前面介紹了地理坐標(biāo)基礎(chǔ)知識(shí)莫鸭，mysql躲撰、redis门粪、mongodb基礎(chǔ)知識(shí)的解決方案
- LBS-查找附近的人-地理坐標(biāo)定位詳解
- LBS-查找附近的人-MySQL實(shí)現(xiàn)
- LBS-查找附近的人-redis命令實(shí)現(xiàn)
- LBS-查找附近的人-redis-spring實(shí)現(xiàn)
- LBS-查找附近的人-mongodb實(shí)現(xiàn)-基礎(chǔ)知識(shí)
接下來我們開始介紹mongodb結(jié)合spring-data的解決方案赴背。
通過上一篇的學(xué)習(xí)铣焊，我們可以知道使用 GeoJSON對(duì)象 來保存用戶的位置數(shù)據(jù)比較合適逊朽。
在開始前我們先初始化一些測(cè)試數(shù)據(jù),為了后面的測(cè)試我們一開始就通過for循環(huán)創(chuàng)建600w個(gè)隨機(jī)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(shí)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(duì)象
*/
@Test
public void createMongoGeoUsers() {//批量添加,600w條數(shù)據(jù)比redis添加慢了很多很多曲伊，要等一小會(huì)的叽讳，建議泡杯茶，回頭復(fù)習(xí)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)后坟募，開始我們的測(cè)試岛蚤，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(diǎn)
@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)庫中的地理位置婿屹，并同時(shí)計(jì)算與給定原點(diǎn)的距離灭美。通過地理近似查詢，可以表達(dá)如下查詢：“查找周圍1km~5km內(nèi)附近的人”昂利，并返回距離信息届腐。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(yùn)行時(shí)間：" + (endTime - startTime) + "ms");
for (GeoResult<MongoGeoUser> result : results) {
System.out.println(result);
}
}
上面兩個(gè)方法就是我們解決查找附近的人的主要解決方案铁坎，網(wǎng)上其他的方案都住要使用 傳統(tǒng)坐標(biāo)對(duì) 的方式存儲(chǔ)位置信息，本文采用的是 GeoJSON對(duì)象 , 實(shí)際上兩個(gè)存儲(chǔ)方案沒有很大的差別犁苏，官方建議再球面上的坐標(biāo)使用 GeoJSON對(duì)象 來存儲(chǔ)硬萍，傳統(tǒng)坐標(biāo)對(duì) 存儲(chǔ)的數(shù)據(jù)再計(jì)算球面數(shù)據(jù)的時(shí)候也可以指定 spherical(true) 來轉(zhuǎn)化成球面的計(jì)算值，再距離不是很大的情況下具體采用什么存儲(chǔ)方案沒有很大的差別围详。
最后還是到了我們關(guān)心的運(yùn)行效率朴乖，上面兩個(gè)方案的效率大約都是 300ms 左右的時(shí)間。對(duì)比上一篇的redis方案助赞，稍稍慢了一點(diǎn)點(diǎn)买羞，可能一個(gè)是內(nèi)存數(shù)據(jù)庫，一個(gè)不是吧雹食，但是不管怎么樣都還是符合生產(chǎn)環(huán)境的使用的畜普。
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(diǎn)群叶，還有平面內(nèi)的坐標(biāo)計(jì)算等吃挑。需要分頁的應(yīng)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(shè)置自動(dòng)過期
MongoDB也可以像redis那樣為key設(shè)置一個(gè)過期時(shí)間街立，但是redis-geo是采用zset實(shí)現(xiàn)的舶衬，zset無法對(duì)member設(shè)置過期時(shí)間。MongoDB對(duì)過期時(shí)間字段設(shè)置索引的方式來處理自動(dòng)過期赎离。
上面的 createdAt 字段就是用來設(shè)置過期時(shí)間的逛犹。
創(chuàng)建索引
db.log_events.createIndex({ "createdAt": 1 }, { expireAfterSeconds: 3600 })
該記錄會(huì)在 createdAt 時(shí)間的 expireAfterSeconds 秒后失效。
也可以設(shè)置一個(gè)特殊的過期時(shí)間點(diǎn)
db.log_events.insert( {
"expireAt": new Date('July 22, 2013 14:00:00'),
"logEvent": 2,
"logMessage": "Success!"
} )
設(shè)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)束了蟹瘾，各位讀者可以根據(jù)自己項(xiàng)目的情況需求來選擇合適的方案圾浅，不管是mysql掠手、redis還是mongodb都是在300w甚至600w數(shù)據(jù)的下測(cè)試過憾朴，各個(gè)方案都有自己的優(yōu)點(diǎn)和缺點(diǎn)。
不同類型的APP對(duì)LBS系統(tǒng)的讀寫壓力完全不同喷鸽。例如众雷，對(duì)于附近商家、美甲等O2O類的APP做祝，其更新和獲取LBS數(shù)據(jù)的頻率很低砾省，但是對(duì)于打車類APP，因?yàn)樾枰l繁的更新地理位置數(shù)據(jù)混槐，LBS后臺(tái)需要承擔(dān)的讀寫壓力要比一般的APP壓力大编兄。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(dá)到4:1。
本系列文章都是基于靜態(tài)的數(shù)據(jù)進(jìn)行測(cè)試声登，當(dāng)時(shí)沒有寫入的操作狠鸳，如果寫壓力過大也是會(huì)導(dǎo)致查詢的效率下降的揣苏。當(dāng)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)可以處理件舵，總之現(xiàn)在給出來的幾個(gè)方案都是被大量的實(shí)踐所驗(yàn)證過的卸察，大膽放心的使用就行。
系統(tǒng)不要過度架構(gòu)铅祸，如果可以遇見數(shù)據(jù)的增長(zhǎng)量的話坑质，選擇一些簡(jiǎn)單的方案可以在后面節(jié)約不少時(shí)間。
文章同步發(fā)布在博客临梗，LBS-查找附近的人-mongodb實(shí)現(xiàn)-基礎(chǔ)知識(shí)
