不會飛的鳥

2010年12月10日 ... 不鳥他們！！！我要用自己開發的分布式文件系統、分布式調度系統、分布式檢索系統，做自己的搜索引擎！！！大魚有大志！！！ ---楊書童

統計

隨筆 - 89
文章 - 1
評論 - 18
引用 - 0

常用鏈接

留言簿(4)

隨筆檔案

文章檔案

2006年4月 (1)

搜索

閱讀排行榜

評論排行榜

[轉]純真IP數據庫格式詳解

摘要

網絡上的IP數據庫以純真版的最為流行，LumaQQ也采用了純真版IP數據庫做為IP查詢功能的基礎。不過關于其格式的文檔卻非常之少，后來終于在網上找到了一份文檔，得以了解其內幕，不過那份文檔寥寥數語，也是頗為耐心才讀明白。在這里我重寫一份，以此做為LumaQQ開發者文檔的一部分，我想還是必要的。本文詳細介紹了純真IP數據庫的格式，并且給出了一些Demo以供參考。
Luma, 清華大學
修改日期： 2005/01/14

Note: 在此感謝純真IP數據庫作者金狐和那唯一一份文檔的作者。

修改歷史:
2005-01-14 修改了原來一些表達不清和錯誤的地方

--------------------------------------------------------------------------------

自從有了IP數據庫這種東西，QQ外掛的顯示IP功能也隨之而生，本人見識頗窄，是否還有其他應用不得而知，不過，IP數據庫確實是個不錯的東西。如今網絡上最流行的IP數據庫我想應該是純真版的（說錯了也不要扁我），迄今為止其IP記錄條數已經接近30000，對于有些IP甚至能精確到樓層，不亦快哉。 2004年4、5月間，正逢LumaQQ破土動工，為了加上這個人人都喜歡，但是好像人人都不知道為什么喜歡的顯IP功能，我也采用了純真版IP數據庫，它的優點是記錄多，查詢速度快，它只用一個文件QQWry.dat就包含了所有記錄，方便嵌入到其他程序中，也方便升級。

基本結構
QQWry.dat文件在結構上分為3塊：文件頭，記錄區，索引區。一般我們要查找IP時，先在索引區查找記錄偏移，然后再到記錄區讀出信息。由于記錄區的記錄是不定長的，所以直接在記錄區中搜索是不可能的。由于記錄數比較多，如果我們遍歷索引區也會是有點慢的，一般來說，我們可以用二分查找法搜索索引區，其速度比遍歷索引區快若干數量級。圖1是QQWry.dat的文件結構圖。

[img]http://lumaqq.linuxsir.org/article/images/1/qqwry_dat_overview.gif[img]
圖1. QQWry.dat文件結構
要注意的是，QQWry.dat里面全部采用了little-endian字節序

一. 了解文件頭
QQWry.dat的文件頭只有8個字節，其結構非常簡單，首四個字節是第一條索引的絕對偏移，后四個字節是最后一條索引的絕對偏移。

二. 了解記錄區
每條IP記錄都由國家和地區名組成，國家地區在這里并不是太確切，因為可能會查出來“清華大學計算機系”之類的，這里清華大學就成了國家名了，所以這個國家地區名和IP數據庫制作的時候有關系。所以記錄的格式有點像QName，有一個全局部分和局部部分組成，我們這里還是沿用國家名和地區名的說法。

于是我們想象著一條記錄的格式應該是: [IP地址][國家名][地區名]，當然，這個沒有什么問題，但是這只是最簡單的情況。很顯然，國家名和地區名可能會有很多的重復，如果每條記錄都保存一個完整的名稱拷貝是非常不理想的，所以我們就需要重定向以節省空間。所以為了得到一個國家名或者地區名，我們就有了兩個可能：第一就是直接的字符串表示的國家名，第二就是一個4字節的結構，第一個字節表明了重定向的模式，后面3個字節是國家名或者地區名的實際偏移位置。對于國家名來說，情況還可能更復雜些，因為這樣的重定向最多可能有兩次。

那么什么是重定向模式？根據上面所說，一條記錄的格式是[IP地址][國家記錄][地區記錄]，如果國家記錄是重定向的話，那么地區記錄是有可能沒有的，于是就有了兩種情況，我管他叫做模式1和模式2。我們對這些格式的情況舉圖說明：

圖2. IP記錄的最簡單形式
圖2表示了最簡單的IP記錄格式，我想沒有什么可以解釋的

圖3. 重定向模式1
圖3演示了重定向模式1的情況。我們看到在模式1的情況下，地區記錄也跟著國家記錄走了，在IP地址之后只剩下了國家記錄的4字節，后面3個字節構成了一個指針，指向了實際的國家名，然后又跟著地址名。模式1的標識字節是0x01。

圖4. 重定向模式2
圖4演示了重定向模式2的情況。我們看到了在模式2的情況下（其標識字節是0x02），地區記錄沒有跟著國家記錄走，因此在國家記錄之后4個字節之后還是有地區記錄。我想你已經明白了模式1和模式2的區別，即：模式1的國家記錄后面不會再有地區記錄，模式2的國家記錄后會有地區記錄。下面我們來看一下更復雜的情況。

圖5. 混和情況1
圖5演示了當國家記錄為模式1的時候可能出現的更復雜情況，在這種情況下，重定向指向的位置仍然是個重定向，不過第二次重定向為模式2。大家不用擔心，沒有模式3了，這個重定向也最多只有兩次，并且如果發生了第二次重定向，則其一定為模式2，而且這種情況只會發生在國家記錄上，對于地區記錄，模式1和模式 2是一樣的，地區記錄也不會發生2次重定向。不過，這個圖還可以更復雜，如圖7：

圖6. 混和情況2
圖6是模式1下最復雜的混和情況，不過我想應該也很好理解，只不過地區記錄也來重定向而已，有一點我要提醒你，如果重定向的地址是0，則表示未知的地區名。

所以我們總結如下：一條IP記錄由[IP地址][國家記錄][地區記錄]組成，對于國家記錄，可以有三種表示方式：字符串形式，重定向模式1和重定向模式 2。對于地區記錄，可以有兩種表示方式：字符串形式和重定向，另外有一條規則：重定向模式1的國家記錄后不能跟地區記錄。按照這個總結，在這些方式中合理組合，就構成了IP記錄的所有可能情況。

設計的理由
在我們繼續去了解索引區的結構之前，我們先來了解一下為何記錄區的結構要如此設計。我想你可能想到了答案：字符串重用。沒錯，在這種結構下，對于一個國家名和地區名，我只需要保存其一次就可以了。我們舉例說明，為了表示方便，我們用小寫字母代表IP記錄，C表示國家名，A表示地區名：

有兩條記錄a(C1, A1), b(C2, A2)，如果C1 = C2, A1 = A2，那么我們就可以使用圖3顯示的結構來實現重用
有三條記錄a(C1, A1), b(C2, A2), c(C3, A3)，如果C1 = C2, A2 = A3，現在我們想存儲記錄b，那么我們可以用圖6的結構來實現重用
有兩條記錄a(C1, A1), b(C2, A2)，如果C1 = C2，現在我們想存儲記錄b，那么我們可以采用模式2表示C2，用字符串表示A2

你可以舉出更多的情況，你也會發現在這種結構下，不同的字符串只需要存儲一次。

了解索引區
在"了解文件頭"部分，我們說明了文件頭實際上是兩個指針，分別指向了第一條索引和最后一條索引的絕對偏移。如圖8所示：

圖8. 文件頭指向索引區圖示
實在是很簡單，不是嗎？從文件頭你就可以定位到索引區，然后你就可以開始搜索IP了！每條索引長度為7個字節，前4個字節是起始IP地址，后三個字節就指向了IP記錄。這里有些概念需要說明一下，什么是起始IP，那么有沒有結束IP？假設有這么一條記錄：166.111.0.0 - 166.111.255.255，那么166.111.0.0就是起始IP，166.111.255.255就是結束IP，結束IP就是IP記錄中的那頭 4個字節，這下你應該就清楚了吧。于是乎，每條索引配合一條記錄，構成了一個IP范圍，如果你要查找166.111.138.138所在的位置，你就會發現166.111.138.138落在了166.111.0.0 - 166.111.255.255 這個范圍內，那么你就可以順著這條索引去讀取國家和地區名了。那么我們給出一個最詳細的圖解吧：

圖9. 文件詳細結構
現在一切都清楚了是不是？也許還有一點你不清楚，QQWry.dat的版本信息存在哪里呢？答案是：最后一條IP記錄實際上就是版本信息，最后一條記錄顯示出來就是這樣：255.255.255.0 255.255.255.255 純真網絡 2004年6月25日IP數據。OK，到現在你應該全部清楚了。

posted on 2011-10-01 21:52 不會飛的鳥閱讀(336) 評論(0) 編輯收藏引用

只有注冊用戶登錄后才能發表評論。




網站導航: 博客園 IT新聞 BlogJava 博問 Chat2DB 管理

青青草原综合久久大伊人导航_色综合久久天天综合_日日噜噜夜夜狠狠久久丁香五月_热久久这里只有精品