一口氣說出 4種 LBS 「附近的人」 實現方式

時間  2021-08-14
標籤 mysql git 面試 redis 算法 spring sql 數據庫 json 緩存 欄目 MySQL 简体版
原文   原文鏈接

 

引言

昨天一位粉絲和我討論了一道面試題，我的以爲比較有意義，這裏整理了一下分享給你們，願小夥伴們面試路上少踩坑。面試題目比較簡單：「讓你實現一個附近的人功能，你有什麼方案？」，這道題其實主要仍是考察你們對於技術的廣度，本文介紹幾種方案，給你們一點思路，避免在面試過程當中語塞而影響面試結果，若有不嚴謹之處，還望親人們溫柔指正！mysql

「附近的人」 功能生活中是比較經常使用的，像外賣app附近的餐廳，共享單車app裏附近的車輛。既然經常使用面試被問的機率就很大，因此下邊依次來分析基於mysql數據庫、Redis、 MongoDB實現的 「附近的人」 功能。 在這裏插入圖片描述科普：世界上標識一個位置，通用的作法就使用經、緯度。經度的範圍在 (-180, 180]，緯度的範圍 在(-90, 90]，緯度正負以赤道爲界，北正南負，經度正負以本初子午線 (英國格林尼治天文臺) 爲界，東正西負。好比：望京摩托羅拉大廈的經、緯度（116.49141，40.01229）全是正數，就是由於我國位於東北半球。git

1、「附近的人」原理

「附近的人」 也就是常說的 LBS (Location Based Services，基於位置服務)，它圍繞用戶當前地理位置數據而展開的服務，爲用戶提供精準的增值服務。面試

「附近的人」 核心思想以下：redis

  1. 以 「我」 爲中心，搜索附近的用戶算法

  2. 以 「我」 當前的地理位置爲準，計算出別人和 「我」 之間的距離spring

  3. 按 「我」 與別人距離的遠近排序，篩選出離我最近的用戶或者商店等 在這裏插入圖片描述sql

2、什麼是GeoHash算法？

在說 「附近的人」 功能的具體實現以前，先來認識一下GeoHash 算法，由於後邊會一直和它打交道。定位一個位置最好的辦法就是用經、緯度標識，但經、緯度它是二維的，在進行位置計算的時候仍是很麻煩，若是能經過某種方法將二維的經、緯度數據轉換成一維的數據，那麼比較起來就要容易的多，所以GeoHash算法應運而生。數據庫

GeoHash算法將二維的經、緯度轉換成一個字符串，例如：下圖中9個GeoHash字符串表明了9個區域，每個字符串表明了一矩形區域。而這個矩形區域內其餘的點（經、緯度）都用同一個GeoHash字符串表示。json

在這裏插入圖片描述

好比：WX4ER區域內的用戶搜索附近的餐廳數據，因爲這區域內用戶的GeoHash字符串都是WX4ER，故能夠把WX4ER看成key，餐廳信息做爲value進行緩存；而若是不使用GeoHash算法，區域內的用戶請求餐廳數據，用戶傳來的經、緯度都是不一樣的，這樣緩存不只麻煩且數據量巨大。緩存

GeoHash字符串越長，表示的位置越精確，字符串長度越長表明在距離上的偏差越小。下圖geohash碼精度表：

geohash碼長度 寬度 高度
1 5,009.4km 4,992.6km
2 1,252.3km 624.1km
3 156.5km 156km
4 39.1km 19.5km
5 4.9km 4.9km
6 1.2km 609.4m
7 152.9m 152.4m
8 38.2m 19m
9 4.8m 4.8m
10 1.2m 59.5cm
11 14.9cm 14.9cm
12 3.7cm 1.9cm

並且字符串越類似表示距離越相近，字符串前綴匹配越多的距離越近。好比：下邊的經、緯度就表明了三家距離相近的餐廳。

商戶 經緯度 Geohash字符串
串串香 116.402843,39.999375 wx4er9v
火鍋 116.3967,39.99932 wx4ertk
烤肉 116.40382,39.918118 wx4erfe

讓你們簡單瞭解什麼是GeoHash算法，方便後邊內容展開，GeoHash算法內容比較高深，感興趣的小夥伴自行深耕一下，這裏不佔用過多篇幅（實際上是我懂得太膚淺，哭唧唧~）。

3、基於Mysql

此種方式是純基於mysql實現的，未使用GeoHash算法。

一、設計思路

以用戶爲中心，假設給定一個500米的距離做爲半徑畫一個圓，這個圓型區域內的全部用戶就是符合用戶要求的 「附近的人」。但有一個問題是圓形有弧度啊，直接搜索圓形區域難度太大，根本沒法用經、緯度直接搜索。

但若是在圓形外套上一個正方形，經過獲取用戶經、緯度的最大最小值（經、緯度 + 距離），再根據最大最小值做爲篩選條件，就很容易將正方形內的用戶信息搜索出來。

那麼問題又來了，多出來一些面積腫麼辦？

咱們來分析一下，多出來的這部分區域內的用戶，到圓點的距離必定比圓的半徑要大，那麼咱們就計算用戶中心點與正方形內全部用戶的距離，篩選出全部距離小於等於半徑的用戶，圓形區域內的所用戶即符合要求的「附近的人」。

在這裏插入圖片描述

二、利弊分析

純基於 mysql 實現 「附近的人」，優勢顯而易見就是簡單，只要建一張表存下用戶的經、緯度信息便可。缺點也很明顯，須要大量的計算兩個點之間的距離，很是影響性能。

三、實現

建立一個簡單的表用來存放用戶的經、緯度屬性。

CREATE TABLE `nearby_user` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `name` varchar(255) DEFAULT NULL COMMENT '名稱',
  `longitude` double DEFAULT NULL COMMENT '經度',
  `latitude` double DEFAULT NULL COMMENT '緯度',
  `create_time` datetime DEFAULT NULL ON UPDATE CURRENT_TIMESTAMP COMMENT '建立時間',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

計算兩個點之間的距離，用了一個三方的類庫，畢竟本身造的輪子不是特別圓，還有多是方的，啊哈哈哈~

<dependency>
     <groupId>com.spatial4j</groupId>
     <artifactId>spatial4j</artifactId>
     <version>0.5</version>
</dependency>

獲取到外接正方形後，以正方形的最大最小經、緯度值搜索正方形區域內的用戶，再剔除超過指定距離的用戶，就是最終的附近的人。

    private SpatialContext spatialContext = SpatialContext.GEO;    
	
	/**
     * 獲取附近 x 米的人
     *
     * @param distance 搜索距離範圍 單位km
     * @param userLng  當前用戶的經度
     * @param userLat  當前用戶的緯度
     */
    @GetMapping("/nearby")
    public String nearBySearch(@RequestParam("distance") double distance,
                               @RequestParam("userLng") double userLng,
                               @RequestParam("userLat") double userLat) {
        //1.獲取外接正方形
        Rectangle rectangle = getRectangle(distance, userLng, userLat);
        //2.獲取位置在正方形內的全部用戶
        List<User> users = userMapper.selectUser(rectangle.getMinX(), rectangle.getMaxX(), rectangle.getMinY(), rectangle.getMaxY());
        //3.剔除半徑超過指定距離的多餘用戶
        users = users.stream()
            .filter(a -> getDistance(a.getLongitude(), a.getLatitude(), userLng, userLat) <= distance)
            .collect(Collectors.toList());
        return JSON.toJSONString(users);
    }
    
    private Rectangle getRectangle(double distance, double userLng, double userLat) {
        return spatialContext.getDistCalc()
            .calcBoxByDistFromPt(spatialContext.makePoint(userLng, userLat), 
                                 distance * DistanceUtils.KM_TO_DEG, spatialContext, null);
    }

因爲用戶間距離的排序是在業務代碼中實現的，能夠看到SQL語句也很是的簡單。

    <select id="selectUser" resultMap="BaseResultMap">
        SELECT * FROM user
        WHERE 1=1
        and (longitude BETWEEN ${minlng} AND ${maxlng})
        and (latitude BETWEEN ${minlat} AND ${maxlat})
    </select>

4、Mysql + GeoHash

一、設計思路

這種方式的設計思路更簡單，在存用戶位置信息時，根據用戶經、緯度屬性計算出相應的geohash字符串。注意：在計算geohash字符串時，須要指定geohash字符串的精度，也就是geohash字符串的長度，參考上邊的geohash精度表。

當須要獲取附近的人，只需用當前用戶geohash字符串，數據庫經過WHERE geohash Like 'geocode%' 來查詢geohash字符串類似的用戶，而後計算當前用戶與搜索出的用戶距離，篩選出全部距離小於等於指定距離（附近500米）的，即附近的人。

二、利弊分析

利用 GeoHash算法實現「附近的人」有一個問題，因爲geohash算法將地圖分爲一個個矩形，對每一個矩形進行編碼，獲得geohash字符串。可我當前的點與鄰近的點很近，但剛好咱們分別在兩個區域，明明就在眼前的點恰恰搜不到，實實在在的燈下黑。

如何解決這一問題？

爲了不相似鄰近兩點在不一樣區域內，咱們就須要同時獲取當前點（WX4G0）所在區域附近 8個區域的geohash碼，一併進行篩選比較。 在這裏插入圖片描述

三、實現

一樣要設計一張表存用戶的經、緯度信息，但區別是要多一個geo_code字段，存放geohash字符串，此字段經過用戶經、緯度屬性計算出。使用頻繁的字段建議加上索引。

CREATE TABLE `nearby_user_geohash` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `name` varchar(255) DEFAULT NULL COMMENT '名稱',
  `longitude` double DEFAULT NULL COMMENT '經度',
  `latitude` double DEFAULT NULL COMMENT '緯度',
  `geo_code` varchar(64) DEFAULT NULL COMMENT '經緯度所計算的geohash碼',
  `create_time` datetime DEFAULT NULL ON UPDATE CURRENT_TIMESTAMP COMMENT '建立時間',
  PRIMARY KEY (`id`),
  KEY `index_geo_hash` (`geo_code`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

首先根據用戶經、緯度信息，在指定精度後計算用戶座標的geoHash碼，再獲取到用戶周邊8個方位的geoHash碼在數據庫中搜索用戶，最後過濾掉超出給定距離（500米內）的用戶。

 private SpatialContext spatialContext = SpatialContext.GEO;

    /***
     * 添加用戶
     * @return
     */
    @PostMapping("/addUser")
    public boolean add(@RequestBody UserGeohash user) {
        //默認精度12位
        String geoHashCode = GeohashUtils.encodeLatLon(user.getLatitude(),user.getLongitude());
        return userGeohashService.save(user.setGeoCode(geoHashCode).setCreateTime(LocalDateTime.now()));
    }


/**
     * 獲取附近指定範圍的人
     *
     * @param distance 距離範圍（附近多遠的用戶） 單位km
     * @param len      geoHash的精度（幾位的字符串）
     * @param userLng  當前用戶的經度
     * @param userLat  當前用戶的緯度
     * @return json
     */
    @GetMapping("/nearby")
    public String nearBySearch(@RequestParam("distance") double distance,
                               @RequestParam("len") int len,
                               @RequestParam("userLng") double userLng,
                               @RequestParam("userLat") double userLat) {


        //1.根據要求的範圍，肯定geoHash碼的精度，獲取到當前用戶座標的geoHash碼
        GeoHash geoHash = GeoHash.withCharacterPrecision(userLat, userLng, len);
        //2.獲取到用戶周邊8個方位的geoHash碼
        GeoHash[] adjacent = geoHash.getAdjacent();

        QueryWrapper<UserGeohash> queryWrapper = new QueryWrapper<UserGeohash>()
            .likeRight("geo_code",geoHash.toBase32());
        Stream.of(adjacent).forEach(a -> queryWrapper.or().likeRight("geo_code",a.toBase32()));

        //3.匹配指定精度的geoHash碼
        List<UserGeohash> users = userGeohashService.list(queryWrapper);
        //4.過濾超出距離的
        users = users.stream()
                .filter(a ->getDistance(a.getLongitude(),a.getLatitude(),userLng,userLat)<= distance)
                .collect(Collectors.toList());
        return JSON.toJSONString(users);
    }

    
    /***
     * 球面中，兩點間的距離
     * @param longitude 經度1
     * @param latitude  緯度1
     * @param userLng   經度2
     * @param userLat   緯度2
     * @return 返回距離，單位km
     */
    private double getDistance(Double longitude, Double latitude, double userLng, double userLat) {
        return spatialContext.calcDistance(spatialContext.makePoint(userLng, userLat),
                spatialContext.makePoint(longitude, latitude)) * DistanceUtils.DEG_TO_KM;
    }

5、Redis + GeoHash

Redis 3.2版本之後，基於geohash和數據結構Zset提供了地理位置相關功能。經過上邊兩種mysql的實現方式發現，附近的人功能是明顯的讀多寫少場景，因此用redis性能更會有很大的提高。

一、設計思路

redis 實現附近的人功能主要經過Geo模塊的六個命令。

  • GEOADD：將給定的位置對象（緯度、經度、名字）添加到指定的key;
  • GEOPOS：從key裏面返回全部給定位置對象的位置（經度和緯度）;
  • GEODIST：返回兩個給定位置之間的距離;
  • GEOHASH：返回一個或多個位置對象的Geohash表示;
  • GEORADIUS：以給定的經緯度爲中心，返回目標集合中與中心的距離不超過給定最大距離的全部位置對象;
  • GEORADIUSBYMEMBER：以給定的位置對象爲中心，返回與其距離不超過給定最大距離的全部位置對象。

以GEOADD 命令和GEORADIUS 命令簡單舉例：

GEOADD key longitude latitude member [longitude latitude member ...]

其中，key爲集合名稱，member爲該經緯度所對應的對象。

GEOADD 添加多個商戶「火鍋店」位置信息：

GEOADD hotel 119.98866180732716	30.27465803229662 火鍋店

GEORADIUS 根據給定的經緯度爲中心，獲取目標集合中與中心的距離不超過給定最大距離（500米內）的全部位置對象，也就是「附近的人」。

GEORADIUS key longitude latitude radius m|km|ft|mi [WITHCOORD] [WITHDIST] [WITHHASH] [ASC|DESC] [COUNT count] [STORE key] [STORedisT key]

範圍單位：m | km | ft | mi --> 米 | 公里 | 英尺 | 英里。

  • WITHDIST：在返回位置對象的同時，將位置對象與中心之間的距離也一併返回。距離的單位和用戶給定的範圍單位保持一致。
  • WITHCOORD：將位置對象的經度和維度也一併返回。
  • WITHHASH：以 52 位有符號整數的形式，返回位置對象通過原始 geohash 編碼的有序集合分值。這個選項主要用於底層應用或者調試，實際中的做用並不大。
  • ASC | DESC：從近到遠返回位置對象元素 | 從遠到近返回位置對象元素。
  • COUNT count：選取前N個匹配位置對象元素。（不設置則返回全部元素）
  • STORE key：將返回結果的地理位置信息保存到指定key。
  • STORedisT key：將返回結果離中心點的距離保存到指定key。

例以下邊命令：獲取當前位置周邊500米內的全部飯店。

GEORADIUS hotel 119.98866180732716	30.27465803229662 500 m WITHCOORD

Redis內部使用有序集合(zset)保存用戶的位置信息，zset中每一個元素都是一個帶位置的對象，元素的score值爲經過經、緯度計算出的52位geohash值。

二、利弊分析

redis實現附近的人效率比較高，集成也比較簡單，並且還支持對距離排序。不過，結果存在必定的偏差，要想讓結果更加精確，還須要手動將用戶中心位置與其餘用戶位置計算距離後，再一次進行篩選。

三、實現

如下就是Java redis實現版本，代碼很是的簡潔。

 @Autowired
    private RedisTemplate<String, Object> redisTemplate;
	
	//GEO相關命令用到的KEY
    private final static String KEY = "user_info";

    public boolean save(User user) {
        Long flag = redisTemplate.opsForGeo().add(KEY, new RedisGeoCommands.GeoLocation<>(
                user.getName(), 
                new Point(user.getLongitude(), user.getLatitude()))
        );
        return flag != null && flag > 0;
    }

    /**
     * 根據當前位置獲取附近指定範圍內的用戶
     * @param distance 指定範圍 單位km ，可根據{@link org.springframework.data.geo.Metrics} 進行設置
     * @param userLng 用戶經度
     * @param userLat 用戶緯度
     * @return
     */
    public String nearBySearch(double distance, double userLng, double userLat) {
        List<User> users = new ArrayList<>();
        // 1.GEORADIUS獲取附近範圍內的信息
        GeoResults<RedisGeoCommands.GeoLocation<Object>> reslut = 
            redisTemplate.opsForGeo().radius(KEY, 
                        new Circle(new Point(userLng, userLat), new Distance(distance, Metrics.KILOMETERS)),
                        RedisGeoCommands.GeoRadiusCommandArgs.newGeoRadiusArgs()
                                .includeDistance()
                                .includeCoordinates().sortAscending());
        //2.收集信息，存入list
        List<GeoResult<RedisGeoCommands.GeoLocation<Object>>> content = reslut.getContent();
        //3.過濾掉超過距離的數據
        content.forEach(a-> users.add(
                new User().setDistance(a.getDistance().getValue())
                .setLatitude(a.getContent().getPoint().getX())
                .setLongitude(a.getContent().getPoint().getY())));
        return JSON.toJSONString(users);
    }

6、MongoDB + 2d索引

一、設計思路

MongoDB實現附近的人，主要是經過它的兩種地理空間索引 2dsphere 和 2d。 兩種索引的底層依然是基於Geohash來進行構建的。但與國際通用的Geohash還有一些不一樣，具體參考官方文檔。

2dsphere 索引僅支持球形表面的幾何形狀查詢。

2d 索引支持平面幾何形狀和一些球形查詢。雖然2d 索引支持某些球形查詢，但 2d 索引對這些球形查詢時，可能會出錯。因此球形查詢儘可能選擇 2dsphere索引。

儘管兩種索引的方式不一樣，但只要座標跨度不太大，這兩個索引計算出的距離相差幾乎能夠忽略不計。

二、實現

首先插入一批位置數據到MongoDB， collection爲起名 hotel，至關於MySQL的表名。兩個字段name名稱，location 爲經、緯度數據對。

db.hotel.insertMany([
 {'name':'hotel1',  location:[115.993121,28.676436]},
 {'name':'hotel2',  location:[116.000093,28.679402]},
 {'name':'hotel3',  location:[115.999967,28.679743]},
 {'name':'hotel4',  location:[115.995593,28.681632]},
 {'name':'hotel5',  location:[115.975543,28.679509]},
 {'name':'hotel6',  location:[115.968428,28.669368]},
 {'name':'hotel7',  location:[116.035262,28.677037]},
 {'name':'hotel8',  location:[116.024770,28.68667]},
 {'name':'hotel9',  location:[116.002384,28.683865]},
 {'name':'hotel10', location:[116.000821,28.68129]},
])

接下來咱們給 location 字段建立一個2d索引，索引的精度經過bits來指定，bits越大，索引的精度就越高。

db.coll.createIndex({'location':"2d"}, {"bits":11111})

用geoNear 命令測試一下， near 當前座標（經、緯度），spherical 是否計算球面距離，distanceMultiplier地球半徑，單位是米，默認6378137， maxDistance 過濾條件（指定距離內的用戶），開啓弧度需除distanceMultiplier，distanceField 計算出的兩點間距離，字段別名（隨意取名）。

db.hotel.aggregate({
    $geoNear:{
        near: [115.999567,28.681813], // 當前座標
        spherical: true, // 計算球面距離
        distanceMultiplier: 6378137, // 地球半徑,單位是米,那麼的除的記錄也是米
        maxDistance: 2000/6378137, // 過濾條件2000米內，須要弧度
        distanceField: "distance" // 距離字段別名
    }
})

看到結果中有符合條件的數據，還多出一個字段distance 剛纔設置的別名，表明兩點間的距離。

{ "_id" : ObjectId("5e96a5c91b8d4ce765381e58"), "name" : "hotel10", "location" : [ 116.000821, 28.68129 ], "distance" : 135.60095397487655 }
{ "_id" : ObjectId("5e96a5c91b8d4ce765381e51"), "name" : "hotel3", "location" : [ 115.999967, 28.679743 ], "distance" : 233.71915803517447 }
{ "_id" : ObjectId("5e96a5c91b8d4ce765381e50"), "name" : "hotel2", "location" : [ 116.000093, 28.679402 ], "distance" : 273.26317035334176 }
{ "_id" : ObjectId("5e96a5c91b8d4ce765381e57"), "name" : "hotel9", "location" : [ 116.002384, 28.683865 ], "distance" : 357.5791936927476 }
{ "_id" : ObjectId("5e96a5c91b8d4ce765381e52"), "name" : "hotel4", "location" : [ 115.995593, 28.681632 ], "distance" : 388.62555058249967 }
{ "_id" : ObjectId("5e96a5c91b8d4ce765381e4f"), "name" : "hotel1", "location" : [ 115.993121, 28.676436 ], "distance" : 868.6740526419927 }

總結

本文重點並非在具體實現，旨在給你們提供一些設計思路，面試中可能你對某一項技術瞭解的並不深刻，但若是你的知識面寬，能夠從多方面說出多種設計的思路，可以侃侃而談，那麼會給面試官極大的好感度，拿到offer的機率就會高不少。並且「附近的人」 功能使用的場景比較多，尤爲是像電商平臺應用更爲普遍，因此想要進大廠的同窗，這類的知識點仍是應該有所瞭解的。

 

相關文章
相關標籤/搜索
每日一句
    每一个你不满意的现在，都有一个你没有努力的曾经。
本站公眾號
   歡迎關注本站公眾號,獲取更多信息
聯繫我們 最近搜索 最新文章 沪ICP备13005482号-10 MyBatis教程 SQL 教程 MySQL教程 Java 教程 Thymeleaf 教程 Hibernate教程 Spring教程 Redis教程