地理位置附近查询的GEOHASH解决方案

case描述

滴滴出现是一款非常好用的APP，解决了日常用户的出行需求，产品的背后需要非常精湛的技术支持，其中一项技术叫附近查找，附近查找的业务可能会基于多种业务规则，最常用的就是基于出行人的地理位置，查找附件的司机，从而将该出行需求信息推送给给附近的司机（以上是滴滴的业务，跟我们的业务并没有任何关系，只是为了描述业务场景）。我们的货车业务一样需要用到附近查找的技术，通过定位当前用户的位置，查询附近的货车，并在地图上展示。

 
 

解题思路

地图后台如何根据自己所在位置查询来查询附近货车的呢？计算用户所在位置P与朝阳区所有货车距离，然后返回距离<=1000米的货车。问题来了，那么如果我们朝阳区有10万辆货车，这样计算不得了，是否可以考虑用索引？

　　一提到索引，大家脑子里马上浮现出B树索引，因为大量的数据库（如MySQL、oracle、PostgreSQL等）都在使用B树。B树索引本质上是对索引字段进行排序，然后通过类似二分查找的方法进行快速查找，即它要求索引的字段是可排序的，一般而言，可排序的是一维字段，比如时间、年龄、薪水等等。但是对于空间上的一个点（二维，包括经度和纬度），如何排序呢？又如何索引呢？解决的方法很多，下文介绍几种方法来解决这一问题。

• 支持二维索引的存储数据库：mongo

mongoDB支持二维空间索引,使用空间索引,mongoDB支持一种特殊查询,如某地图网站上可以查找离你最近的咖啡厅,银行等信息。这个使用mongoDB的空间索引结合特殊的查询方法很容易实现。

db.places.find( { location : { $near : [39.9994520000,116.4021310000], $maxDistance: 0.7 } } ).limit(20);

获取附近半径0.7附近的20条记录，经常简单实用。

优点:API直接支持，很方便
缺点：mongo2D查询不能建立联合索引，再基于其它条件排序的话，性能比较低，类似mysql的filesort，并发量大、数据量大的话性能是mongo会成为瓶颈。

• 升级Mysql至5.7，支持Geohash