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