.0.jar search
java -jar ipregion-{version}.jar search [command options]
options:
 --db string              ipregion 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:(v.0_xdb) ✗ java -jar target/ip2region-2.6.0.jar search --db=../../data/ip2region.xdb
ipregion xdb searcher test program, cachePolicy: vectorIndex
type 'quit' to exit
ipregion>> 1.2.3.4
{region: 美国|| 华盛顿 |0| 谷歌 , ioCount: 7, took: 82 μs}
ipregion>> 

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:(v.0_xdb) ✗ java -jar target/ip2region-2.6.0.jar bench
java -jar ipregion-{version}.jar bench [command options]
options:
 --db string              ipregion 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:(v.0_xdb) ✗ java -jar target/ip2region-2.6.0.jar bench --db=../../data/ip2region.xdb --src=../../data/ip.merge.txt
Bench finished, {cachePolicy: vectorIndex, total:, 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