项目实战----河豚快充宝

一. 项目介绍

本项目是采用SpringBoot、MongoDB、Redis等核心组件开发的共享充电宝微信小程序。

实现了模拟手机绑定、支付押金、身份验证、搜索附近充电宝等功能

二.用到的关键技术

数据库采用：MongoDB（可对地理位置进行索引2Dsphere索引，用于存储和查找球面上的点）

MongoDB是一个基于分布式文件存储的数据库。具有高性能、易部署、易使用，存储数据非常方便等特点。它支持的数据结构非常松散，是类似json的bson格式，因此可以存储比较复杂的数据类型。Mongo最大的特点是它支持的查询语言非常强大，其语法有点类似于面向对象的查询语言，几乎可以实现类似关系数据库单表查询的绝大部分功能，而且还支持对数据建立索引。

与SpringBoot整合时，通过已经封装好的dao MongoTemplate 来Query 实现增删改查等功能，不需要在写dao层和sql语句

删除：Query query = new Query(Criteria.where("id").is(id)); mongoTemplate.remove(query, User.class);

增加：mongoTemplate.save(user);

修改：Query query = new Query(Criteria.where("id").is(user.getId()));
           Update update = new Update().set("userName", user.getUserName()).set("password", user.getPassword());
           mongoTemplate.updateFirst(query, update, User.class);

查询：Query query = new Query(Criteria.where("userName").is(userName));

           return mongoTemplate.findOne(query, User.class); 

缓存功能采用：Redis

redis是一个非关系型的数据库(not-only-sql即nosql),以键值对的方式存储数据,将数据存放在内存中,存取速度快,但是对持久化的支持不够好,所以redis一般配合关系型数据库使用,redis可以做分布式缓存,用在数据量大,高并发的情况下.redis通过很多命令进行操作,而且redis不适合保存内容大的数据。

本项目中使用redis作为短信验证码的缓存，当用户点击获取验证码时，后台自动生成一个4位随机数作为验证码

(int)((Math.random()*9+1)*1000)+""；Math.random()为double类型0.0到1.0的随机数。之后将验证码通过腾讯云的短信API发送给相应的手机号（这里由于需要小程序上线才能使用，因此模拟一下），发送成功后将手机号作为key，验证码作为value存储到redis中，SpringBoot有已经写好的dao层直接调用即可

stringRedisTemplate.opsForValue().set(phoneNum, code,300,TimeUnit.SECONDS);并设置过期时间

注意redis的key过期淘汰策略：

• 被动删除：当读/写一个已经过期的key时，会触发惰性删除策略，直接删除掉这个过期key
• 主动删除：由于惰性删除策略无法保证冷数据被及时删掉，所以Redis会定期主动淘汰一批已过期的key
• 当前已用内存超过maxmemory限定时，触发主动清理策略

项目的后端框架采用：SpringBoot：是 Spring 开源组织下的子项目，是 Spring 组件一站式解决方案，主要是简化了使用 Spring 的难度，简省了繁重的配置，提供了各种启动器，开发者能快速上手

使用 Spring Boot 有什么好处

回顾我们之前的 SSM 项目，搭建过程还是比较繁琐的，需要：

• 1）配置 web.xml，加载 spring 和 spring mvc
• 2）配置数据库连接、配置日志文件
• 3）配置加载配置文件的读取，开启注解
• 4）配置mapper文件
• .....

而使用 Spring Boot 来开发项目则只需要非常少的几个配置就可以搭建起来一个 Web 项目，并且利用 IDEA 可以自动生成生成，这简直是太爽了...

• 划重点：简单、快速、方便地搭建项目；对主流开发框架的无配置集成；极大提高了开发、部署效率。

三.难点创新点

（1）查找附近500米的充电宝位置，并且随着中心点的位置移动，自动显示500米内充电宝位置。

解决方法：基于MongoDB 2dSphere索引查找最近的点。MongoDB的地理空间索引。

地理空间索引采用的时geohash 算法：用一个字符串（数字和字母组成的）表示经度和纬度两个坐标。geohash 表示的并不是一个点，而是一个矩形区域，表示坐标位置附近的区域。

Geohash的原理

Geohash的最简单的解释就是：将一个经纬度信息，转换成一个可以排序，可以比较的字符串编码

(1)纬度转换：39.92324转为1011 1000 1100 0111 1001。
        首先将纬度范围(-90, 90)平分成两个区间(-90,0)、(0, 90)，如果目标纬度位于前一个区间，则编码为0，否则编码为1。

由于39.92324属于(0, 90)，所以取编码为1。

然后再将(0, 90)分成 (0, 45), (45, 90)两个区间，而39.92324位于(0, 45)，所以编码为0。

以此类推，直到精度符合要求为止，得到纬度编码为1011 1000 1100 0111 1001。

纬度范围	划分区间0	划分区间1	39.92324所属区间
(-90, 90)	(-90, 0.0)	(0.0, 90)	1
(0.0, 90)	(0.0, 45.0)	(45.0, 90)	0
(0.0, 45.0)	(0.0, 22.5)	(22.5, 45.0)	1
(22.5, 45.0)	(22.5, 33.75)	(33.75, 45.0)	1
(33.75, 45.0)	(33.75, 39.375)	(39.375, 45.0)	1
(39.375, 45.0)	(39.375, 42.1875)	(42.1875, 45.0)	0
(39.375, 42.1875)	(39.375, 40.7812)	(40.7812, 42.1875)	0
(39.375, 40.7812)	(39.375, 40.0781)	(40.0781, 40.7812)	0
(39.375, 40.0781)	(39.375, 39.7265)	(39.7265, 40.0781)	1
(39.7265, 40.0781)	(39.7265, 39.9023)	(39.9023, 40.0781)	1
(39.9023, 40.0781)	(39.9023, 39.9902)	(39.9902, 40.0781)	0
(39.9023, 39.9902)	(39.9023, 39.9462)	(39.9462, 39.9902)	0
(39.9023, 39.9462)	(39.9023, 39.9243)	(39.9243, 39.9462)	0
(39.9023, 39.9243)	(39.9023, 39.9133)	(39.9133, 39.9243)	1
(39.9133, 39.9243)	(39.9133, 39.9188)	(39.9188, 39.9243)	1
(39.9188, 39.9243)	(39.9188, 39.9215)	(39.9215, 39.9243)	1

（2）

经度也用同样的算法，对(-180, 180)依次细分，得到116.3906的编码为1101 0010 1100 0100 0100。
 

经度范围	划分区间0	划分区间1	116.3906所属区间
(-180, 180)	(-180, 0.0)	(0.0, 180)	1
(0.0, 180)	(0.0, 90.0)	(90.0, 180)	1
(90.0, 180)	(90.0, 135.0)	(135.0, 180)	0
(90.0, 135.0)	(90.0, 112.5)	(112.5, 135.0)	1
(112.5, 135.0)	(112.5, 123.75)	(123.75, 135.0)	0
(112.5, 123.75)	(112.5, 118.125)	(118.125, 123.75)	0
(112.5, 118.125)	(112.5, 115.312)	(115.312, 118.125)	1
(115.312, 118.125)	(115.312, 116.718)	(116.718, 118.125)	0
(115.312, 116.718)	(115.312, 116.015)	(116.015, 116.718)	1
(116.015, 116.718)	(116.015, 116.367)	(116.367, 116.718)	1
(116.367, 116.718)	(116.367, 116.542)	(116.542, 116.718)	0
(116.367, 116.542)	(116.367, 116.455)	(116.455, 116.542)	0
(116.367, 116.455)	(116.367, 116.411)	(116.411, 116.455)	0
(116.367, 116.411)	(116.367, 116.389)	(116.389, 116.411)	1
(116.389, 116.411)	(116.389, 116.400)	(116.400, 116.411)	0
(116.389, 116.400)	(116.389, 116.394)	(116.394, 116.400)	0

接下来将经度和纬度的编码合并，奇数位是纬度，偶数位是经度，得到编码 11100 11101 00100 01111 00000 01101 01011 00001。

最后，用0-9、b-z（去掉a, i, l, o）这32个字母进行base32编码，得到(39.92324, 116.3906)的编码为wx4g0ec1。

十进制	0	1	2	3	4	5	6	7	8	9	10	11	12	13	14	15
base32	0	1	2	3	4	5	6	7	8	9	b	c	d	e	f	g
十进制	16	17	18	19	20	21	22	23	24	25	26	27	28	29	30	31
base32	h	j	k	m	n	p	q	r	s	t	u	v	w	x	y	z

注意：由于编码方式形成的是"Z"字形曲线，这样就会存在拐点，说明编码越接近不一定地理位置越近，地理位置越近，编发不一定越近。因此不能完全根据编码决定是否接近。

这样就会存在以下的特点，假如所在位置为红色节点，绿色节点为充电宝的位置，由于上面绿色的与所在位置不在一个区域里，而下面绿色节点与红色节点在一个区域里，这样如果完全按照区域找的话，就会找到更远处的节点。

解决办法是：除了将本地区域的节点查找到，还要将区域周围的8个区域进行查询，具体实现步骤如下：

1. 坐标值转化为GeoHash编码值
2. 根据当前区域的GeoHash，推算出周围8个方位区域块的的GeoHash值。
3. 将这8个区域块中所有节点进行储存，并且一一计算它们到当前坐标的距离，并且计算出最短距离的点。
4. 考虑存储结构，以及算法实现。

NearQuery nearQuery = NearQuery.near(longitude, latitude).maxDistance(0.2, Metrics.KILOMETERS) .query(new Query(Criteria.where("status").is(0)).limit(20));
 GeoResults<Kcb> geoResults=mongoTemplate.geoNear(nearQuery, Kcb.class);geoResults.getContent()；