引言说明
填写的ip格式说明
* 1.允许所有IP -> *
* 2.精确指定某个ip -> 10.10.11.11
* 3.指定多个ip地址 -> 10.10.11.11,10.10.11.21,10.10.11.31
* 4.指定某个ip段地址 -> 10.10.11.1-10.10.11.254
* 5.指定ip支持标准的掩码 -> 10.10.11.0/24
以上格式可以一个或多个组合，多个时以逗号分隔开，示例如下：
10.10.11.11,10.10.11.21-10.10.11.31,10.10.101.0/24
范围说明——允许访问的ip，即白名单。
不在范围内的ip则不允许访问，所以填写的ip范围应该是以下这些组件服务器ip的集合：
1.BI代理服务器（可以一台或多台）
2.BI服务器（可以一台或多台）
3.挖掘服务器（包括实验引擎、代理器、服务引擎）
4.Spark服务器（可以一台或多台）
5.Hadoop服务器（可以一台或多台）
6.Zookeeper服务器（可以一台或多台）
7.其他允许远程调用服务的业务服务器（可以一台或多台）
备注：以上服务器在实际部署中未必均有部署，根据实际部署情况和需求进行填写即可。
引擎部分
执行引擎
编辑conf/experiment-application.properties文件，在文件最后面加上engine.monitor.access.ips=10.10.202.25,10.10.32.84，
保存修改并重启实验引擎即可，其中ip需根据实际情况进行调整。
代理器
启动代理器命令带上--accessips 10.10.202.25,10.10.32.84，其中ip需根据实际情况进行调整，如：
./agent-daemon.sh start --master http://10.10.32.84:8899 --env python --accessips 10.10.202.25,10.10.32.84
服务引擎
编辑conf/service-application.properties文件，在文件最后面加上engine.monitor.access.ips=10.10.202.25,10.10.32.84，
保存修改并重启服务引擎即可，其中ip需根据实际情况进行调整。
Spark部分
1.将引擎目录engine/lib/EngineFilter-1.0.jar拷贝到spark的jars目录下，spark集群中每个节点均需要。
引擎engine/lib目录:
spark的jars目录:
2.配置spark的conf/spark-defaults.conf文件，在最后面添加如下内容，其中ip需根据实际情况进行调整，spark集群中每个节点均需要。
spark.ui.filters smartbix.datamining.engine.filter.IPAccessFilter
spark.smartbix.datamining.engine.filter.IPAccessFilter.param.accessIps 10.10.202.25,10.10.32.84
3.重启spark集群，在不允许访问的主机上访问http://{spark-master-ip}:8080和http://{spark-worker-ip}:8081, 出现类似如下画面，即表示配置成功并过滤生效。
