解析oui.txt文件，通过MAC前缀获取Organization

1、前言

　　OUI是指Organizationally unique identifier  （组织唯一标识符），签发给各类组织的唯一标识符。MAC地址共有6个字节48位组成，前3个字节体现了OUI，其表明了NIC的制造组织。通常情况下，该标识符是唯一的。详细介绍参考：http://standards.ieee.org/develop/regauth/oui/public.html。oui.txt文件中记录世界所有网卡的制造厂商，共有18859个。文件中记录mac的前三位与公司的对应关系。本文目地是对oui.txt文件进行解析，生产一个信息的文件，在程序中可以根据制定的mac地址，快速查找其对应的公司名称。在此将MAC前三个字节简称为MAC前缀。

2、初步处理

　　oui.txt文件内容很有规律，根据MAC前缀由小到大记录。但是，MAC前缀并不是连续的，中间有些间断，但是顺序是由小到大。原始文件内容格式如下所示：

 OUI Organization company_id Organization Address 00-00-00 (hex) XEROX CORPORATION 000000     (base 16) XEROX CORPORATION M/S 105-50C 800 PHILLIPS ROAD WEBSTER NY 14580 UNITED STATES 00-00-01 (hex) XEROX CORPORATION 000001     (base 16) XEROX CORPORATION ZEROX SYSTEMS INSTITUTE M/S 105-50C 800 PHILLIPS ROAD WEBSTER NY 14580 UNITED STATES 00-00-02 (hex) XEROX CORPORATION 000002     (base 16) XEROX CORPORATION XEROX SYSTEMS INSTITUTE M/S 105-50C 800 PHILLIPS ROAD WEBSTER NY 14580 UNITED STATES

　　文件中网卡前缀00-00-00和000000两种形式，为了具备一致性，可以提前像00-00-00 (hex) XEROX CORPORATION的行。linux采用cat命令提取。

命令为：cat oui.txt | grep hex > mac_hex_org.txt

生成的mac_hex_org.txt文件内容如下：

 00-00-00 (hex) XEROX CORPORATION 00-00-01 (hex) XEROX CORPORATION 00-00-02 (hex) XEROX CORPORATION 00-00-03 (hex) XEROX CORPORATION 00-00-04 (hex) XEROX CORPORATION 00-00-05 (hex) XEROX CORPORATION 00-00-06   (hex)        XEROX CORPORATION

更进一步抽取mac和org信息，可以对mac_hex_org.txt文件进行提前，采用一个简单的shell脚本，提前mac列和org列，分别保存在MAC.log和ORG.log文件中。shell脚本mac_org.sh如下：

#!/bin/sh
SRC_FILE=mac_hex_org.txt 3 MAC_FILE=MAC.log 4 ORG_FILE=ORG.log 5 cat ${SRC_FILE} |grep -v "^#" | while read line; 6 do
    echo "${line:0:8}" >> ${MAC_FILE} 8     echo "${line:18}">>${ORG_FILE} 9 done

执行mac_org.sh生产MAC.log和ORG.log文件。两个文件的每行对应关系就是mac前缀与公司名称的关系。文件内容如下所示：

00-00-00
00-00-01
00-00-02
00-00-03
00-00-04
00-00-05
00-00-06

XEROX CORPORATION
XEROX CORPORATION
XEROX CORPORATION
XEROX CORPORATION
XEROX CORPORATION
XEROX CORPORATION
XEROX CORPORATION
XEROX CORPORATION
XEROX CORPORATION
XEROX CORPORATION
OMRON TATEISI ELECTRONICS CO.
MATRIX CORPORATION
CISCO SYSTEMS, INC.

3、生产mac-org结构文件

　　为了在程序快速查找，将MAC.log和ORG.log文件中对应关系转换为一个结构体，存入mac_org.log文件中。mac前缀是唯一的，对应转换为10进制的整数，相比字符串，查找更加方便。mac_org结构定义如下：

//mac前缀和公司名称对应关系
typedef struct mac_org { uint32_t key; //mac前缀作为key char org_name[ORG_NAME_LEN]; //公司名称 }mac_org;

　　在程序中分别读取MAC.log和ORG.log的每一行，转换为一个mac_log结构，写入mac_log.log文件。转换程序如下所示：

#include <stdio.h>
#include <stdlib.h>
#include <inttypes.h>
#include <string.h>
#include <time.h>
#include <errno.h>
#include <unistd.h>

#define MAC_PREFIX_LEN           10          //mac前缀长度
#define ORG_NAME_LEN              96           //公司名称长度
#define MAC_LOG_FILE            "MAC.log"        //mac前缀文件
#define ORG_LOG_FILE            "ORG.log"        //公司名称文件
#define MAC_ORG_FILE            "mac2org.log"    //mac前缀对应公司名称文件

#define PRINT_ERROR_POS()  do{                        \
    printf("File: "__FILE__", Line:%d\n", __LINE__); \  17 }while(0);  18 
//mac前缀和公司名称对应关系
typedef struct mac_org  21 {  22     uint32_t key;   //mac前缀作为key
    char org_name[ORG_NAME_LEN]; //公司名称
}mac_org;  25 
void print_mac_org(const mac_org *macorg)  27 {  28     printf("mac key:%d,org_name:%s\n",macorg->key, macorg->org_name);  29 }  30 
//将mac前缀转换为数字，前缀格式为:00-00-00
uint32_t  macprefix2uint(const char *mac_prefix)  33 {  34     char mac[8] = {0};  35     sscanf(mac_prefix, "%c%c-%c%c-%c%c",&mac[0],&mac[1],&mac[2],  36         &mac[3],&mac[4],&mac[5]);  37     return  strtoul(mac,0,16);  38 }  39 //将mac前缀文件和org文件组织成mac_org结构，并将结果存入文件
int store_mac_org()  41 {  42     FILE *mac_fp = NULL;  43     FILE *org_fp = NULL;  44     FILE *fp = NULL;  45     char mac_buf[MAC_PREFIX_LEN] = {0};  46     char org_buf[ORG_NAME_LEN] = {0};  47  uint32_t mac_len;  48  uint32_t org_len;  49  mac_org tmp;  50 
    memset(&tmp, 0, sizeof(mac_org));  52     if ((mac_fp = fopen(MAC_LOG_FILE, "r"))  == NULL)  53  {  54     fprintf(stderr,"Failed open mac log file: %s,errno: %u,reason: %s\n",  55  MAC_LOG_FILE, errno, strerror(errno));  56  PRINT_ERROR_POS();  57     return -1;  58  }  59     if ((org_fp = fopen(ORG_LOG_FILE, "r")) == NULL)  60  {  61     fprintf(stderr,"Failed open mac log file: %s,errno: %u,reason: %s\n",  62  ORG_LOG_FILE, errno, strerror(errno));  63  PRINT_ERROR_POS();  64     return -1;  65  }  66     if  ((fp = fopen(MAC_ORG_FILE, "wb")) == NULL)  67  {  68     fprintf(stderr,"Failed open mac log file: %s,errno: %u,reason: %s\n",  69  MAC_ORG_FILE, errno, strerror(errno));  70  PRINT_ERROR_POS();  71     return -1;  72  }  73     while(fgets(mac_buf, MAC_PREFIX_LEN, mac_fp) != NULL && 
        fgets(org_buf, ORG_NAME_LEN, org_fp) != NULL)  75  {  76     //去掉换行符'\n'
    mac_len = strlen(mac_buf);  78     org_len = strlen(org_buf);  79     if (mac_buf[mac_len-1] == '\n')  80  {  81         mac_buf[mac_len-1] = 0;  82  }  83     if (org_buf[org_len-1] == '\n')  84  {  85         org_buf[org_len-1] = 0;  86  }  87     //设置记录值
    tmp.key = macprefix2uint(mac_buf);  89  strcpy(tmp.org_name,org_buf);  90     //将该记录写入文件
    if(fwrite((void *)&tmp, sizeof(mac_org), 1, fp) == 0)  92  {  93         fprintf(stderr, "Failed to write macorg to %s,errno:%u,reason:%s\n",  94  MAC_ORG_FILE, errno, strerror(errno));  95  PRINT_ERROR_POS();  96         return -1;  97  }  98  }  99  fclose(mac_fp); 100  fclose(org_fp); 101  fclose(fp); 102     return 0; 103 } 104 
//mac前缀格式是00-00-00
int main() 107 { 108     //判断文件是否存在
    if(access(MAC_ORG_FILE, F_OK) != 0) 110  { 111     if (store_mac_org() == -1) 112  { 113         fprintf(stderr, "Failed to create mac2org file.\n"); 114         return -1; 115  } 116     else
 { 118         printf("Successed to create mac2org file.\n"); 119  } 120  } 121     return 0; 122 }    

执行程序：

查看mac2org.log文件大小和内容如下：文件是二进制形式存入。

4、根据mac前缀在mac2org.log查找org

　　mac2org.log文件结构很明确，而且文件大小仅为1.8MB，完全可以将文件内容全部读到内存进行查找。而且mac2org.log记录是根据mac前缀有小到大的，即读到内存中的buffer中，mac_org记录是有序的，可以采用折半查找进行，以mac前缀转换的整数为key。查找程序如下所示：

/**根据mac前缀(形如00-00-00)查找organzation  2 先将mac_org.log读取到内存，然后进行折半查找  3 @auther: Anker @date:2013-12-18  4 **/
#include <stdio.h>
#include <stdlib.h>
#include <inttypes.h>
#include <string.h>
#include <time.h>
#include <errno.h>
#include <unistd.h>

#define MAC_PREFIX_LEN             10          //mac前缀长度
#define ORG_NAME_LEN              96           //公司名称长度
#define MAC_TYPE_COUNT            18860              //记录个数
#define MAC_ORG_FILE            "mac2org.log"    //mac前缀对应公司名称文件

#define PRINT_ERROR_POS()  do{                        \
    printf("File: "__FILE__", Line:%d\n", __LINE__); \  20 }while(0);  21 
//mac前缀和公司名称对应关系
typedef struct mac_org  24 {  25     uint32_t key;   //mac前缀作为key
    char org_name[ORG_NAME_LEN]; //公司名称
}mac_org;  28 
void print_mac_org(const mac_org *macorg)  30 {  31     printf("mac key:%d,org_name:%s\n",macorg->key, macorg->org_name);  32 }  33 
//将mac前缀转换为数字，前缀格式为:00-00-00
uint32_t  macprefix2uint(const char *mac_prefix)  36 {  37     char mac[8] = {0};  38     sscanf(mac_prefix, "%c%c-%c%c-%c%c",&mac[0],&mac[1],&mac[2],  39         &mac[3],&mac[4],&mac[5]);  40     return  strtoul(mac,0,16);  41 }  42 
//二分查找过程
int32_t binary_search(mac_org *macorg, int32_t n, uint32_t key)  45 {  46     //在有序表macorg[0..n-1]中进行二分查找，成功时返回结点的位置，失败时返回-1
    int32_t low = 0, high = n-1, mid; //置当前查找区间上、下界的初值
    if(macorg[low].key == key)  49  {  50    　　 return low;  51  }  52     if(macorg[high].key == key)  53  {  54     　　return high;  55  }  56     while(low <= high)  57  {  58     　　//当前查找区间macorg[low..high]非空
    　　mid = low + ((high - low) / 2);  60     　　//使用 (low + high) / 2 会有整数溢出的问题  61    　　 //（问题会出现在当low + high的结果大于表达式结果类型所能表示的最大值时，  62    　　 //这样，产生溢出后再/2是不会产生正确结果的，而low+((high-low)/2)不存在这个问题
    　　if(macorg[mid].key == key)  64  　　{  65        　　 return mid; //查找成功返回
 　　 }  67     　　if(macorg[mid].key > key)  68  　　{  69        　　 high = mid - 1; //继续在macorg[low..mid-1]中查找
 　　}  71     　　else
 　　{  73       　　  low = mid + 1; //继续在macorg[mid+1..high]中查找
 　　}  75  }  76     return -1; //当low>high时表示查找区间为空，查找失败
}//BinSeareh  78 
//给定一个mac前缀，获取对应的公司名称
int get_org_by_mac(const char *mac_prefix, mac_org **rmg)  81 {  82  mac_org buffer[MAC_TYPE_COUNT];  83  size_t read_num;  84     uint32_t key = macprefix2uint(mac_prefix);  85     int pos = -1;  86     FILE *fp;  87     if((fp = fopen(MAC_ORG_FILE, "rb")) == NULL)  88  {  89     fprintf(stderr, "Failed to open mac log file: %s,errno:%u,reason:%s\n",  90  MAC_ORG_FILE, errno, strerror(errno));  91  PRINT_ERROR_POS();  92     goto FAILED;  93  }  94  fflush(stdin);  95     read_num = fread((void *)buffer, sizeof(mac_org), MAC_TYPE_COUNT, fp);  96     if (read_num == 0 && errno != 0)  97  {  98     fprintf(stderr, "Failed to read mac log file: %s,errno:%u,reason:%s\n",  99  MAC_ORG_FILE, errno, strerror(errno)); 100  PRINT_ERROR_POS(); 101     goto FAILED; 102  } 103     pos = binary_search(buffer, read_num, key); 104     if (pos != -1) 105  { 106     *rmg = (mac_org *)malloc(sizeof(mac_org)); 107     if (rmg == NULL) 108  { 109         fprintf(stderr, "Failed to malloc memory,errno:%u,reason:%s\n", 110  errno, strerror(errno)); 111  PRINT_ERROR_POS(); 112         goto FAILED; 113  } 114     memset(*rmg, 0, sizeof(mac_org)); 115     memcpy(*rmg, &buffer[pos], sizeof(mac_org)); 116  } 117  fclose(fp); 118     return 0; 119 FAILED: 120     if(fp) 121  { 122  　　fclose(fp); 123  } 124     return -1; 125 } 126 
//mac前缀格式是00-00-00
int main(int argc,char **argv) 129 { 130  time_t time1,time2; 131     time(&time1); 132     mac_org *pmacorg = NULL; 133     char *mac_prefix = NULL; 134     if (argc != 2) 135  { 136    　　 fprintf(stderr,"Paramer error,please input mac prefix.\n"); 137     　　return -1; 138  } 139     if(access(MAC_ORG_FILE, F_OK) != 0) 140  { 141     　　printf("Can not found mac2org file:%s.\n", MAC_ORG_FILE); 142    　　 return -1; 143  } 144     mac_prefix = argv[1]; 145     if (get_org_by_mac(mac_prefix, &pmacorg) == -1) 146  { 147    　　 fprintf(stderr, "Failed to search mac.\n"); 148  　　PRINT_ERROR_POS(); 149     　　return -1; 150  } 151     if (!pmacorg) 152  { 153     　　printf("Can not find the mac prefix:%s\n", mac_prefix); 154  } 155     else
 { 157     　　time(&time2); 158    　　 printf("Successed to find the mac info, cost time:%lds\n", time2 - time1); 159  　　print_mac_org(pmacorg); 160  　　free(pmacorg); 161  } 162     return 0; 163 }    

测试结果如下所示：

采用折半查找，针对18860条记录，查询时间不足1秒，非常之快。

5、总结

     刚开始拿到oui.txt文件时，看了文件的格式和规律。当时没有检查，以为mac前缀是连续的，如是开始第一个想到用hash做，mac前缀作为key，value是mac-key在文件中的偏移量。因为hash是唯一的，转换为整数，不会有冲突。实现后发现生产的mac_org.log文件1.2G之大，文件中有很多空白地方，排查发现mac前缀并不是连续的，而且MAC前缀还存在重复。如下图所示：

　　故不可以采用hash实现。最后还是采用将文件内容记载到内存处理。mac_log结构的占用100字节，18860条共计约1.8MB，如今内存都已GB计算，完全可以全部加载到内存进行二分查找。

6、参考网址

http://my.oschina.net/duangr/blog/183789