TableStore輕鬆實現軌跡管理與地理圍欄

1、方案背景

軌跡管理系統平常生活中使用很是廣泛，如外賣派送軌跡、快遞物流流轉、車輛定位軌跡等。該場景與地理位置管理相似，核心點與瓶頸都在數據庫的存儲性能與查詢能力，同時須要時間字段正序排列，保證軌跡點順序；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多維度數據檢索與排序。表格存儲（TableStore）對於軌跡管理場景，依然能夠勝任，徹底具有實現軌跡管理系統的能力。
不妨來體驗一下基於TableStore打造的【億量級摩托車管理系統】樣例；

需求場景

某城市市區出於安全考慮，限制摩托車進入必定的區域範圍。某摩托車租賃公司，爲了更好管理所轄摩托車的違章問題，對本身所轄摩托車安裝定位系統，定時採集摩托車位置。摩托車租賃公司，能夠經過軌跡管理平臺，查詢統計違章狀況，也可做爲依據，提醒違章的租賃用戶，過多違章拉入黑名單；
查詢場景：【2018年11月01日】編號【id00001】的摩托車行駛軌跡與違章狀況查詢；

樣例以下：
注：該樣例提供了【億量級】軌跡數據。官網控制檯地址：項目樣例

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

採用表格存儲（TableStore）輕鬆搭建一套：億量級摩托車管理系統。多元索引功能提供GEO檢索、多維查詢的能力，經過對時間的排序獲取追蹤設備的軌跡。同時，用戶可隨時建立索引而後完成自動同步，不用擔憂存量數據問題。
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；
SearchIndex功能在保證用戶數據高可用的基礎上，提供了數據多維度搜索、排序等能力。針對多種場景建立多種索引，實現多種模式的檢索。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【億量級摩托車管理系統】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_track

列名	數據類型	索引類型	字段說明
_id(主鍵列)	String		MD5(mId + timestamp)避免熱點
mId	Stirng		摩托車編號
timestamp	long	LONG	時間點（毫秒時間戳）
pos	String	GEO_POINT	車輛位置："30.132,120.082"(緯度,精度)
...	...	...	...

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「摩托車軌跡表」：經過控制檯建立、管理數據表（用戶也能夠經過SDK直接建立）：其餘表如租賃用戶表、摩托車信息表等，根據需求建立：這裏僅展現軌跡表，表名：geo_track

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

插入部分測試數據（控制檯樣例中插入了1.08億條(1萬輛摩托70天24小時*6個"10分鐘點")數據，用戶本身能夠經過控制檯插入少許測試數據）；

表名：geo_track

摩托車編號	軌跡點md5(mId + timestamp)（主鍵）	時間	店鋪位置
id00001	f50d55bec347253c24dc9144dff3e3b7	1541103600000	30.30094,120.01278

表名：moto_user

摩托車編號（主鍵）	摩托車顏色	摩托車品牌	摩托車租賃用戶
id00001	銀灰色	H牌摩托車	楊六

四、數據讀取

數據讀取分爲兩類：

主鍵讀取（摩托車信息查詢）

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（摩托車編號）單條查詢的頁面，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（軌跡信息查詢）

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【2018年11月01日，id00001號摩托車，行駛軌跡及違章查詢】Query條件以下：

List<Query> mustQueries = new ArrayList<Query>();
List<String> polygonList = Arrays.asList(//地理圍欄，禁摩區域
    "30.262348,120.092127",
    "30.311668,120.079761",
    "30.332413,120.129371",
    ...
);
String mId = "id00001";
Long timeStart = [2018-11-01時間戳];
Long timeEnd = [2018-11-02時間戳];

GeoPolygonQuery geoPolygonQuery = new GeoPolygonQuery();
geoPolygonQuery.setPoints(polygonList);
geoPolygonQuery.setFieldName("pos");
mustQueries.add(geoPolygonQuery);

TermQuery termQuery = new TermQuery();
termQuery.setFieldName("mId");
termQuery.setTerm(ColumnValue.fromString(request.getmId()));
mustQueries.add(termQuery);

RangeQuery rangeQuery = new RangeQuery();
rangeQuery.setFieldName("timestamp");
rangeQuery.setFrom(ColumnValue.fromDouble(timeStart, true);
rangeQuery.setTo(ColumnValue.fromDouble(timeEnd, false);
mustQueries.add(rangeQuery);

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

原文連接