1. 首页
  2. >
  3. 编程技术
  4. >
  5. Java

Java中“附近的人”实现方案讨论及代码实现

1|0前言

在我们平时使用的许多app中有附近的人这一功能,像微信、qq附近的人,哈罗、街兔附近的车辆。这些功能就在我们日常生活中出现。

像类似于附近的人这一类业务,在Java中是如何实现的呢?

本文就简单介绍下目前的几种解决方案,并提供简单的示例代码

注: 本文仅涉及附近的人这一业务场景的解决方案讨论,并未涉及到相关的技术细节和方案优化,各位看官可以放心阅读。

2|0基本套路和方案

目前业内的解决方案大都依据geoHash展开,考虑到不同的数据量以及不同的业务场景,本文主要讨论以下3种方案

  • Mysql+外接正方形
  • Mysql+geohash
  • Redis+geohash

3|0Mysql+外接正方形

外接矩形的实现方式是相对较为简单的一种方式。

假设给定某用户的位置坐标, 求在该用户指定范围内的其他用户信息

此时可以将位置信息和距离范围简化成平面几何题来求解

3|1实现思路

以当前用户为圆心,以给定距离为半径画圆,那么在这个圆内的所有用户信息就是符合结果的信息,直接检索圆内的用户坐标难以实现,我们可以通过获取这个圆的外接正方形

通过外接正方形,获取经度和纬度的最大最小值,根据最大最小值可以将坐标在正方形内的用户信息搜索出来。

此时在外接正方形中不属于圆形区域的部分就属于多余的部分,这部分用户信息距离当前用户(圆心)的距离必定是大于给定半径的,故可以将其剔除,最终获得指定范围内的附近的人

Java中“附近的人”实现方案讨论及代码实现


3|2代码实现

在实现附近的人搜索中,需要根据位置经纬度点,进行一些距离和范围的计算,比如求球面外接正方形的坐标点,球面两坐标点的距离等,可以引入Spatial4j库。

        <dependency>             <groupId>com.spatial4j</groupId>             <artifactId>spatial4j</artifactId>             <version>0.5</version>         </dependency>  
  1. 首先创建一张数据表user
CREATE TABLE `user` (   `id` int(11) NOT NULL AUTO_INCREMENT,   `name` varchar(255) DEFAULT NULL COMMENT '名称',   `longitude` double DEFAULT NULL COMMENT '经度',   `latitude` double DEFAULT NULL COMMENT '纬度',   `create_time` datetime DEFAULT NULL ON UPDATE CURRENT_TIMESTAMP COMMENT '创建时间',   PRIMARY KEY (`id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;
  1. 假设已插入足够的测试数据,只要我们获取到外接正方形的四个关键点,就可以直接直接查询
    private SpatialContext spatialContext = SpatialContext.GEO;     	 	/**      * 获取附近x米的人      *      * @param distance 距离范围 单位km      * @param userLng  当前经度      * @param userLat  当前纬度      * @return json      */     @GetMapping("/nearby")     public String nearBySearch(@RequestParam("distance") double distance,                                @RequestParam("userLng") double userLng,                                @RequestParam("userLat") double userLat) {         //1.获取外接正方形         Rectangle rectangle = getRectangle(distance, userLng, userLat);         //2.获取位置在正方形内的所有用户         List<User> users = userMapper.selectUser(rectangle.getMinX(), rectangle.getMaxX(), rectangle.getMinY(), rectangle.getMaxY());         //3.剔除半径超过指定距离的多余用户         users = users.stream()             .filter(a -> getDistance(a.getLongitude(), a.getLatitude(), userLng, userLat) <= distance)             .collect(Collectors.toList());         return JSON.toJSONString(users);     }     private Rectangle getRectangle(double distance, double userLng, double userLat) {         return spatialContext.getDistCalc()             .calcBoxByDistFromPt(spatialContext.makePoint(userLng, userLat),                                   distance * DistanceUtils.KM_TO_DEG, spatialContext, null);     }
  1. 这里给出查询的sql
    <select id="selectUser" resultMap="BaseResultMap">         SELECT * FROM user         WHERE 1=1         and (longitude BETWEEN ${minlng} AND ${maxlng})         and (latitude BETWEEN ${minlat} AND ${maxlat})     </select>

4|0Mysql+geohash

前面介绍了通过Mysql存储用户的信息和gps坐标,通过计算外接正方形的坐标点来粗略筛选结果集,最终剔除超过范围的用户。

而现在要提到的Mysql+geohash方案,同样是以Mysql为基础,只不过引入了geohash算法,同时在查询上借助索引。

geohash被广泛应用于位置搜索类的业务中,本文不对它进行展开说明,有兴趣的同学可以看一下这篇博客:[GeoHash核心原理解析],这里简单对它做一个描述:

GeoHash算法将经纬度坐标点编码成一个字符串,距离越近的坐标,转换后的geohash字符串越相似,例如下表数据:

Java中“附近的人”实现方案讨论及代码实现

其中根据经纬度计算得到的geohash字符串,不同精度(字符串长度)代表了不同的距离误差。具体的不同精度的距离误差可参考下表:

Java中“附近的人”实现方案讨论及代码实现

4|1实现思路


使用Mysql存储用户信息,其中包括用户的经纬度信息和geohash字符串。

  1. 添加新用户时计算该用户的geohash字符串,并存储到用户表中
  2. 当要查询某一gps附近指定距离的用户信息时,通过比对geohash误差表确定需要的geohash字符串精度
  3. 计算获得某一精度的当前坐标的geohash字符串,通过WHERE geohash Like 'geohashcode%'来查询数据集
  4. 如果geohash字符串的精度远大于给定的距离范围时,查询出的结果集中必然存在在范围之外的数据
  5. 计算两点之间距离,对于超出距离的数据进行剔除。

4|2代码实现

这里只贴出部分核心代码,详细的代码可见源码:NearBySearch

同样的要涉及到坐标点的计算和geohash的计算,开始之前先导入spatial4j

  1. 创建数据表user_geohash,给geohash码添加索引
CREATE TABLE `user_geohash` (   `id` int(11) NOT NULL AUTO_INCREMENT,   `name` varchar(255) DEFAULT NULL COMMENT '名称',   `longitude` double DEFAULT NULL COMMENT '经度',   `latitude` double DEFAULT NULL COMMENT '纬度',   `geo_code` varchar(64) DEFAULT NULL COMMENT '经纬度所计算的geohash码',   `create_time` datetime DEFAULT NULL ON UPDATE CURRENT_TIMESTAMP COMMENT '创建时间',   PRIMARY KEY (`id`),   KEY `index_geo_hash` (`geo_code`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;
  1. 添加用户信息和范围搜索逻辑
    private SpatialContext spatialContext = SpatialContext.GEO;      /***      * 添加用户      * @return      */     @PostMapping("/addUser")     public boolean add(@RequestBody UserGeohash user) {         //默认精度12位         String geoHashCode = GeohashUtils.encodeLatLon(user.getLatitude(),user.getLongitude());         return userGeohashService.save(user.setGeoCode(geoHashCode).setCreateTime(LocalDateTime.now()));     }       /**      * 获取附近指定范围的人      *      * @param distance 距离范围 单位km      * @param len      geoHash的精度      * @param userLng  当前经度      * @param userLat  当前纬度      * @return json      */     @GetMapping("/nearby")     public String nearBySearch(@RequestParam("distance") double distance,                                @RequestParam("len") int len,                                @RequestParam("userLng") double userLng,                                @RequestParam("userLat") double userLat) {         //1.根据要求的范围,确定geoHash码的精度,获取到当前用户坐标的geoHash码         String geoHashCode = GeohashUtils.encodeLatLon(userLat, userLng, len);         QueryWrapper<UserGeohash> queryWrapper = new QueryWrapper<UserGeohash>()                 .likeRight("geo_code",geoHashCode);         //2.匹配指定精度的geoHash码         List<UserGeohash> users = userGeohashService.list(queryWrapper);         //3.过滤超出距离的         users = users.stream()                 .filter(a ->getDistance(a.getLongitude(),a.getLatitude(),userLng,userLat)<= distance)                 .collect(Collectors.toList());         return JSON.toJSONString(users);     }          /***      * 球面中,两点间的距离      * @param longitude 经度1      * @param latitude  纬度1      * @param userLng   经度2      * @param userLat   纬度2      * @return 返回距离,单位km      */     private double getDistance(Double longitude, Double latitude, double userLng, double userLat) {         return spatialContext.calcDistance(spatialContext.makePoint(userLng, userLat),                 spatialContext.makePoint(longitude, latitude)) * DistanceUtils.DEG_TO_KM;     }

通过上面几步,就可以实现这一业务场景,不仅提高了查询效率,并且保护了用户的隐私,不对外暴露坐标位置。并且对于同一位置的频繁请求,如果是同一个geohash字符串,可以加上缓存,减缓数据库的压力。

4|3边界问题优化

geohash算法将地图分为一个个矩形,对每个矩形进行编码,得到geohash码,但是当前点与待搜索点距离很近但是恰好在两个区域,用上面的方法则就不适用了。

解决这一问题的办法:获取当前点所在区域附近的8个区域的geohash码,一并进行筛选。

如何求解附近的8个区域的geohash码可参考Geohash求当前区域周围8个区域编码的一种思路

了解了思路,这里我们可以使用第三方开源库ch.hsr.geohash来计算,通过maven引入

        <dependency>             <groupId>ch.hsr</groupId>             <artifactId>geohash</artifactId>             <version>1.0.10</version>         </dependency>  

对上一章节的nearBySearch方法进行修改如下:

    /**      * 获取附近指定范围的人      *      * @param distance 距离范围 单位km      * @param len      geoHash的精度      * @param userLng  当前经度      * @param userLat  当前纬度      * @return json      */     @GetMapping("/nearby")     public String nearBySearch(@RequestParam("distance") double distance,                                @RequestParam("len") int len,                                @RequestParam("userLng") double userLng,                                @RequestParam("userLat") double userLat) {           //1.根据要求的范围,确定geoHash码的精度,获取到当前用户坐标的geoHash码         GeoHash geoHash = GeoHash.withCharacterPrecision(userLat, userLng, len);         //2.获取到用户周边8个方位的geoHash码         GeoHash[] adjacent = geoHash.getAdjacent();          QueryWrapper<UserGeohash> queryWrapper = new QueryWrapper<UserGeohash>()             .likeRight("geo_code",geoHash.toBase32());         Stream.of(adjacent).forEach(a -> queryWrapper.or().likeRight("geo_code",a.toBase32()));          //3.匹配指定精度的geoHash码         List<UserGeohash> users = userGeohashService.list(queryWrapper);         //4.过滤超出距离的         users = users.stream()                 .filter(a ->getDistance(a.getLongitude(),a.getLatitude(),userLng,userLat)<= distance)                 .collect(Collectors.toList());         return JSON.toJSONString(users);     }

5|0Redis+GeoHash

基于前两种方案,我们可以发现gps这类数据属于读多写少的情况,如果使用redis来实现附近的人,想必效率会大大提高。

自Redis 3.2开始,Redis基于geohash和有序集合Zset提供了地理位置相关功能

Redis提供6条命令,来帮助我们我完成大部分业务的需求,关于Redis提供的geohash操作命令介绍可阅读博客:Redis 到底是怎么实现“附近的人”这个功能的呢?

本文主要介绍下,我们示例代码中用到的两个命令:

  • GEOADD key longitude latitude member:将给定的空间元素(纬度、经度、名字)添加到指定的键里面例如添加小明的经纬度信息:GEOADD location 119.98866180732716 30.27465803229662 小明
  • GEORADIUS key longitude latitude radius m|km|ft|mi [WITHCOORD] [WITHDIST] [WITHHASH] [ASC|DESC] [COUNT count]: 根据给定地理位置坐标获取指定范围内的地理位置集合(附近的人)例如查询某gps附近500m的用户坐标:GEORADIUS location 119.98866180732716 30.27465803229662 500 m WITHCOORD

5|1实现思路

  • 添加用户坐标信息到redis(GEOADD),redis会将经纬度参数值转换为52位的geohash码,
  • Redis以geohash码为score,将其他信息以Zset有序集合存入key中
  • 通过调用GEORADIUS命令,获取指定坐标点某一范围内的数据
  • 因geohash存在精度误差,剔除超过指定距离的数据

5|2实现代码

这里只贴出部分核心代码,详细的代码可见源码:NearBySearch

     @Autowired     private RedisTemplate<String, Object> redisTemplate; 	 	//GEO相关命令用到的KEY     private final static String KEY = "user_info";      public boolean save(User user) {         Long flag = redisTemplate.opsForGeo().add(KEY, new RedisGeoCommands.GeoLocation<>(                 user.getName(),                  new Point(user.getLongitude(), user.getLatitude()))         );         return flag != null && flag > 0;     }      /**      * 根据当前位置获取附近指定范围内的用户      * @param distance 指定范围 单位km ,可根据{@link org.springframework.data.geo.Metrics} 进行设置      * @param userLng 用户经度      * @param userLat 用户纬度      * @return      */     public String nearBySearch(double distance, double userLng, double userLat) {         List<User> users = new ArrayList<>();         // 1.GEORADIUS获取附近范围内的信息         GeoResults<RedisGeoCommands.GeoLocation<Object>> reslut =              redisTemplate.opsForGeo().radius(KEY,                          new Circle(new Point(userLng, userLat), new Distance(distance, Metrics.KILOMETERS)),                         RedisGeoCommands.GeoRadiusCommandArgs.newGeoRadiusArgs()                                 .includeDistance()                                 .includeCoordinates().sortAscending());         //2.收集信息,存入list         List<GeoResult<RedisGeoCommands.GeoLocation<Object>>> content = reslut.getContent();         //3.过滤掉超过距离的数据         content.forEach(a-> users.add(                 new User().setDistance(a.getDistance().getValue())                 .setLatitude(a.getContent().getPoint().getX())                 .setLongitude(a.getContent().getPoint().getY())));         return JSON.toJSONString(users);     }  

6|0方案总结

Java中“附近的人”实现方案讨论及代码实现

总结以上三种方案,各有优劣,在不同的业务场景下,可选择不同的方案来实现。

当然目前附近的人的解决方案并不仅仅这三种,以上权当是这一功能的入门引子,希望对大家有所帮助。