Elasticsearch计算距离，根据距离排序，地理点和地理多边形范围查找

最新推荐文章于 2023-07-02 20:42:54 发布
最新推荐文章于 2023-07-02 20:42:54 发布
阅读量1.8k 收藏 5
点赞数
文章标签： elasticsearch 搜索引擎 大数据
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qaz5865026123/article/details/129200667
版权

Elasticsearch 计算距离，根据距离排序，地理点和地理多边形范围查找

文章目录


总结

Elasticsearch 计算并返回距离一共有两种方法：sort 和 script_fields

环境概述

  • CentOS 7.6
  • Elasticsearch 7.10

创建索引

PUT /scenic_spot
{
  "mappings": {
    "properties": {
      "id": {
        "type": "keyword"
      },
      "name": {
        "type": "text"
      },
      "pin": {
        "properties": {
          "location": {
            "type": "geo_point"
          }
        }
      }
    }
  },
  "settings": {
    "number_of_replicas": 3,
    "number_of_shards": 3
  }
}

索引数据

PUT /scenic_spot/_doc/1
{
  "id": 1,
  "name": "恭王府景区",
  "pin": {
    "location": {
      "lat": 31.007925,
      "lon": 103.607572
    }
  }
}

PUT /scenic_spot/_doc/2
{
  "id": 2,
  "name": "故宫博物院",
  "pin": {
    "location": {
      "lat": 39.917248,
      "lon": 116.397176
    }
  }
}

PUT /scenic_spot/_doc/3
{
  "id": 3,
  "name": "天坛公园",
  "pin": {
    "location": {
      "lat": 39.881265,
      "lon": 116.410638
    }
  }
}

PUT /scenic_spot/_doc/4
{
  "id": 4,
  "name": "颐和园",
  "pin": {
    "location": {
      "lat": 39.991664,
      "lon": 116.271966
    }
  }
}

PUT /scenic_spot/_doc/5
{
  "id": 5,
  "name": "八达岭长城",
  "pin": {
    "location": {
      "lat": 40.361375,
      "lon": 116.019809
    }
  }
}

Sort 返回距离

GET /scenic_spot/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "_geo_distance": {
        "pin.location": {
          "lat": 38.912780578039346,
          "lon": 120.18819440815733
        },
        "order": "asc",
        "unit": "km"
      }
    }
  ],
  "size": 1
}

响应结果如下，hits 下的 sort 字段就是距离，单位：km。

{
  "took" : 4,
  "timed_out" : false,
  "_shards" : {
    "total" : 3,
    "successful" : 3,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 5,
      "relation" : "eq"
    },
    "max_score" : null,
    "hits" : [
      {
        "_index" : "scenic_spot",
        "_type" : "_doc",
        "_id" : "3",
        "_score" : null,
        "_source" : {
          "id" : 3,
          "name" : "天坛公园",
          "pin" : {
            "location" : {
              "lat" : 39.881265,
              "lon" : 116.410638
            }
          }
        },
        "sort" : [
          341.96155623680716
        ]
      }
    ]
  }
}

Script_fields 返回距离

GET /scenic_spot/_search
{
  "query": {
    "match_all": {}
  },
  "_source": true,
  "script_fields": {
    "distance": {
      "script": {
        "lang": "painless",
        "params": {
          "lat": 38.912780578039346,
          "lon": 120.18819440815733
        },
        "source": "doc['pin.location'].arcDistance(params.lat, params.lon)/1000"
      }
    }
  },
  "size": 1
}

5.x 以前支持：distanceInKm(lat, lon) 函数，后来被废弃。现在只支持 arcDistance(lat, lon) 函数：计算两点距离，单位为：m。响应结果如下，hits 下的 fields.distance 字段就是距离，单位：km。

{
  "took" : 3,
  "timed_out" : false,
  "_shards" : {
    "total" : 3,
    "successful" : 3,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 5,
      "relation" : "eq"
    },
    "max_score" : 1.0,
    "hits" : [
      {
        "_index" : "scenic_spot",
        "_type" : "_doc",
        "_id" : "5",
        "_score" : 1.0,
        "_source" : {
          "id" : 5,
          "name" : "八达岭长城",
          "pin" : {
            "location" : {
              "lat" : 40.361375,
              "lon" : 116.019809
            }
          }
        },
        "fields" : {
          "distance" : [
            391.55015001577397
          ]
        }
      }
    ]
  }
}

地理点和地理多边形范围查找

Elasticsearch](https://so.csdn.net/so/search?q=Elasticsearch&spm=1001.2101.3001.7020) 是一个功能强大的搜索引擎，支持地理查询，但并不是每个人都习惯于处理空间数据。 如果你对地理处理了解不多，或者想通过 Elasticsearch 了解地理处理，那么本文适合你。在我们的现实生活中，我们经常使用的滴滴打车，美团送餐，美国的 Uber, Lyft 打车，还有一些交友 apps 等等，它们都是使用 Elasticsearch 进行位置搜索的例子。

地理距离查询返回距离点最大距离的所有文档，例如：Dolores 想认识距离她约 300 米的所有人：

红色圆圈的半径为 300 米，我们可以看到只有 William 在圆圈内。

让我们来做一下 Elasticsearch 的实现。 首先，使用属性 name 和 location 创建一个 user_location 索引。

PUT user_location
{
  "mappings": {
    "properties": {
      "name": {
        "type": "text"
      },
      "location": {
        "type": "geo_point"
      }
    }
  }
}

location 的数据类型为 geo_point， 表示地球上的位置。 点具有经度和纬度（坐标）。 你可以在官方文档中检查所有可接受的 geo_point 格式。

现在，让我们为 William，Robert 和 Bernard 的位置创建文档。我们使用 _bulk API 来导入数据：

POST user_location/_bulk
{ "index" : { "_id" : "1" } }
{ "name" : "William", "location": "-25.443053, -49.238396" }
{ "index" : { "_id" : "2" } }
{ "name" : "Robert", "location": "-25.440173, -49.243169" }
{ "index" : { "_id" : "3" } }
{ "name" : "Bernard", "location": "-25.440262, -49.247720" }

为了说明问题的方便，我特地创建一个新的索引叫做 locations，它包含了 Dolores 的位置信息：

PUT locations
{
  "mappings": {
    "properties": {
      "name": {
        "type": "text"
      },
      "location": {
        "type": "geo_point"
      }
    }
  }
}

POST locations/_bulk
{ "index" : { "_id" : "1" } }
{ "name" : "William", "location": "-25.443053, -49.238396" }
{ "index" : { "_id" : "2" } }
{ "name" : "Robert", "location": "-25.440173, -49.243169" }
{ "index" : { "_id" : "3" } }
{ "name" : "Bernard", "location": "-25.440262, -49.247720" }
{ "index" : { "_id" : "4" } }
{ "name" : "Dolores", "location": "-25.442987, -49.239504" }

在上面的 _id 为 4 的文档就是 Doloes 的位置信息。我们来创建一个叫做 locations 的索引模式：

我们打开 Maps 应用：

我们发现这四个位置位于南美的某个地方。我们编辑 location 层的设置，当我们点击该位置的时候，显示名字及 id。我们调整合适的 zoom 大小：

从上面的图中，我们很清楚地看到每个人的相对的位置。离 Dolores 最近的就是 Willam，也就是那个被盖着的那个，接着就是 Robert。最远的就是 Bernard。请注意，我们上面的展示都是以 locations 这个索引来进行展示的。它里面含有 Dolores。我们现在使用 user_location 索引来进行搜索：

GET user_location/_search
{
  "query": {
    "bool": {
      "filter": {
        "geo_distance": {
          "distance": "300m",
          "location": "-25.442987, -49.239504"
        }
      }
    }
  }
}

在上面，我们针对 Dolores 来进行搜索。显示的结果是：

{
  "took" : 55,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 1,
      "relation" : "eq"
    },
    "max_score" : 0.0,
    "hits" : [
      {
        "_index" : "user_location",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 0.0,
        "_source" : {
          "name" : "William",
          "location" : "-25.443053, -49.238396"
        }
      }
    ]
  }
}

也就是说在 Dolores 方圆 300m 之内，只有 William。如果我们把半径增加到 600 m，那么我可以看到 Robert：

GET user_location/_search
{
  "query": {
    "bool": {
      "filter": {
        "geo_distance": {
          "distance": "600m",
          "location": "-25.442987, -49.239504"
        }
      }
    }
  }
}

{
  "took" : 2,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 2,
      "relation" : "eq"
    },
    "max_score" : 0.0,
    "hits" : [
      {
        "_index" : "user_location",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 0.0,
        "_source" : {
          "name" : "William",
          "location" : "-25.443053, -49.238396"
        }
      },
      {
        "_index" : "user_location",
        "_type" : "_doc",
        "_id" : "2",
        "_score" : 0.0,
        "_source" : {
          "name" : "Robert",
          "location" : "-25.440173, -49.243169"
        }
      }
    ]
  }
}

地理多边形查询可获取多边形内的文档。

“多边形是具有直边的封闭形状。 矩形，三角形，六边形和八边形都是多边形的例子。”

它由点列表表示。 两点之间最接近的路径是一条直线。 多边形的起点和终点均相同。 在下面的图上检查下面的植物园多边形。

请注意，Elasticsearch 上的地理查询会检查文档的 geo_point 属性是否在多边形内。 例：Dolores 想知道植物园内的每个人。

GET user_location/_search
{
  "query": {
    "bool": {
      "filter": {
        "geo_polygon": {
          "location": {
            "points": [
              "-25.44373,-49.24248",
              "-25.44297,-49.24230",
              "-25.44177,-49.23642",
              "-25.43961,-49.23822",
              "-25.43991,-49.23781",
              "-25.44170,-49.23647",
              "-25.44210,-49.23586",
              "-25.44218,-49.23506",
              "-25.44358,-49.23491",
              "-25.44406,-49.24139",
              "-25.44373,-49.24248"
            ]
          }
        }
      }
    }
  }
}

上面的搜索返回的结果：

{
  "took" : 15,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 1,
      "relation" : "eq"
    },
    "max_score" : 0.0,
    "hits" : [
      {
        "_index" : "user_location",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 0.0,
        "_source" : {
          "name" : "William",
          "location" : "-25.443053, -49.238396"
        }
      }
    ]
  }
}
qaz5865026123
关注
  • 0
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
ElasticSearch 地理范围查询 距离 坐标集合
weixin_30878361的博客
06-19 1734
最近有两个需求是通过地图选择坐标，查询指定距离内的信息，和通过坐标集合组成不规则形状查询出不规则形状范围内的数据，在最起初我看到这个需求的时候第一个想法就是太复杂了，抵触。但是没有办法既然需求下来了只能硬着头皮上了，在调研之后最终还是决定了使用elasticsearch，下面就开始介绍如何使用elasticsearch来进行相关操作 设置数据格式 地理坐标点（geo-point） 是指地球表面可以...
ElasticSearch 中根据经纬度计算距离的功能
My_wife_QBL的博客
12-01 371
在地理位置空间数据的应用中，根据经纬度计算两点之间的距离是一个常见的需求。为了使用 ElasticSearch 计算距离，需要将相关的地理位置数据存储在索引中，并将经纬度字段设置为地理位置类型。地理位置类型允许 ElasticSearch 使用专门的数据结构来存储和索引地理空间数据，从而提供更快的查询性能和更精确的距离计算。其中，r 是地球的半径，Δlat 和 Δlong 分别是两点纬度和经度的差值。首先，需要创建一个索引，并将包含经纬度的字段映射为地理位置类型。接下来，将包含经纬度的数据存储到索引中。
ElasticSearch2.1 基于空间位置geo_query距离计算
月色无痕的专栏
03-15 9814
首先声明 我使用的ES版本是2.1，不同版本api可能不尽相同 1、首先创建索引mapping （1）方法1 // 创建索引方法1 public static void createIndex2(String indexName, String indexType) throws IOException { Settings settings = Settings.s
pelias:Pelias是使用Elasticsearch的模块化开源地理编码器
04-01
适用于我们世界的模块化，开源搜索引擎。 Pelias是完全由开放数据提供动力的地理编码器，每个人都可以免费使用。 ··· 什么是Pelias？ Pelias是一个由开放数据提供支持的全球各地搜索引擎。 它将地址和地名转换为地理坐标，然后将地理坐标转换为位置和地址。 使用Pelias，您可以将用户的地点搜索转换为可操作的地理数据，并将地理数据转换为真实的位置。 我们认为开放数据，开放源代码和开放策略在堆栈的任何部分都胜过专有解决方案，并且我们希望确保我们提供的服务符合该愿景。 我们认为，只有社区能够吸收真正具有代表性的本地知识，开放式地理编码器才能长期改善。 佩利亚斯 构建在Elasticsearch之上的模块化，开放源代码的地理编码器，用于快速准确的全局搜索。 反正地理编码器是做什么的？ 地理编码是获取输入文本（例如地址或地点名称）并返回该地点在地球表面上的纬度/经度位置的过程。
【传感器】ES系列长距离放大器、分离型近接传感器
03-31
【传感器】ES系列长距离放大器、分离型近接传感器.pdf 介绍了关于【传感器】ES系列长距离放大器、分离型近接传感器的详细说明，提供传感器的技术资料的下载。
tpyo:一个小的脚本，使您可以在JavaScript属性名称中输入错误。 由ES2015代理+ Levenshtein字符串距离提供支持
04-28
py 是否曾经想过使用Math.SQUIRTLE代替Math.SQRT2 ？ 认为Function.prototype.apple看起来比apply更光彩吗？ 还是比forEach更喜欢Array.prototype.faReech ？ 别无所求-tpyo助您一臂之力。 tpyo （发音为“ typo” ）是将ES2015代理的功能与相结合的结果。 这是一个小脚本，可让您在JavaScript属性名称中输入错误。 安装 通过 ： npm install tpyo 在 v6 +中： const tpyo = require ( 'tpyo' ) ; 例子 const array = tpyo ( [ 'a' , 'b' , 'c' ] ) ; array . lnegth ; // → `3` array . tosTr1ng ( ) ; // → `'a,b,c'` array
Elasticsearch：在 Elasticsearch 中按距离有效地对地理点进行排序
Elastic 中国社区官方博客
02-04 2260
计算搜索中两点之间的距离有很多用例。如果你正在处理地理数据，那么无论你从事何种业务，这都必然会出现。然后，在对这些点进行排序时，你可能需要考虑距离，因为……好吧，为什么不呢？所以这里有几种不同的方法可以做到这一点。尽管我尝试尽可能详细地解释所有内容，但我假设你对 Elasticsearch (ES) 及其基本查询有初学者的了解。
java结合elaticsearch实现添加距离返回字段(按经纬度)
m0_37914467的博客
10-23 1766
目的：通过经纬度查询获取距离 前言：在之前讲过通过排序在es的sort域中可以获取距离返回值，这次说一下如果不排序怎么获取距离的返回值 实现方式：采用es脚本实现 1.dsl语言实现：可在kibana插件查询 GET process/_doc/_search { "_source":[], "script_fields": { "distance": { "script": { "source": "doc['location'].arcDistanc
ElasticSearch - 根据经纬度，简单搜索指定距离范围内的数据
MinggeQingchun的博客
07-02 2382
ES的地图检索方式ES支持的地图检索方式有以下几种；
ElasticSearch7.12 较复杂查询包含ES按距离排序
m0_56726104的博客
10-15 2379
刚开始接触ES，今天写了一段代码，记录一下，有不足的地方，欢迎评论指教。 基于 ElasticsearchRestTemplate 对象操作ES库，新版本的ES没有什么特殊的需求，不需要设置，直接注入即可。 @Resource ElasticsearchRestTemplate elasticsearchRestTemplate; 原SQL：***代表要传入的参数，需要查询，然后排序，排序中还有根据距离排序 SELECT * FROM sys_events e where e..
52.（leaflet篇）leaflet多边形空间查询（ElasticSearch技术实现）.zip
11-05
下载如有问题，可私信博主。下载前建议先查看博客内容，其地址为：https://blog.csdn.net/QQ98281642/article/details/121163218
visual_search：基于Elasticsearch和Tensorflow的视觉搜索引擎
02-02
视觉搜寻 基于Elasticsearch和Tensorflow的可视搜索引擎（现已完全泊坞以在最新的开发环境中运行）。 描述 该存储库包含Python 2.7中的代码，并利用Tensorflow 0.12.1实现的Faster-RCNN （以VGG-16作为主干）从图像中提取特征。 Elasticsearch实例用于存储相应图像的特征向量，以及用于计算它们之间距离的插件。 待办事项：用更快，更准确的模型替换过时的Faster-RCNN （欢迎提出建议或任何合作）。 要求 该安装程序假设您正在运行 docker且驱动程序版本为367.48或更高。 设置Elasticsearch 首先，我们需要构建Elasticsearch插件以计算特征向量之间的距离。 确保已安装 。 cd elasticsearch/es-plugin mvn install 接下来，我们需要创建一个以便所有其他容器都可以解析我们的elasticsearch实例的IP地址。 docker network create vs_es_net 最后，启动elasticsearch容器。 它将自动添加插件，为持久性
基于Elasticsearch的空间索引创建、空间范围查询源码及使用说明
最新发布
01-18
基于Elasticsearch实现空间索引创建、空间范围查询， 1 创建索引集合接口 filePath：传入待建索引的SHP文件路径，预先将SHP文件拷贝至相应路径下； indexName：待建索引集合名称； indexConfig：待建索引集合的字段配置信息（类似数据库表字段配置），json字符串； [{"attrName":"mdRpOrgNam","indexType":"keyword"},{"attrName":"idMapTitle","indexType":"text"}] 其中attrName为字段名称，对应SHP里面的属性名称；indexType为索引的类型，keyword表示精确匹配，text表示模糊匹配，建索引时会进行分词； 2 索引服务查询接口 keyWord：查询关键字 pageNum：第几页； pageSize：每页条数； indexName：待查索引集合名称 bbox：自定义范围条件，例如传入矩形框范围的四个点坐标，点与点之间英文分号隔开，点的经纬度之间英文逗号隔开,例如： 102.724,33.566;104.27,33.566;104.223,32.
地名索引：OSM ElasticSearch地理编码器和地址导出器
02-03
OpenStreetMap（OSM）地理编码器 该项目的主要目的是易于使用的地理编码器/地理索引器。 项目由两部分组成：地名词典和地名网站 地名词典 地名词典用于解析osm数据，并对几何进行所有脏工作。 您可以将Gazetteer用作独立的osm处理器，以从osm转储地址。 您可以忽略GazetteerWeb，并在自己的地理编码/地理搜索应用程序中使用数据。 进行osm.bz2转储并生成json 完整的地理编码建筑物 完整的地理编码POI 街道 城市 行政界限 详细信息在这里 您可以在此处找到数据摘录： : 宪报网 GazetteerWeb是该项目的第二部分。 您可以将其作为地
elasticsearch获取geo的点点之间的距离(distance)
热门推荐
loveisnull的专栏
05-22 1万+
第一次写这博客，不知道能不能帮到别人。但最少在国内找这个点的资料还是比较少的。后续遇到有意思的也会写上去。在这里只写代码，原理就别问我了。没去研究源码，也说不出所以然来。好了 下面说整体。 一.创建geo的mapping { "properties": { --商品名称 "goodName": { "type": "string", "index_an
ElasticSearch如何使用以及java代码如何查询并排序ES中的数据（距离排序）
m0_37914467的博客
09-10 6653
1.环境准备 elasticsearch压缩包、kibana插件、head-master插件，具体怎么安装配置，小伙伴们可以自行百度网上很多案例 可参考：https://blog.csdn.net/sinat_42338962/article/details/85227902 这里说一下，国内下载一般都很慢，可以参考这篇文章，博主都放在百度云，下载很方便 文章链接：https://blog.csdn.net/weixin_37281289/article/details/101483434 2.h
Elasticsearch 基于地理位置的搜索查询
汉南最後の読書人
09-21 2520
ES为用户提供了基于地理位置的搜索功能。它主要支持两种类型的地理查询：一种是地理点（geo_point）,即经纬度查询，另一种是地理形状查询（geo_shape）,即支持点，线，圆形和多边形等查询。从实用性来说，地理点（即geo_point）数据类型的使用更多一些，对于geo_point字段类型的查询方式有三种，分别为geo_distance查询（圆形区域查询），geo_bounding_box查询（矩形区域查询）和geo_polygon查询（多边形区域查询）。
基于Elasticsearch进行地理检索，计算距离值
weixin_34343308的博客
03-31 1465
实现步骤： 1、定义属性 [Serializable] public class Coordinate { public double Lat { get; set; } public double Lon { get; set; } } /// <summary&g...
Elasticsearch 计算距离
陈家才
02-24 2906
加粗样式
es 指定排序字段_Elasticsearch：根据类型对不同字段进行排序
05-24
在Elasticsearch中，可以使用多级排序来指定不同字段的排序顺序。例如，如果您想首先按类型排序，然后按不同字段进行排序，则可以使用以下查询： ``` { "query": { "<your_query_here>" }, "sort": [ { "_type": { "order": "asc" } }, { "field1": { "order": "desc" } }, { "field2": { "order": "asc" } } ] } ``` 上面的查询将首先按照文档类型升序排序，然后按照field1降序排序，最后按照field2升序排序。您可以根据需要添加更多排序字段，并指定升序或降序顺序。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值