《TableStore最佳實踐：GEO索引打造店鋪搜索系統》

摘要： 如何使用TableStore打造店鋪搜索系統

1、方案背景

對於一套GEO管理系統，其核心點與瓶頸在於數據庫的存儲性能與查詢能力；一方面，存儲服務須要應對海量數據的低延遲存、讀，另外一方面，存儲服務也要提供高效的GEO+多維度數據檢索。表格存儲（TableStore），做爲一款Serverless分佈式NoSQL數據庫，徹底具有該系統的需求。
下面咱們將基於TableStore打造一個【億量級GEO管理系統】；

需求場景

某店鋪搜索平臺，提供了億量級的店鋪信息。用戶經過平臺提供的PC端、移動端網頁，按照本身的需求維度組合，搜索用戶心儀的店鋪。平臺須要在地圖上展現店鋪的具體位置、店鋪詳細信息、店鋪主頁的跳轉；
維度一：【距離1km內】【人均100之內】【評分最高】【奶茶店】；
維度二：【杭州市內】【評分最高的】【沈家*】店鋪；
......
實現快速、多維GEO查詢功能，是GEO管理解決方案的核心功能，樣例以下：
注：該樣例提供了【億量級】店鋪數據。官網控制檯樣例地址：項目樣例

基於表格存儲搭建的店鋪搜索系統頁面一覽，樣例內嵌在表格存儲控制檯中，用戶可登陸控制檯體驗系統（若爲表格存儲的新用戶，須要點擊開通服務後體驗，開通免費，訂單數據存儲在公共實例中，體驗不消耗用戶存儲、流量、Cu）。

表格存儲（TableStore）方案

使用表格存儲（TableStore）研發的多元索引（SearchIndex）方案，能夠輕鬆搭建一套：億量級店鋪搜索系統。多元索引功能能夠建立GEO索引、分詞字符串索引等，爲用戶提供了GEO檢索、多維組合檢索等能力，用戶可隨時建立，存量、增量數據自動同步。
TableStore做爲阿里雲提供的一款全託管、零運維的分佈式NoSql型數據存儲服務，具備【海量數據存儲】、【熱點數據自動分片】、【海量數據多維檢索】等功能，有效的地解決了GEO數據量大膨脹這一挑戰；
用戶能夠僅在須要的時候建立、開通索引。由TableStore來保證數據同步的一致性，這極大的下降了用戶的方案設計、服務運維、代碼開發等工做量。

2、搭建準備

若您對於基於TableStore實現的【億量級店鋪搜索系統】體驗不錯，並但願開始本身系統的搭建之旅，只需按照以下步驟即可以着手搭建了：

一、開通表格存儲

經過控制檯開通表格存儲服務，表格存儲即開即用（後付費），採用按量付費方式，已爲用戶提供足夠功能測試的免費額度。表格存儲官網控制檯、免費額度說明。

二、建立實例

經過控制檯建立表格存儲實例，選擇支持多元索引的Region。（當前階段SearchIndex功能還沒有商業化，暫時開放北京，上海，杭州和深圳四地，其他地區將逐漸開放）

建立實例後，提交工單申請多元索引功能邀測（商業化後默認打開，不使用不收費）。

• 邀測地址：提工單，選擇【表格存儲】>【產品功能、特性諮詢】>【建立工單】，申請內容以下：
• 問題描述:請填寫【申請SearchIndex邀測】
• 機密信息:請填寫【地域+實例名】，例：上海+myInstanceName

三、SDK下載

使用具備多元索引（SearchIndex）的SDK，官網地址，暫時java、go、node.js三種SDK增長了新功能

java-SDK

<dependency>
    <groupId>com.aliyun.openservices</groupId>
    <artifactId>tablestore</artifactId>
    <version>4.7.4</version>
</dependency>

go-SDK

$ go get github.com/aliyun/aliyun-tablestore-go-sdk

四、表設計

店鋪檢索系統樣例，僅簡易使用一張店鋪表，主要包含字段：店鋪類型、店鋪名稱、店鋪地理位置、店鋪平均評分、人均消費消等。表設計以下：
表名：geo_positon

列名	數據類型	索引類型	字段說明
_id(主鍵列)	String		MD5(pId)避免熱點
pId	Stirng		店鋪編號
type	String	KEYWORD	類型
name	String	TEXT	店鋪名，TEXT類型索引可模糊查詢，但不能排序
pos	String	GEO_POINT	店鋪位置："30.132,120.082"(緯度,精度)
point	double	DOUBLE	評分
...	...	...	...

3、開始搭建（核心代碼）

一、建立數據表

用戶僅需在完成邀測的實例下建立「店鋪信息表」：經過控制檯建立、管理數據表（用戶也能夠經過SDK直接建立）：

二、建立數據表索引

TableStore自動作全量、增量的索引數據同步：用戶能夠經過控制檯建立索引、管理索引（也能夠經過SDK建立索引）

三、數據導入

插入測試數據（控制檯樣例中插入了1億條數據，用戶本身能夠插入少許測試數據）；

店鋪編號	店鋪（md5）（主鍵）	類型	店鋪名稱	店鋪位置	店鋪評分	人均消費
o0057022192	0000000f470ef0f548b925ceffe1a7e3	杭幫菜	韓村杭幫菜	36.76613,111.41461	2.87	63.67

四、數據讀取

數據讀取分爲兩類：

主鍵讀取

基於原生表格存儲的主鍵列獲取：getRow, getRange, batchGetRow等。主鍵讀取用於索引（自動）反查，用戶也能夠提供主鍵（訂單md5）的單條查詢的頁面，億量級下查詢速度極快。單主鍵查詢方式不支持多維度檢索；

索引讀取（店鋪查詢）

基於新SearchIndex功能Query：search接口。用戶能夠自由設計索引字段的多維度條件組合查詢。經過設置選擇不一樣的查詢參數，構建不一樣的查詢條件、不一樣排序方式；目前支持：精確查詢、範圍查詢、前綴查詢、匹配查詢、通配符查詢、短語匹配查詢、分詞字符串查詢，並經過布爾與、或組合。
如【"36.76613,111.41461"周邊1km米範圍內的奶茶店】，查詢條件以下：

List<Query> mustQueries = new ArrayList<Query>();

TermQuery termQuery = new TermQuery();
termQuery.setFieldName("type");
termQuery.setTerm(ColumnValue.fromString(奶茶));
mustQueries.add(termQuery);

GeoDistanceQuery geoDistanceQuery = new GeoDistanceQuery();
geoDistanceQuery.setFieldName("pos");
geoDistanceQuery.setCenterPoint("36.76613,111.41461");
geoDistanceQuery.setDistanceInMeter(1000);
mustQueries.add(geoDistanceQuery);

BoolQuery boolQuery = new BoolQuery();
boolQuery.setMustQueries(mustQueries);

做者： 潭潭
原文連接 本文爲雲棲社區原創內容，未經容許不得轉載。