摘要

網(wǎng)絡(luò)上的IP數(shù)據(jù)庫(kù)以純真版的最為流行，LumaQQ也采用了純真版IP數(shù)據(jù)庫(kù)做為IP查詢(xún)功能的基礎(chǔ)。不過(guò)關(guān)于其格式的文檔卻非常之少，后來(lái)終于在網(wǎng)上找到了一份文檔，得以了解其內(nèi)幕，不過(guò)那份文檔寥寥數(shù)語(yǔ)，也是頗為耐心才讀明白。在這里我重寫(xiě)一份，以此做為L(zhǎng)umaQQ開(kāi)發(fā)者文檔的一部分，我想還是必要的。本文詳細(xì)介紹了純真IP數(shù)據(jù)庫(kù)的格式，并且給出了一些Demo以供參考。
Luma, 清華大學(xué)
修改日期： 2005/01/14

Note: 在此感謝純真IP數(shù)據(jù)庫(kù)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(lái)一些表達(dá)不清和錯(cuò)誤的地方


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

自從有了IP數(shù)據(jù)庫(kù)這種東西，本人見(jiàn)識(shí)頗窄，是否還有其他應(yīng)用不得而知，不過(guò)，IP數(shù)據(jù)庫(kù)確實(shí)是個(gè)不錯(cuò)的東西。如今網(wǎng)絡(luò)上最流行的IP數(shù)據(jù)庫(kù)我想應(yīng)該是純真版的（說(shuō)錯(cuò)了也不要扁我），迄今為止其IP記錄條數(shù)已經(jīng)接近30000，對(duì)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(dòng)工，為了加上這個(gè)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(shù)據(jù)庫(kù)，它的優(yōu)點(diǎn)是記錄多，查詢(xún)速度快，它只用一個(gè)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(jí)。

基本結(jié)構(gòu)
QQWry.dat文件在結(jié)構(gòu)上分為3塊：文件頭，記錄區(qū)，索引區(qū)。一般我們要查找IP時(shí)，先在索引區(qū)查找記錄偏移，然后再到記錄區(qū)讀出信息。由于記錄區(qū)的記錄是不定長(zhǎng)的，所以直接在記錄區(qū)中搜索是不可能的。由于記錄數(shù)比較多，如果我們遍歷索引區(qū)也會(huì)是有點(diǎn)慢的，一般來(lái)說(shuō)，我們可以用二分查找法搜索索引區(qū)，其速度比遍歷索引區(qū)快若干數(shù)量級(jí)。圖1是QQWry.dat的文件結(jié)構(gòu)圖。


[img]/upload/2007721172051220.gif[img]
圖1. QQWry.dat文件結(jié)構(gòu)
要注意的是，QQWry.dat里面全部采用了little-endian字節(jié)序

一. 了解文件頭
QQWry.dat的文件頭只有8個(gè)字節(jié)，其結(jié)構(gòu)非常簡(jiǎn)單，首四個(gè)字節(jié)是第一條索引的絕對(duì)偏移，后四個(gè)字節(jié)是最后一條索引的絕對(duì)偏移。

二. 了解記錄區(qū)
每條IP記錄都由國(guó)家和地區(qū)名組成，國(guó)家地區(qū)在這里并不是太確切，因?yàn)榭赡軙?huì)查出來(lái)“清華大學(xué)計(jì)算機(jī)系”之類(lèi)的，這里清華大學(xué)就成了國(guó)家名了，所以這個(gè)國(guó)家地區(qū)名和IP數(shù)據(jù)庫(kù)制作的時(shí)候有關(guān)系。所以記錄的格式有點(diǎn)像QName，有一個(gè)全局部分和局部部分組成，我們這里還是沿用國(guó)家名和地區(qū)名的說(shuō)法。

于是我們想象著一條記錄的格式應(yīng)該是: [IP地址][國(guó)家名][地區(qū)名]，當(dāng)然，這個(gè)沒(méi)有什么問(wèn)題，但是這只是最簡(jiǎn)單的情況。很顯然，國(guó)家名和地區(qū)名可能會(huì)有很多的重復(fù)，如果每條記錄都保存一個(gè)完整的名稱(chēng)拷貝是非常不理想的，所以我們就需要重定向以節(jié)省空間。所以為了得到一個(gè)國(guó)家名或者地區(qū)名，我們就有了兩個(gè)可能：第一就是直接的字符串表示的國(guó)家名，第二就是一個(gè)4字節(jié)的結(jié)構(gòu)，第一個(gè)字節(jié)表明了重定向的模式，后面3個(gè)字節(jié)是國(guó)家名或者地區(qū)名的實(shí)際偏移位置。對(duì)于國(guó)家名來(lái)說(shuō)，情況還可能更復(fù)雜些，因?yàn)檫@樣的重定向最多可能有兩次。

那么什么是重定向模式？根據(jù)上面所說(shuō)，一條記錄的格式是[IP地址][國(guó)家記錄](méi)[地區(qū)記錄](méi)，如果國(guó)家記錄是重定向的話(huà)，那么地區(qū)記錄是有可能沒(méi)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(duì)這些格式的情況舉圖說(shuō)明：



圖2. IP記錄的最簡(jiǎn)單形式
圖2表示了最簡(jiǎn)單的IP記錄格式，我想沒(méi)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(qū)記錄也跟著國(guó)家記錄走了，在IP地址之后只剩下了國(guó)家記錄的4字節(jié)，后面3個(gè)字節(jié)構(gòu)成了一個(gè)指針，指向了實(shí)際的國(guó)家名，然后又跟著地址名。模式1的標(biāo)識(shí)字節(jié)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(biāo)識(shí)字節(jié)是0x02），地區(qū)記錄沒(méi)有跟著國(guó)家記錄走，因此在國(guó)家記錄之后4個(gè)字節(jié)之后還是有地區(qū)記錄。我想你已經(jīng)明白了模式1和模式2的區(qū)別，即：模式1的國(guó)家記錄后面不會(huì)再有地區(qū)記錄，模式2的國(guó)家記錄后會(huì)有地區(qū)記錄。下面我們來(lái)看一下更復(fù)雜的情況。



圖5. 混和情況1
圖5演示了當(dāng)國(guó)家記錄為模式1的時(shí)候可能出現(xiàn)的更復(fù)雜情況，在這種情況下，重定向指向的位置仍然是個(gè)重定向，不過(guò)第二次重定向?yàn)槟Ｊ?。大家不用擔(dān)心，沒(méi)有模式3了，這個(gè)重定向也最多只有兩次，并且如果發(fā)生了第二次重定向，則其一定為模式2，而且這種情況只會(huì)發(fā)生在國(guó)家記錄上，對(duì)于地區(qū)記錄，模式1和模式 2是一樣的，地區(qū)記錄也不會(huì)發(fā)生2次重定向。不過(guò)，這個(gè)圖還可以更復(fù)雜，如圖7：



圖6. 混和情況2
圖6是模式1下最復(fù)雜的混和情況，不過(guò)我想應(yīng)該也很好理解，只不過(guò)地區(qū)記錄也來(lái)重定向而已，有一點(diǎn)我要提醒你，如果重定向的地址是0，則表示未知的地區(qū)名。

所以我們總結(jié)如下：一條IP記錄由[IP地址][國(guó)家記錄](méi)[地區(qū)記錄](méi)組成，對(duì)于國(guó)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(duì)于地區(qū)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(guī)則：重定向模式1的國(guó)家記錄后不能跟地區(qū)記錄。按照這個(gè)總結(jié)，在這些方式中合理組合，就構(gòu)成了IP記錄的所有可能情況。

設(shè)計(jì)的理由
在我們繼續(xù)去了解索引區(qū)的結(jié)構(gòu)之前，我們先來(lái)了解一下為何記錄區(qū)的結(jié)構(gòu)要如此設(shè)計(jì)。我想你可能想到了答案：字符串重用。沒(méi)錯(cuò)，在這種結(jié)構(gòu)下，對(duì)于一個(gè)國(guó)家名和地區(qū)名，我只需要保存其一次就可以了。我們舉例說(shuō)明，為了表示方便，我們用小寫(xiě)字母代表IP記錄，C表示國(guó)家名，A表示地區(qū)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(jié)構(gòu)來(lái)實(shí)現(xiàn)重用
有三條記錄a(C1, A1), b(C2, A2), c(C3, A3)，如果C1 = C2, A2 = A3，現(xiàn)在我們想存儲(chǔ)記錄b，那么我們可以用圖6的結(jié)構(gòu)來(lái)實(shí)現(xiàn)重用
有兩條記錄a(C1, A1), b(C2, A2)，如果C1 = C2，現(xiàn)在我們想存儲(chǔ)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(huì)發(fā)現(xiàn)在這種結(jié)構(gòu)下，不同的字符串只需要存儲(chǔ)一次。

了解索引區(qū)
在"了解文件頭"部分，我們說(shuō)明了文件頭實(shí)際上是兩個(gè)指針，分別指向了第一條索引和最后一條索引的絕對(duì)偏移。如圖8所示：



圖8. 文件頭指向索引區(qū)圖示
實(shí)在是很簡(jiǎn)單，不是嗎？從文件頭你就可以定位到索引區(qū)，然后你就可以開(kāi)始搜索IP了！每條索引長(zhǎng)度為7個(gè)字節(jié)，前4個(gè)字節(jié)是起始IP地址，后三個(gè)字節(jié)就指向了IP記錄。這里有些概念需要說(shuō)明一下，什么是起始IP，那么有沒(méi)有結(jié)束IP？ 假設(shè)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(jié)束IP，結(jié)束IP就是IP記錄中的那頭 4個(gè)字節(jié)，這下你應(yīng)該就清楚了吧。于是乎，每條索引配合一條記錄，構(gòu)成了一個(gè)IP范圍，如果你要查找166.111.138.138所在的位置，你就會(huì)發(fā)現(xiàn)166.111.138.138落在了166.111.0.0 - 166.111.255.255 這個(gè)范圍內(nèi)，那么你就可以順著這條索引去讀取國(guó)家和地區(qū)名了。那么我們給出一個(gè)最詳細(xì)的圖解吧：



圖9. 文件詳細(xì)結(jié)構(gòu)
現(xiàn)在一切都清楚了是不是？也許還有一點(diǎn)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(shí)際上就是版本信息，最后一條記錄顯示出來(lái)就是這樣：255.255.255.0 255.255.255.255 純真網(wǎng)絡(luò) 2004年6月25日IP數(shù)據(jù)。OK，到現(xiàn)在你應(yīng)該全部清楚了。