php二分法在IP地址查詢中的應用

數據庫大概存儲幾十萬條IP記錄,記錄集如下:


+----------+----------+------------+---------+---------+--------+--------+
| ip_begin | ip_end | country_id | prov_id | city_id | isp_id | netbar |
+----------+----------+------------+---------+---------+--------+--------+
| 0 | 16777215 | 2 | 0 | 0 | 0 | 0 |
| 16777216 | 33554431 | 2 | 0 | 0 | 0 | 0 |
| 33554432 | 50331647 | 2 | 0 | 0 | 0 | 0 |
| 50331648 | 67108863 | 3 | 0 | 0 | 0 | 0 |
| 67108864 | 67829759 | 3 | 0 | 0 | 0 | 0 |
+----------+----------+------------+---------+---------+--------+--------+
  這樣做查詢需要用到如下SQL:
<?php
$sql = 'SELECT * FROM i_m_ip WHERE ip_begin <= $client_ip AND ip_end >= $client_ip';
?>
  這樣的檢索顯然用不到索引,即使用到,MySQL查詢效率也不大可能達到每秒500次以上,我做了很多併發優化,最終平均查詢效率也只有每秒200次左右,實在是頭痛。一開始我也有想到借鑑純真IP庫的檢索方法,但是我一直對算法有抵觸,也以爲二分法很難,所以就沒有嘗試使用,直到最後沒有辦法了,才最終實現了二分法的IP地址檢索。
  從上表可以看到IP庫是從0到4294967295的一個連續數值,這個數值要是拆開存儲,會有幾百G的數據,所以沒辦法使用索引也沒辦法哈希。最終我使用PHP將這些東東轉爲二進制存儲,拋棄了數據庫的檢索。可以看到IP起止長度爲一個4字節的長整型,後面的國家ID、省份ID等,可以使用2個字節的短整型來存儲,總共一行數據就有18個字節,總共31萬條數據,算起來也就5M的樣子。具體IP庫生成代碼如下:
<?php
/*
IP文件格式:
3741319168 3758096383 182 0 0 0 0
3758096384 3774873599 3 0 0 0 0
3774873600 4026531839 182 0 0 0 0
4026531840 4278190079 182 0 0 0 0
4294967040 4294967295 312 0 0 0 0
*/
set_time_limit(0);
$handle = fopen('./ip.txt', 'rb');
$fp = fopen("./ip.dat", 'ab');
if ($handle) {
while (!feof($handle)) {
$buffer = fgets($handle);
$buffer = trim($buffer);
$buffer = explode("/t", $buffer);
foreach ($buffer as $key => $value) {
$buffer[$key] = (float) trim($value);
}
$str = pack('L', $buffer[0]);
$str .= pack('L', $buffer[1]);
$str .= pack('S', $buffer[2]);
$str .= pack('S', $buffer[3]);
$str .= pack('S', $buffer[4]);
$str .= pack('S', $buffer[5]);
$str .= pack('S', $buffer[6]);
fwrite($fp, $str);
}
}
?>

  這樣IP就按照順序每18字節一個單位排列了,所以很容易就使用二分法來檢索出IP信息:
function getip($ip, $fp) {
fseek($fp, 0);
$begin = 0;
$end = filesize('./ip.dat');
$begin_ip = implode('', unpack('L', fread($fp, 4)));
fseek($fp, $end - 14);
$end_ip = implode('', unpack('L', fread($fp, 4)));
$begin_ip = sprintf('%u', $begin_ip);
$end_ip = sprintf('%u', $end_ip);

do {
if ($end - $begin <= 18) {
fseek($fp, $begin + 8);
$info = array();
$info[0] = implode('', unpack('S', fread($fp, 2)));
$info[1] = implode('', unpack('S', fread($fp, 2)));
$info[2] = implode('', unpack('S', fread($fp, 2)));
$info[3] = implode('', unpack('S', fread($fp, 2)));
$info[4] = implode('', unpack('S', fread($fp, 2)));
return $info;
}

$middle_seek = ceil((($end - $begin) / 18) / 2) * 18 + $begin;

fseek($fp, $middle_seek);
$middle_ip = implode('', unpack('L', fread($fp, 4)));
$middle_ip = sprintf('%u', $middle_ip);

if ($ip >= $middle_ip) {
$begin = $middle_seek;
} else {
$end = $middle_seek;
}
} while (true);
}

  以上$fp爲打開ip.dat的文件句柄,由於是循環檢索,所以寫在函數外面,免得每次檢索都要打開一次文件,30W行數據二分法最多也只需要循環7次(2^7)左右即可找到準確的IP信息。之後本來還想將ip.dat放在內存中加快檢索速度,後來發現,字符串定位函數的效率,根本和文件指針的偏移定位不是在一個數量級的,所以還是放棄使用內存來存放IP庫。

 

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章