当用户从互联网访问网站时，后端服务器收到流量后，负载均衡会自动将HTTP请求的日志记录到Cloud Logging中，用户可以在GCP控制台的日志查看器中查看记录。 要分析大量数据，需要将数据导出到BigQuery以进行进一步的数据探索。
日志查看器可以浏览所有HTTP请求记录
展开其中一条IP记录后，可以看到更详细的记录内容。
2.将日志导出到BigQuery
接下来，将 HTTP 请求从日志查看器导入 BigQuery。 通过创建接收器（sink），当负载均衡接收到新的访问时，接收器会将日志发送到指定的BigQuery数据集进行存储。
用户需要在BigQuery中预先构建数据集作为接收者的目的地。
当接收方收到数据时，BigQuery会生成一个数据表来存储日志记录，用户可以通过BigQuery的SQL语法分析数据表的内容。
然而，要做到这一点，我们没有办法直接分析HTTP请求数据的地理位置。 原因是我们的ip地址数据还没有转换，所以我们需要通过GCP外部工具来分析数据。
3. 分析IP地址
将IP地址转换为经纬度数据
首先我们先添加一个GCP虚拟机
在其中，可以安装用户喜欢的编程语言，然后可以从BigQuery中提取日志数据进行分析。 在执行分析程序之前，我们需要先安装BigQuery API Client Library，以便程序可以直接从BigQuery访问数据； 然后，我们可以使用第三方地理信息转换工具（如：ipstack API）来让程序对导入的ip数据进行转换。
在使用ipstack API之前，您需要在官网注册并获取API Access Key。 （您可以申请免费使用进行测试）
第二步安装ipstack库
（该库的使用方法请参考文档）
pip install ipstack
第三步，执行Python程序调用API，将IP地址发送给API进行分析，获取经纬度数据。
from ipstack import GeoLookup
geo_lookup = GeoLookup("你的 API KEY")
def parsing(ip_address):
location = geo_lookup.get_location(ip_address)
lat_long = str(location["latitude"])+","+ \
str(location["longitude"])
return lat_long
当程序将ip地址的数据发送给API时，API会将ip对应的地理信息返回给程序。
在示例程序中，API将返回json格式的数据。 为了检索经纬度，我在程序中指定API只会返回整理好的经纬度数据。
lat_long = str(location["latitude"])+","+ \ str(location["longitude"])
return lat_long
获取经纬度数据的目的是为了在地理图表中进行定位分析。 所以需要通过调用API进行转换。
转换后的经纬度数据必须合并在一个字段中，并且必须按照先纬后经的顺序排列（示例程序中已经完成合并），因为地理信息字段的格式必须符合数据工作室经度和纬度数据格式。 格式要求。
最后，以编程方式将数据从虚拟机传递回 BigQuery（也使用 BigQuery 的客户端库返回）会生成一个包含纬度和经度数据的新表。
4. 生成地理图表
如果我们想要将BigQuery的地理数据可视化，我们可以使用Google的可视化报告生成工具Data Studio来完成。 因为我们已经有了转换后的经纬度数据，只要将数据设置为Data Studio可以识别的字段类型和统计条件，我们就可以在Geo Chart上看到访客的地理分布情况。
将数据导出到 Data Studio
在BigQuery存储地理信息的数据表中，点击导出，直接进入数据洞察界面。
进入Data Studio界面，开始设置我们的地理图表功能。
选择图表类型
从图表中选择气泡图：气泡图可以利用地图中圆圈的大小和数量来呈现地理位置的分布。
设置维度和指标
a.Dimension设置为经纬度的字段名
将经纬度组合字段设置为“维度”，并将该字段的属性更改为“地理 > 纬度,经度”，以便 Data Studio 能够识别。
b. 指标设置为记录计数
Data Studio会利用经纬度地理信息的数量来确定地图中圆圈的大小
完成以上设置后，就可以在Data Studio上生成第一个HTTP Request地理分布图了！
以上就是使用BigQuery结合Data Studio分析经纬度数据的介绍。 如有疑问，请在文章底部留言，共同讨论。
官方网站：
