巧用 Nginx 的 geo 模块来记录地理信息

Nginx 提供了 GeoIP 来记录来源 IP 的地理位置信息，但 GeoIP 所依赖的 IP 库是收费项目，免费的模块只能区分国家信息，不大适合在线上使用。而 Nginx 另外也提供了 Geo 指令，一直以为 IP 库比较庞大，Nginx 加载的时候开销会增加，以前特意试了下，其实情况还很不错。

GEO 指令介绍

geo 指令主要是可以根据指定变量的值映射出一个新变量。 如果不指定变量，默认为$remote_addr，从 nginx 0.7.27 开始，可以根据任意变量映射新变量。

IP 库收敛

没有进行收敛的 IP 库行数很多，有的文件还特别大，加载起来比较慢，所以进行 IP 库的收敛以减少库文件的大小，还是很有必要的。

IP 库来自于 GSLB 和视频的修改版本，为了减少存储，特意将国家和省份的中文转换为英文，部分运营商的中文就没有简化了，可按 GSLB 的标准简化为数字代码。

GSLB 是英文Global Server Load Balance的缩写，意思是全局负载均衡。

geo 的拼音版本见附件 geo_en_20160918.tar.gz。

IP 网段收敛的工具来自于以前写的一个单线程的程序，处理上千万行的文本时，内存不够用了，如果要处理的文本过大，得手工分割下，多次收敛后再合并。因为没法贴附件，如果需要可以在评论区留言。

利用该工具，针对国家、省份和运营商三个维度进行了收敛，收敛后三个文件不到 3.5M。如果有必要，也可以针对城市再进行收敛。

另外，港澳台既在国家地区里，另外又在中国的省份文件里。

中国运营商映射文件

收敛后的文件扩展名为.geo，方便 include 进 nginx 的配置文件。按运营商收敛后，ip 段共 9983 行。

geo $geo_isp {
        ranges;
        1.0.1.0-1.0.3.255       CTC;
        1.0.8.0-1.0.15.255      CTC;
        1.0.32.0-1.0.63.255     CTC;
        1.1.0.0-1.1.0.255       CTC;
        1.1.2.0-1.1.63.255      CTC;
        1.2.0.0-1.2.1.255       CTC;
        ......
}

国家/地区映射文件

GSLB 的 IP 库引入了很多干扰项，譬如组播地址、内网地址、保留地址都对应了地理位置，为了保证纯粹性，下载了 2016 年 9 月 15 日的 delegated-arin-extended 库文件，提取了国家和地区信息。

去掉了部分内网和多播网段，按国家收敛后有 87007 行。

geo  $geo_zone {
        ranges;
        1.0.0.0-1.0.0.255       AU;
        1.0.1.0-1.0.3.255       CN;
        1.0.4.0-1.0.7.255       AU;
        1.0.8.0-1.0.15.255      CN;
        1.0.16.0-1.0.31.255     JP;
        1.0.32.0-1.0.63.255     CN;
        1.0.64.0-1.0.127.255    JP;
        1.0.128.0-1.0.255.255   TH;
        1.1.0.0-1.1.0.255       CN;
        1.1.1.0-1.1.1.255       AU;
        ......
}

中国省份映射文件

国内按省份收敛后有 13240 行。

geo $geo_prov {
        ranges;
        1.0.1.0-1.0.3.255       FJ;
        1.0.8.0-1.0.15.255      GD;
        1.0.32.0-1.0.63.255     GD;
        1.1.0.0-1.1.0.255       FJ;
        1.1.2.0-1.1.7.255       FJ;
        1.1.8.0-1.1.63.255      GD;
        1.2.0.0-1.2.1.255       FJ;
        1.2.2.0-1.2.2.255       BJ;
        1.2.4.0-1.2.4.255       BJ;
        1.2.5.0-1.2.7.255       FJ;
        ......
}

应用场景

网上说的用 geo 来做负载均衡来调度，不大靠谱，不适合腾讯网之类的大网站，不过比较适合各地都有站点的地方站、论坛、城市、房产、旅游等网站，可以根据访客地理位置将请求 302 到特定站点。

另外，最常规的应用，就是将$geo_isp、$geo_zone、$geo_prov 三个变量加到日志格式定义里，这样，在日志里就可看到每次请求的地理位置，以供后续的统计分析。

使用方法

将这三个 geo 文件放置在 nginx 安装目录的 conf/geo 子目录下，然后用下述指令包含进去，前面说的三个变量就可以用了。

include  geo/*.geo;

效果

下面简单列出了 9 月 22 日 17 点前每个省的访问次数分布图，后续也可很容易分析出跨省/跨网访问趋势来。

性能消耗

找了 1 台 2008 年的 C1，活动连接不到 1 万，出入包量各在 3 万左右，在 nginx 里加载了这 3 个文件，性能消耗基本可以忽略不计。

启动时间

加载起来很快，大大出乎我的意料，fw.qq.com 加载的是 SNG 的 ip 库，有段时间文件非常大，加载起来都是以分钟计的，所以以前对 ip 库的加载一直有阴影，看来加载个 4.3M 的文件，基本无影响。

# time /usr/local/nginx/sbin/nginx -s reload

real    0m0.480s
user    0m0.316s
sys     0m0.104s

性能

加载的时候负载有上升 50%，稍后又恢复，CPU 基本看不出变化。