前面介紹了地理坐標基礎知識，mysql、redis、mongodb基礎知識的解決方案

• LBS-查找附近的人-地理坐標定位詳解
• LBS-查找附近的人-MySQL實現(xiàn)
• LBS-查找附近的人-redis命令實現(xiàn)
• LBS-查找附近的人-redis-spring實現(xiàn)
• LBS-查找附近的人-mongodb實現(xiàn)-基礎知識

接下來我們開始介紹mongodb結(jié)合spring-data的解決方案。

通過上一篇的學習，我們可以知道使用 GeoJSON對象 來保存用戶的位置數(shù)據(jù)比較合適。

在開始前我們先初始化一些測試數(shù)據(jù),為了后面的測試我們一開始就通過for循環(huán)創(chuàng)建600w個隨機數(shù)據(jù)。

創(chuàng)建數(shù)據(jù)

創(chuàng)建集合-插入數(shù)據(jù)-建立索引

#創(chuàng)建集合
db.createCollection("mongoGeoUser")
#插入數(shù)據(jù)
db.mongoGeoUser.insert({
   _id: 1,
   name: "user1",
   createdAt: new Date(),
   location: { type: "Point", coordinates: [ 120.1333737373, 30.2535809303 ] },
} );
#在location字段上創(chuàng)建索引
db.mongoGeoUser.createIndex({ location: "2dsphere" })

spring-data實現(xiàn)

@Document(collection = "mongoGeoUser")  //指定文檔名稱
public class MongoGeoUser {
    @Id
    private Long id;
    private String name;
    private GeoJsonPoint location;
    private Date createdAt;

    public MongoGeoUser(Long id, String name, GeoJsonPoint location, Date createdAt) {
        this.id = id;
        this.name = name;
        this.location = location;
        this.createdAt = createdAt;
    }
    //geter and seter
}

@RunWith(SpringRunner.class)
@SpringBootTest
public class MongoDBTests {
    @Autowired
    private MongoTemplate mongoTemplate;
    /**
     * 更新或插入對象
     */
    @Test
    public void createMongoGeoUsers() {//批量添加,600w條數(shù)據(jù)比redis添加慢了很多很多，要等一小會的，建議泡杯茶，回頭復習一下之前的文章
        for (int i = 0; i < 6000000; i++) {
            BigDecimal lng = new BigDecimal(Math.random() * (130 - 100) + 100).setScale(10, BigDecimal.ROUND_HALF_UP);
            BigDecimal lat = new BigDecimal(Math.random() * 20 + 20).setScale(10, BigDecimal.ROUND_HALF_UP);

            MongoGeoUser mongoGeoUser = new MongoGeoUser(new Long(i), "user1", new GeoJsonPoint(lng.doubleValue(), lat.doubleValue()), new Date());
            mongoTemplate.save(mongoGeoUser);
        }
    }
}

創(chuàng)建好600w條數(shù)據(jù)后，開始我們的測試，切記，不要忘記建立索引

> db.mongoGeoUser.count();
6000000

在球面中查詢附近1km~5km的點

@Test
public void nearSphere() {
    Query query = new Query(Criteria.where("location")
            .nearSphere(new GeoJsonPoint(120.666666666, 30.888888888))
            .maxDistance(5000).minDistance(1000));
    List<MongoGeoUser> venues = mongoTemplate.find(query, MongoGeoUser.class);

    for (MongoGeoUser venue : venues) {
        System.out.println(venue);
    }
}

MongoDB支持查詢數(shù)據(jù)庫中的地理位置，并同時計算與給定原點的距離。通過地理近似查詢，可以表達如下查詢：“查找周圍1km~5km內(nèi)附近的人”，并返回距離信息。使用上面的 Query 是無法得到距離信息的

@Test
public void nearQuery() {
    long startTime = System.currentTimeMillis();
    NearQuery near = NearQuery
            .near(new GeoJsonPoint(120.666666666, 30.888888888))
            .spherical(true)
            .maxDistance(5, Metrics.KILOMETERS)
            .minDistance(1, Metrics.KILOMETERS)
            .num(10);
    GeoResults<MongoGeoUser> results = mongoTemplate.geoNear(near, MongoGeoUser.class);

    long endTime = System.currentTimeMillis();
    System.out.println("程序運行時間：" + (endTime - startTime) + "ms");

    for (GeoResult<MongoGeoUser> result : results) {
        System.out.println(result);
    }
}

上面兩個方法就是我們解決查找附近的人的主要解決方案，網(wǎng)上其他的方案都住要使用 傳統(tǒng)坐標對 的方式存儲位置信息，本文采用的是 GeoJSON對象 , 實際上兩個存儲方案沒有很大的差別，官方建議再球面上的坐標使用 GeoJSON對象 來存儲，傳統(tǒng)坐標對 存儲的數(shù)據(jù)再計算球面數(shù)據(jù)的時候也可以指定 spherical(true) 來轉(zhuǎn)化成球面的計算值，再距離不是很大的情況下具體采用什么存儲方案沒有很大的差別。

最后還是到了我們關心的運行效率，上面兩個方案的效率大約都是 300ms 左右的時間。對比上一篇的redis方案，稍稍慢了一點點，可能一個是內(nèi)存數(shù)據(jù)庫，一個不是吧，但是不管怎么樣都還是符合生產(chǎn)環(huán)境的使用的。

上面的 NearQuery 和 Query 還有很多其他的參數(shù)和查詢方法，比如 矩形內(nèi)的點，還有平面內(nèi)的坐標計算等。需要分頁的應用也是可以分頁操作的。

其他具體的參數(shù)可以參考 spring-data-mongo文檔 和 mongodb官方文檔

設置自動過期

MongoDB也可以像redis那樣為key設置一個過期時間，但是redis-geo是采用zset實現(xiàn)的，zset無法對member設置過期時間。MongoDB對過期時間字段設置索引的方式來處理自動過期。

上面的 createdAt 字段就是用來設置過期時間的。

創(chuàng)建索引

db.log_events.createIndex({ "createdAt": 1 }, { expireAfterSeconds: 3600 })

該記錄會在 createdAt 時間的 expireAfterSeconds 秒后失效。

也可以設置一個特殊的過期時間點

db.log_events.insert( {
   "expireAt": new Date('July 22, 2013 14:00:00'),
   "logEvent": 2,
   "logMessage": "Success!"
} )

設置索引

db.log_events.createIndex( { "expireAt": 1 }, { expireAfterSeconds: 0 } )

結(jié)束語

到此我們的LBS-查找附近的人的所有解決方案就已經(jīng)結(jié)束了，各位讀者可以根據(jù)自己項目的情況需求來選擇合適的方案，不管是mysql、redis還是mongodb都是在300w甚至600w數(shù)據(jù)的下測試過，各個方案都有自己的優(yōu)點和缺點。

不同類型的APP對LBS系統(tǒng)的讀寫壓力完全不同。例如，對于附近商家、美甲等O2O類的APP，其更新和獲取LBS數(shù)據(jù)的頻率很低，但是對于打車類APP，因為需要頻繁的更新地理位置數(shù)據(jù)，LBS后臺需要承擔的讀寫壓力要比一般的APP壓力大。在快的公開的資料中LBS系統(tǒng)每秒的讀寫次數(shù)比居然達到4:1。

本系列文章都是基于靜態(tài)的數(shù)據(jù)進行測試，當時沒有寫入的操作，如果寫壓力過大也是會導致查詢的效率下降的。當然如果寫入的壓力過大通過主從和讀寫分離也還是可以處理的，如果是數(shù)據(jù)量過大mongodb還有分片的架構(gòu)可以處理，總之現(xiàn)在給出來的幾個方案都是被大量的實踐所驗證過的，大膽放心的使用就行。

系統(tǒng)不要過度架構(gòu)，如果可以遇見數(shù)據(jù)的增長量的話，選擇一些簡單的方案可以在后面節(jié)約不少時間。

文章同步發(fā)布在博客，LBS-查找附近的人-mongodb實現(xiàn)-基礎知識