IM裏「附近的人」功能實現原理是什麼？如何高效率地實現它？

時間 2019-11-12

標籤附近功能實現原理什麼如何高效率简体版

原文原文鏈接

一、引言

基本上以陌生人社交爲主的IM產品裏，都會增長「附近的人」、「附近的xxx」這種以LBS（地理位置）爲導向的產品特點（微信這個熟人社交產品裏爲啥也有「附近的人」？這固然是歷史緣由了，微信當初還不是想借此引流嘛。。。），由於「附近的xxx」這種相似功能在產品運營早期，對於種子用戶的積累有很大幫助（必竟某種需求，對於人類來講，是上帝賦予的最原始衝動，你懂的...）。html

好比下圖中的幾款主流移動端IM中的「附近的xxx」功能：java

那麼，對於不少即時通信（IM）的開發者初學者來講，「附近的人」或者相似功能，在技術實現上還有點摸不着頭腦。本文將簡要的爲你講解「附近的人」的基本理論原理，並以Redis的GEO系列地理位置操做指令爲例，理論聯繫實際地爲你講解它們是如何被高效實現的。node

閱讀提示：本文適合有必定Redis使用經驗的服務器後端開發人員閱讀，IM移動客戶端開發人員沒有太多閱讀的必要（理論原理卻是能夠知道一下），必竟「附近的xxx」功能主要工做在服務端，而不在客戶端。android

二、IM開發乾貨系列文章

本文是系列文章中的第19篇，總目錄以下：ios

《IM消息送達保證機制實現(一)：保證在線實時消息的可靠投遞》git

《IM消息送達保證機制實現(二)：保證離線消息的可靠投遞》redis

《如何保證IM實時消息的「時序性」與「一致性」？》算法

《IM單聊和羣聊中的在線狀態同步應該用「推」仍是「拉」？》數據庫

《IM羣聊消息如此複雜，如何保證不丟不重？》後端

《一種Android端IM智能心跳算法的設計與實現探討（含樣例代碼）》

《移動端IM登陸時拉取數據如何做到省流量？》

《通俗易懂：基於集羣的移動端IM接入層負載均衡方案分享》

《淺談移動端IM的多點登錄和消息漫遊原理》

《IM開發基礎知識補課(一)：正確理解前置HTTP SSO單點登錄接口的原理》

《IM開發基礎知識補課(二)：如何設計大量圖片文件的服務端存儲架構？》

《IM開發基礎知識補課(三)：快速理解服務端數據庫讀寫分離原理及實踐建議》

《IM開發基礎知識補課(四)：正確理解HTTP短鏈接中的Cookie、Session和Token》

《IM羣聊消息的已讀回執功能該怎麼實現？》

《IM羣聊消息到底是存1份(即擴散讀)仍是存多份(即擴散寫)？》

《IM開發基礎知識補課(五)：通俗易懂，正確理解並用好MQ消息隊列》

《一個低成本確保IM消息時序的方法探討》

《IM開發基礎知識補課(六)：數據庫用NoSQL仍是SQL？讀這篇就夠了！》

《IM裏「附近的人」功能實現原理是什麼？如何高效率地實現它？》（本文）

三、「附近的人」功能原理

其實，「附近的人」功能原理並不複雜。

它須要作如下兩件事情：

1）全部使用該IM產品的人，在使用「附近的人」功能前提交自已的地理位置；

2）根據「我」的地理位置，計算出別人跟個人距離；

3）將第2步中計算出的距離由近及遠，進行排序。

具體在產品技術上的實現原理，也很容易理解：

1）如今移動端（ios、android等），經過系統的API很容易抓到用戶當前的位置（即經緯度數據）；

2）根據第1步中的經緯度數據，很容易計算出兩個點之間的距離（計算公式原理，能夠百度一下，個人幾何和數學知識都還給老師了，給你講不了）；

3）對第2步中的計算結果排序就更簡單了，沒什麼好提的。

對於IM新手來講，可能對於第2步中的根據經緯度數據計算出兩點距離，以爲有點難度，實際上根據數據公式（自已百度一下吧，有點複雜，哥不貼了），用代碼來實現，只有短短的十來行代碼。

下面是一個簡單的Java版實現：

/**

* 計算地球上任意兩點(經緯度)距離

*

* @param long1 第一點經度

* @param lat1 第一點緯度

* @param long2 第二點經度

* @param lat2 第二點緯度

* @return 返回距離單位：米

*/

public static double Distance(double long1, double lat1, double long2, double lat2)

{

    double a, b, R;

    R = 6378137; // 地球半徑

    lat1 = lat1 * Math.PI / 180.0;

    lat2 = lat2 * Math.PI / 180.0;

    a = lat1 - lat2;

    b = (long1 - long2) * Math.PI / 180.0;

    double d;

    double sa2, sb2;

    sa2 = Math.sin(a / 2.0);

    sb2 = Math.sin(b / 2.0);

    d = 2* R * Math.asin(Math.sqrt(sa2 * sa2 + Math.cos(lat1) * Math.cos(lat2) * sb2 * sb2));

    return d;

}

在進行代碼測試的時候，能夠結合這個在線工具網頁進行結果檢驗：http://www.hhlink.com/%E7%BB%8F%E7%BA%AC%E5%BA%A6/

嗯，看起來好簡單！

四、自已從零實現的話，沒有難度嗎？

嗯，經過上一節的原理講解，目前爲止，看起來確實很簡單。

但，若是自已從零實現的話，對於IM這種高性能、高併發場景來講，確實有一點難度，難不在移動客戶端，而是在服務端。

技術難點主要包括：

1）如何高效地進行兩點距離的計算，對於高併發服務端來講，像上一節中的代碼那樣，一個一個計算，仍是有點不高效；

2）如何高效地進行地理圍欄的圈定（難道是把全部當前在線的用戶，離個人距離都一一算一遍，而後按距離進行篩選？那性能豈不是噩夢？）。

那，有救嗎？答案是有！繼續看下一節。

五、Redis裏的GEO地理位置相關指令，就能很好的上述問題

針對「附近的人」這一位置服務領域的應用場景，服務端高性能場景下，常見的可以使用PG、MySQL和MongoDB等多種DB的空間索引進行實現。

而Redis另闢蹊徑，結合其有序隊列zset以及geohash編碼，實現了空間搜索功能，且擁有極高的運行效率。

要提供完整的「附近的人」這樣的功能或服務，最基本的是要實現「增」、「刪」、「查」的功能。本文餘下的文字，如下將分別進行介紹，其中會重點對查詢功能進行解析。並將從Redis源碼角度對其算法原理進行解析，並推算查詢時間複雜度。

Redis相關資源：

1）Redis官網：https://redis.io

2）Redis的GEO指令說明（英文）：https://redis.io/commands

3）Redis的GEO指令說明（中文）：http://redisdoc.com/geo/geoadd.html

六、Redis的GEO地理位置操做指令

自 Redis 3.2版開始，Redis基於geohash和有序集合提供了地理位置相關功能。

Redis中的6個地理位置相關操做指令（見官方文檔）：

Redis Geo模塊的6個指令用途說明：

1）GEOADD：將給定的位置對象（緯度、經度、名字）添加到指定的key；

2）GEOPOS：從key裏面返回全部給定位置對象的位置（經度和緯度）；

3）GEODIST：返回兩個給定位置之間的距離；

4）GEOHASH：返回一個或多個位置對象的Geohash表示；

5）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；

6）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。

其中，組合使用GEOADD和GEORADIUS可實現「附近的人」中「增」和「查」的基本功能。要實現相似於微信中「附近的人」功能，可直接使用GEORADIUSBYMEMBER命令。

其中「給定的位置對象」即爲用戶本人，搜索的對象爲其餘用戶。不過本質上，GEORADIUSBYMEMBER = GEOPOS + GEORADIUS，即先查找用戶位置再經過該位置搜索附近知足位置相互距離條件的其餘用戶對象。

使用時的注意點：

1）Redis GEO操做中只包含了「增」和「查」的操做，並沒有專門「刪除」命令。主要是由於Redis內部使用有序集合(zset)保存位置對象，可用zrem刪除；

2）在Redis源碼geo.c的文件註釋中，只說明瞭該文件爲GEOADD、GEORADIUS和GEORADIUSBYMEMBER的實現；

3）從側面看出其餘三個命令爲輔助命令。

本文的餘下內容，將會從源碼角度入手，着生理地對GEOADD和GEORADIUS命令進行分析，剖析其算法原理。

七、Redis的GEOADD指令是如何高效實現的

7.1 使用方式

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

以上命令，將給定的位置對象（緯度、經度、名字）添加到指定的key。

其中，key爲集合名稱，member爲該經緯度所對應的對象。在實際運用中，當所需存儲的對象數量過多時，可經過設置多key(如一個省一個key)的方式對對象集合變相作sharding，避免單集合數量過多。

成功插入後的返回值：

(integer) N

其中N爲成功插入的個數。

7.2 源碼分析

/* GEOADD key long lat name [long2 lat2 name2 ... longN latN nameN] */

void geoaddCommand(client *c) {

//參數校驗

    /* Check arguments number for sanity. */

    if((c->argc - 2) % 3 != 0) {

        /* Need an odd number of arguments if we got this far... */

        addReplyError(c, "syntax error. Try GEOADD key [x1] [y1] [name1] "

                         "[x2] [y2] [name2] ... ");

        return;

    }

//參數提取Redis

    int elements = (c->argc - 2) / 3;

    int argc = 2+elements*2; /* ZADD key score ele ... */

    robj **argv = zcalloc(argc*sizeof(robj*));

    argv[0] = createRawStringObject("zadd",4);

    argv[1] = c->argv[1]; /* key */

    incrRefCount(argv[1]);

//參數遍歷+轉換

    /* Create the argument vector to call ZADD in order to add all

     * the score,value pairs to the requested zset, where score is actually

     * an encoded version of lat,long. */

    int i;

    for(i = 0; i < elements; i++) {

        double xy[2];

    //提取經緯度

        if(extractLongLatOrReply(c, (c->argv+2)+(i*3),xy) == C_ERR) {

            for(i = 0; i < argc; i++)

                if(argv[i ]) decrRefCount(argv[i ]);

            zfree(argv);

            return;

        }

    //將經緯度轉換爲52位的geohash做爲分值 & 提取對象名稱

        /* Turn the coordinates into the score of the element. */

        GeoHashBits hash;

        geohashEncodeWGS84(xy[0], xy[1], GEO_STEP_MAX, &hash);

        GeoHashFix52Bits bits = geohashAlign52Bits(hash);

        robj *score = createObject(OBJ_STRING, sdsfromlonglong(bits));

        robj *val = c->argv[2 + i * 3 + 2];

    //設置有序集合的對象元素名稱和分值

        argv[2+i*2] = score;

        argv[3+i*2] = val;

        incrRefCount(val);

    }

//調用zadd命令，存儲轉化好的對象

    /* Finally call ZADD that will do the work for us. */

    replaceClientCommandVector(c,argc,argv);

    zaddCommand(c);

}

經過Redis源碼分析能夠看出，Redis內部使用有序集合(zset)保存位置對象，有序集合中每一個元素都是一個帶位置的對象，元素的score值爲其經緯度對應的52位的geohash值：

1）double類型精度爲52位；

2）geohash是以base32的方式編碼，52bits最高可存儲10位geohash值，對應地理區域大小爲0.6*0.6米的格子。換句話說經Redis geo轉換過的位置理論上會有約0.3*1.414=0.424米的偏差。

7.3 算法小結

簡單總結下GEOADD命令都幹了啥：

1）參數提取和校驗；

2）將入參經緯度轉換爲52位的geohash值（score）；

3）調用ZADD命令將member及其對應的score存入集合key中。

八、Redis的GEORADIUS指令是如何高效實現的

8.1 使用方式

1GEORADIUS key longitude latitude radius m|km|ft|mi [WITHCOORD] [WITHDIST] [WITHHASH] [ASC|DESC] [COUNT count] [STORE key] [STORedisT key]

以上指令，將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。

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

額外參數：

- 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。

因爲 STORE 和 STORedisT 兩個選項的存在，GEORADIUS 和 GEORADIUSBYMEMBER 命令在技術上會被標記爲寫入命令，從而只會查詢（寫入）主實例，QPS太高時容易形成主實例讀寫壓力過大。

爲解決這個問題，在 Redis 3.2.10 和 Redis 4.0.0 中，分別新增了 GEORADIUS_RO 和 GEORADIUSBYMEMBER_RO兩個只讀命令。

不過，在實際開發中筆者發現在java package Redis.clients.jedis.params.geo 的 GeoRadiusParam 參數類中並不包含 STORE 和 STORedisT 兩個參數選項，在調用georadius時是否真的只查詢了主實例，仍是進行了只讀封裝。感興趣的朋友能夠本身研究下。

成功查詢後的返回值：

不帶WITH限定，返回一個member list，如：["member1","member2","member3"]

帶WITH限定，member list中每一個member也是一個嵌套list，如：

[

["member1", distance1, [longitude1, latitude1]]

["member2", distance2, [longitude2, latitude2]]

]

8.2 源碼分析

此段源碼較長，看不下去的可直接看中文註釋，或直接跳到小結部分。

/* GEORADIUS key x y radius unit [WITHDIST] [WITHHASH] [WITHCOORD] [ASC|DESC]

*                               [COUNT count] [STORE key] [STORedisT key]

* GEORADIUSBYMEMBER key member radius unit ... options ... */

voidgeoradiusGeneric(client *c, intflags) {

    robj *key = c->argv[1];

    robj *storekey = NULL;

    int stoRedist = 0; /* 0 for STORE, 1 for STORedisT. */

//根據key獲取有序集合

    robj *zobj = NULL;

    if((zobj = lookupKeyReadOrReply(c, key, shared.null[c->resp])) == NULL ||

        checkType(c, zobj, OBJ_ZSET)) {

        return;

    }

//根據用戶輸入（經緯度/member）確認中心點經緯度

    int base_args;

    double xy[2] = { 0 };

    if(flags & RADIUS_COORDS) {

                ……

    }

//獲取查詢範圍距離

    double radius_meters = 0, conversion = 1;

    if((radius_meters = extractDistanceOrReply(c, c->argv + base_args - 2,

                                                &conversion)) < 0) {

        return;

    }

//獲取可選參數（withdist、withhash、withcoords、sort、count）

    int withdist = 0, withhash = 0, withcoords = 0;

    int sort = SORT_NONE;

    long long count = 0;

    if(c->argc > base_args) {

        ... ...

    }

//獲取 STORE 和 STORedisT 參數

    if(storekey && (withdist || withhash || withcoords)) {

        addReplyError(c,

            "STORE option in GEORADIUS is not compatible with "

            "WITHDIST, WITHHASH and WITHCOORDS options");

        return;

    }

//設定排序

    if(count != 0 && sort == SORT_NONE) sort = SORT_ASC;

//利用中心點和半徑計算目標區域範圍

    GeoHashRadius georadius =

        geohashGetAreasByRadiusWGS84(xy[0], xy[1], radius_meters);

//對中心點及其周圍8個geohash網格區域進行查找，找出範圍內元素對象

    geoArray *ga = geoArrayCreate();

    membersOfAllNeighbors(zobj, georadius, xy[0], xy[1], radius_meters, ga);

//未匹配返空

    /* If no matching results, the user gets an empty reply. */

    if(ga->used == 0 && storekey == NULL) {

        addReplyNull(c);

        geoArrayFree(ga);

        return;

    }

//一些返回值的設定和返回

    ……

    geoArrayFree(ga);

}

上文代碼中最核心的步驟有兩個：

一是「計算中心點範圍；

二是「對中心點及其周圍8個geohash網格區域進行查找」。

對應的是geohashGetAreasByRadiusWGS84和membersOfAllNeighbors兩個函數。

咱們依次來看。

計算中心點範圍：

// geohash_helper.c

GeoHashRadius geohashGetAreasByRadiusWGS84(double longitude, double latitude,

                                           double radius_meters) {

    return geohashGetAreasByRadius(longitude, latitude, radius_meters);

}

//返回可以覆蓋目標區域範圍的9個geohashBox

GeoHashRadius geohashGetAreasByRadius(double longitude, double latitude, double radius_meters) {

//一些參數設置

    GeoHashRange long_range, lat_range;

    GeoHashRadius radius;

    GeoHashBits hash;

    GeoHashNeighbors neighbors;

    GeoHashArea area;

    double min_lon, max_lon, min_lat, max_lat;

    double bounds[4];

    int steps;

//計算目標區域外接矩形的經緯度範圍（目標區域爲：以目標經緯度爲中心，半徑爲指定距離的圓）

    geohashBoundingBox(longitude, latitude, radius_meters, bounds);

    min_lon = bounds[0];

    min_lat = bounds[1];

    max_lon = bounds[2];

    max_lat = bounds[3];

//根據目標區域中心點緯度和半徑，計算帶查詢的9個搜索框的geohash精度（位）

//這裏用到latitude主要是針對極地的狀況對精度進行了一些調整（緯度越高，位數越小）

    steps = geohashEstimateStepsByRadius(radius_meters,latitude);

//設置經緯度最大最小值：-180<=longitude<=180, -85<=latitude<=85

    geohashGetCoordRange(&long_range,&lat_range);

//將待查經緯度按指定精度（steps）編碼成geohash值

    geohashEncode(&long_range,&lat_range,longitude,latitude,steps,&hash);

//將geohash值在8個方向上進行擴充，肯定周圍8個Box（neighbors）

    geohashNeighbors(&hash,&neighbors);

//根據hash值肯定area經緯度範圍

    geohashDecode(long_range,lat_range,hash,&area);

//一些特殊狀況處理

    ……

//構建並返回結果

    radius.hash = hash;

    radius.neighbors = neighbors;

    radius.area = area;

    return radius;

}

對中心點及其周圍8個geohash網格區域進行查找:

// geo.c

//在9個hashBox中獲取想要的元素

int membersOfAllNeighbors(robj *zobj, GeoHashRadius n, double lon, double lat, double radius, geoArray *ga) {

    GeoHashBits neighbors[9];

    unsigned int i, count = 0, last_processed = 0;

    int debugmsg = 0;

//獲取9個搜索hashBox

    neighbors[0] = n.hash;

    ……

    neighbors[8] = n.neighbors.south_west;

//在每一個hashBox中搜索目標點

    for(i = 0; i < sizeof(neighbors) / sizeof(*neighbors); i++) {

        if(HASHISZERO(neighbors[i ])) {

            if(debugmsg) D("neighbors[%d] is zero",i);

            continue;

        }

        //剔除可能的重複hashBox (搜索半徑>5000KM時可能出現)

        if(last_processed &&

            neighbors[i ].bits == neighbors[last_processed].bits &&

            neighbors[i ].step == neighbors[last_processed].step)

        {

            continue;

        }

        //搜索hashBox中知足條件的對象

        count += membersOfGeoHashBox(zobj, neighbors[i ], ga, lon, lat, radius);

        last_processed = i;

    }

    returncount;

}

int membersOfGeoHashBox(robj *zobj, GeoHashBits hash, geoArray *ga, double lon, double lat, double radius) {

//獲取hashBox內的最大、最小geohash值（52位）

    GeoHashFix52Bits min, max;

    scoresOfGeoHashBox(hash,&min,&max);

//根據最大、最小geohash值篩選zobj集合中知足條件的點

    return geoGetPointsInRange(zobj, min, max, lon, lat, radius, ga);

}

int geoGetPointsInRange(robj *zobj, double min, double max, double lon, double lat, double radius, geoArray *ga) {

//搜索Range的參數邊界設置（即9個hashBox其中一個的邊界範圍）

    zrangespec range = { .min = min, .max = max, .minex = 0, .maxex = 1 };

    size_torigincount = ga->used;

    sds member;

//搜索集合zobj可能有ZIPLIST和SKIPLIST兩種編碼方式，這裏以SKIPLIST爲例，邏輯是同樣的

    if(zobj->encoding == OBJ_ENCODING_ZIPLIST) {

        ……

    } else if(zobj->encoding == OBJ_ENCODING_SKIPLIST) {

        zset *zs = zobj->ptr;

        zskiplist *zsl = zs->zsl;

        zskiplistNode *ln;

        //獲取在hashBox範圍內的首個元素（跳錶數據結構，效率可比擬於二叉查找樹），沒有則返0

        if((ln = zslFirstInRange(zsl, &range)) == NULL) {

            /* Nothing exists starting at our min. No results. */

            return 0;

        }

        //從首個元素開始遍歷集合

        while(ln) {

            sds ele = ln->ele;

                //遍歷元素超出range範圍則break

            /* Abort when the node is no longer in range. */

            if(!zslValueLteMax(ln->score, &range))

                break;

                //元素校驗（計算元素與中心點的距離）

            ele = sdsdup(ele);

            if(geoAppendIfWithinRadius(ga,lon,lat,radius,ln->score,ele)

                == C_ERR) sdsfree(ele);

            ln = ln->level[0].forward;

        }

    }

    returnga->used - origincount;

}

int geoAppendIfWithinRadius(geoArray *ga, double lon, double lat, double radius, double score, sds member) {

    double distance, xy[2];

//解碼錯誤, 返回error

    if(!decodeGeohash(score,xy)) returnC_ERR; /* Can't decode. */

//最終距離校驗(計算球面距離distance看是否小於radius)

    if(!geohashGetDistanceIfInRadiusWGS84(lon,lat, xy[0], xy[1],

                                           radius, &distance))

    {

        return C_ERR;

    }

//構建並返回知足條件的元素

    geoPoint *gp = geoArrayAppend(ga);

    gp->longitude = xy[0];

    gp->latitude = xy[1];

    gp->dist = distance;

    gp->member = member;

    gp->score = score;

    return C_OK;

}

8.3 算法小結

拋開衆多可選參數不談，簡單總結下GEORADIUS命令是怎麼利用geohash獲取目標位置對象的：

1）參數提取和校驗；

2）利用中心點和輸入半徑計算待查區域範圍。這個範圍參數包括知足條件的最高的geohash網格等級(精度) 以及對應的可以覆蓋目標區域的九宮格位置；（後續會有詳細說明）

3）對九宮格進行遍歷，根據每一個geohash網格的範圍框選出位置對象。進一步找出與中心點距離小於輸入半徑的對象，進行返回。

直接描述不太好理解，咱們經過以下兩張圖在對算法進行簡單的演示：

如上圖所示，令左圖的中心爲搜索中心，綠色圓形區域爲目標區域，全部點爲待搜索的位置對象，紅色點則爲知足條件的位置對象。

在實際搜索時,首先會根據搜索半徑計算geohash網格等級（即右圖中網格大小等級），並肯定九宮格位置（即紅色九宮格位置信息）；再依次查找計算九宮格中的點（藍點和紅點）與中心點的距離，最終篩選出距離範圍內的點（紅點）。

8.4 算法分析

爲何要用這種算法策略進行查詢，或者說這種策略的優點在哪，讓咱們以問答的方式進行分析說明。

爲何要找到知足條件的最高的geohash網格等級？爲何用九宮格？

這實際上是一個問題，本質上是對全部的元素對象進行了一次初步篩選。在多層geohash網格中，每一個低等級的geohash網格都是由4個高一級的網格拼接而成（以下圖）。

換句話說，geohash網格等級越高，所覆蓋的地理位置範圍就越小。當咱們根據輸入半徑和中心點位置計算出的可以覆蓋目標區域的最高等級的九宮格（網格）時，就已經對九宮格外的元素進行了篩除。這裏之因此使用九宮格，而不用單個網格，主要緣由仍是爲了不邊界狀況，儘量縮小查詢區域範圍。試想以0經緯度爲中心，就算查1米範圍，單個網格覆蓋的話也得查整個地球區域。而向四周八個方向擴展一圈可有效避免這個問題。

如何經過geohash網格的範圍框選出元素對象？效率如何？

首先在每一個geohash網格中的geohash值都是連續的，有固定範圍。因此只要找出有序集合中，處在該範圍的位置對象便可。如下是有序集合的跳錶數據結構：

其擁有相似二叉查找樹的查詢效率，操做平均時間複雜性爲O(log(N))。且最底層的全部元素都以鏈表的形式按序排列。因此在查詢時，只要找到集合中處在目標geohash網格中的第一個值，後續依次對比便可，不用屢次查找。九宮格不能一塊兒查，要一個個遍歷的緣由也在於九宮格各網格對應的geohash值不具備連續性。只有連續了，查詢效率纔會高，否則要多作許多距離運算。