一直在琢磨LBS，期待可以发现更好的方案。现在纠结了。

简单列举一下已经了解到的方案：
1.sphinx geo索引
2.mongodb geo索引
3.mysql sql查询
4.mysql+geohash
5.redis+geohash

然后列举一下需求：
1.实时性要高，有频繁的更新和读取
2.可按距离排序支持分页
3.支持多条件筛选（一个经纬度数据还包含其他属性，比如社交系统的性别、年龄）

方案简单介绍：
1.sphinx geo索引
支持按照距离排序，并支持分页。但是尝试mva+geo失败，还在找原因。
无法满足高实时性需求。（可能是不了解实时增量索引配置有误）
资源占用小，速度快

2.mongodb geo索引
支持按照距离排序，并支持分页。支持多条件筛选。
可满足实时性需求。
资源占用大，数据量达到百万级请流量在10w左右查询速度明显下降。

3.mysql+geohash/ mysql sql查询
不支持按照距离排序（代价太大）。支持分页。支持多条件筛选。
可满足实时性需求。
资源占用中等，查询速度不及mongodb。
且geohash按照区块将球面转化平面并切割。暂时没有找到跨区块查询方法（不太了解）。

4.redis+geohash
geohash缺点不再赘述
不支持距离排序。支持分页查询。不支持多条件筛选。
可满足实时性需求。
资源占用最小。查询速度很快。

------update
补充一下测试机配置：
1TB SATA硬盘。8GB RAM。I3 2350 双核四线程




图解MongoDB地理位置索引的实现原理

日期：2011-6-9 作者：nosqlfan    我要评论

大 |  中 |  小

导读：本文介绍了MongoDB地理位置索引的实现原理，地理位置索引支持是MongoDB的一大亮点，这也是全球最流行的LBS服务foursquare选择MongoDB的原因之一。

关键词：MongoDB 地理图形 索引 数据库 B+ Tree 

　　地理位置索引支持是MongoDB的一大亮点，这也是全球最流行的LBS服务foursquare 选择MongoDB的原因之一。我们知道，通常的数据库索引结构是B+ Tree，如何将地理位置转化为可建立B+Tree的形式，下文将为你描述。

Advertisement

　　首先假设我们将需要索引的整个地图分成16×16的方格，如下图(左下角为坐标0,0 右上角为坐标16,16)：

　　

　　单纯的[x，y]的数据是无法建立索引的，所以MongoDB在建立索引的时候，会根据相应字段的坐标计算一个可以用来做索引的hash值，这个值叫做geohash，下面我们以地图上坐标为[4，6]的点(图中红叉位置)为例。

　　我们第一步将整个地图分成等大小的四块，如下图：

　　划分成四块后我们可以定义这四块的值，如下(左下为00，左上为01，右下为10，右上为11)：

0111
0010

　　这样[4，6]点的geohash值目前为 00

　　然后再将四个小块每一块进行切割，如下：

　　

　　这时[4，6]点位于右上区域，右上的值为11，这样[4，6]点的geohash值变为：0011

　　继续往下做两次切分：

　　

　　

　　最终得到[4，6]点的geohash值为：00110100

　　这样我们用这个值来做索引，则地图上点相近的点就可以转化成有相同前缀的geohash值了。

　　我们可以看到，这个geohash值的精确度是与划分地图的次数成正比的，上例对地图划分了四次。而MongoDB默认是进行26次划分，这个值在建立索引时是可控的。具体建立二维地理位置索引的命令如下：

　　db.map.ensureIndex({point : "2d"}, {min : 0, max : 16, bits : 4})

　　其中的bits参数就是划分几次，默认为26次。

原文出处：http://blog.nosqlfan.com/html/1811.html