LBS位置服务 距离计算的几种方式

背景

互联网兴起，出现了很多基于地理位置服务的产品，如地图、外卖、陌陌等等，都会提供查找附近的人、餐厅等功能。

『附近的』这个就是基于位置服务，比如查找用户附近的门店场景。

实现上是，后台门店系统中维护好各个门店自己的经纬度位置，一次查询时App端上提供用户当前经纬度位置，服务端查询距离这个位置较近的门店列表，给出一个排序。

问题是如何检索如何计算这个距离？早期使用MySQL存储的，也可以实现，但性能较差；后期也有很多数据库组件支持GEO查询检索，比如MongoDB、ElasticSearch、Redis等。

这里以门店列表shop_list 检索举例，列举下这些组件是如何使用的，想了解GeoHash的原理网上也有很多文章。

MySQL

一张门店表shop_list，表结构字段包括shop_id，shop_name，lng，lat （门店id，门店名称，以及门店的经纬度等）。

当前用户的所处位置的经纬度是：lng 116.30759，lat 40.05748。获取距离用户1000m以内的100家门店，按照距离从近到远排序。

SELECT shop_id, shop_name, lng, lat
  , ROUND(6378.138 * 2 * ASIN(SQRT(POW(SIN((40.05748 * PI() / 180 - lat * PI() / 180) / 2), 2) + COS(40.05748 * PI() / 180) * COS(lat * PI() / 180) * POW(SIN((116.30759 * PI() / 180 - lng * PI() / 180) / 2), 2))) * 1000) AS distance
FROM shop_list

HAVING distance < 1000
ORDER BY distance
LIMIT 100;

下面的这个计算方法更快一些，效果和上面的几乎差不多，只是距离distance并不真实。如果只想按照距离排序查出结果是没问题的。

SELECT shop_id, shop_name, lng, lat
  , POWER(lat - 40.05748, 2) + POWER(lng - 116.30759, 2) * POWER(COS((lat + 40.05748) / 2), 2) AS distance
FROM shop_list

HAVING distance < 1000
ORDER BY distance
LIMIT 100;

MongoDB

  1. 要明确MongoDB在使用距离查询时，存储的经纬度结构要类似这样才可以
'point' : [
    116.299,
    40.053
]

或者：

'point' : {
    'lng' : 116.299,
    'lat' : 40.053
}
  1. 给经纬度的point做一个2dSphere索引
db.shop_list.createIndex({"point":"2dsphere"})
  1. 检索
  • 用户所处这个点的附近门店
db.shop_list.find({'point':{$nearSphere: [116.30759, 40.05748]}})
  • 用户所处这个点的附近1000米门店
db.shop_list.find({point: { $geoWithin: { $centerSphere: [ [ 116.30759, 40.05748 ], 1000/6378137 ] } } })
  • 用户所处这个点的附近1000米的100个门店，并且有距离计算值
db.runCommand({ geoNear : "shop_list" , near : [ 116.30759, 40.05748], num : 100 , spherical:true, distanceMultiplier: 6378137, maxDistance:1000/6378137})

Redis

Redis在3.2 版新增了对GEO功能的支持，类似的空间索引也是采用GeoHash 原理，配合zset集合有序存储，查询效率接近log(N)。

命令如：

# 存储指定的地理空间位置，可以将一个或多个经度(longitude)、纬度(latitude)、位置名称(member)添加到指定的 key 中。
GEOADD key longitude latitude member [longitude latitude member ...]

# 从给定的 key 里返回所有指定名称(member)的位置（经度和纬度），不存在的返回 nil。
GEOPOS key member [member ...]

# 返回两个给定位置之间的距离。
GEODIST key member1 member2 [m|km|ft|mi]

# 根据用户给定的经纬度坐标来获取指定范围内的地理位置集合。
GEORADIUS key longitude latitude radius m|km|ft|mi [WITHCOORD] [WITHDIST] [WITHHASH] [COUNT count] [ASC|DESC] [STORE key] [STOREDIST key]
  1. 添加两个门店位置
GEOADD shop_list_pos 116.50759 40.55748 shop_id1  116.90759 41.05748 shop_id2
  1. 用户所处个点的附近1000米的100个门店，并且有距离计算值
GEORADIUS shop_list_pos 116.30759 40.05748 1000 m WITHDIST COUNT 100 DESC

ElasticSearch

ES计算距离同样也是利用GeoHash原理。

地理坐标点不能被动态映射 （dynamic mapping）自动检测，而是需要显式声明对应字段类型为 geo-point。

  1. 建立mapping
{
  "mappings": {
    "shop_list": {
      "properties": {
        "location": {
          "type": "geo_point"
        }
      }
    }
  }
}
  1. 添加两个门店数据
db/shop_list/1


{
  "shop_id": "1",
  "location": {
    "lat": 40.12,
    "lon": -71.34
  }
} 


db/shop_list/2

{
 "shop_id": "2",
  "location": {
    "lat": 40.52,
    "lon": -71.64
  }
}
  1. 查询距离 排序
db/shop_list/_search

{
  "query": {
    "bool": {
      "must": {
        "match_all": {}
      },
      "filter": {
        "geo_distance": {
          "distance": "160km",
          "location": {
            "lat": 40,
            "lon": -70
          }
        }
      }
    }
  },
  "sort": [
    {
      "_geo_distance": {
        "location": {
          "lat": 40,
          "lon": -70
        },
        "order": "asc",
        "unit": "km",
        "distance_type": "plane"
      }
    }
  ]
}