简介 如今几乎全部的O2O应用中都会存在“按范围搜素、离我最近、显示距离”等等相似的功能，那这样的功能是怎么实现的呢？本文提供了基于MySQL的实现方式，一样适用于其它数据库。本文不分析，只讲怎么实现，有关分析的文章能够看参考连接。 实现 为了方便下面说明，先给出一个初始表结构： CREATE TABLE `customer` ( `id` INT(11) UNSIGNED NOT NULL AUTO_INCREMENT COMMENT '自增主键', `name` VARCHAR(5) NOT NULL COMMENT '名称' COLLATE 'latin1_swedish_ci', `lon` DOUBLE(9,6) NOT NULL COMMENT '经度', `lat` DOUBLE(8,6) NOT NULL COMMENT '纬度', PRIMARY KEY (`id`) ) COMMENT='商户表' CHARSET=utf8mb4 ENGINE=InnoDB; 实现过程主要分为四步： 1. 搜索 在数据库中搜索出接近指定范围内的商户，如：搜索出1千米范围内的。 2. 过滤 搜索出来的结果可能会存在超过1千米的，须要再次过滤。若是对精度没有严格要求，能够跳过。 3. 排序 距离由近到远排序。若是不须要，能够跳过。 4. 分页 若是须要二、3步，才须要对分页特殊处理。若是不须要，能够在第1步直接SQL分页。 第1步数据库完成，后3步应用程序完成。 step1 搜索 搜索能够用下面两种方式来实现。 区间查找 customer表中使用两个字段存储了经度和纬度，若是提早计算出经纬度的范围，而后在这两个字段上加上索引，那搜索性能会很不错。 那怎么计算出经纬度的范围呢？已知条件是移动设备所在的经纬度，还有知足业务要求的半径，这很像初中的一道平面几何题：给定圆心坐标和半径，求该圆外切正方形四个顶点的坐标。而咱们面对的是一个球体，能够使用spatial4j来计算。 <dependency> <groupId>com.spatial4j</groupId> <artifactId>spatial4j</artifactId> <version>0.5</version> </dependency> double lon = 116.312528, lat = 39.983733;// 移动设备经纬度 int radius = 1;// 公里 SpatialContext geo = SpatialContext.GEO; Rectangle rectangle = geo.getDistCalc().calcBoxByDistFromPt( geo.makePoint(lon, lat), radius * DistanceUtils.KM_TO_DEG, geo, null); System.out.println(rectangle.getMinX() + "-" + rectangle.getMaxX());// 经度范围 System.out.println(rectangle.getMinY() + "-" + rectangle.getMaxY());// 纬度范围 计算出经纬度范围以后，SQL是这样： SELECT id, name FROM customer WHERE (lng BETWEEN ? AND ?) AND (lat BETWEEN ? AND ?); 须要给lon、lat两个字段创建联合索引： INDEX `idx_lon_lat` (`lon`, `lat`) geohash geohash的原理不讲了，详细能够看这篇文章，讲的很详细。geohash算法能把二维的经纬度编码成一维的字符串，它的特色是越相近的经纬度编码后越类似，因此能够经过前缀like的方式去匹配周围的商户。 customer表要增长一个字段，来存储每一个商户的geohash编码，而且创建索引。 CREATE TABLE `customer` ( `id` INT(11) UNSIGNED NOT NULL AUTO_INCREMENT COMMENT '自增主键', `name` VARCHAR(5) NOT NULL COMMENT '名称' COLLATE 'latin1_swedish_ci', `lon` DOUBLE(9,6) NOT NULL COMMENT '经度', `lat` DOUBLE(8,6) NOT NULL COMMENT '纬度', `geo_code` CHAR(12) NOT NULL COMMENT 'geohash编码', PRIMARY KEY (`id`), INDEX `idx_geo_code` (`geo_code`) ) COMMENT='商户表' CHARSET=utf8mb4 ENGINE=InnoDB; 13 在新增或修改一个商户的时候，维护好geo_code，那geo_code怎么计算呢？spatial4j也提供了一个工具类GeohashUtils.encodeLatLon(lat, lon)，默认精度是12位。 这个存储作好后，就能够经过geo_code去搜索了。拿到移动设备的经纬度，计算geo_code，这时能够指定精度计算，那指定多长呢？咱们须要一个geo_code长度和距离的对照表： geohash length width height 1 5,009.4km 4,992.6km 2 1,252.3km 624.1km 3 156.5km 156km 4 39.1km 19.5km 5 4.9km 4.9km 6 1.2km 609.4m 7 152.9m 152.4m 8 38.2m 19m 9 4.8m 4.8m 10 1.2m 59.5cm 11 14.9cm 14.9cm 12 3.7cm 1.9cm https://en.wikipedia.org/wiki/Geohash#Cell_Dimensions 假设咱们的需求是1千米范围内的商户，geo_code的长度设置为5就能够了，GeohashUtils.encodeLatLon(lat, lon, 5)。计算出移动设备经纬度的geo_code以后，SQL是这样： SELECT id, name FROM customer WHERE geo_code LIKE CONCAT(?, '%'); 这样会比区间查找快不少，而且得益于geo_code的类似性，能够对热点区域作缓存。 geohash边界和角的问题能够使用geohash-java来解决。 step2 过滤 上面两种搜索方式，都不是精确搜索，只是尽可能缩小搜索范围，提高响应速度。因此须要在应用程序中作过滤，把距离大于1千米的商户过滤掉。计算距离一样使用spatial4j。 // 移动设备经纬度 double lon1 = 116.3125333347639, lat1 = 39.98355521792821; // 商户经纬度 double lon2 = 116.312528, lat2 = 39.983733; SpatialContext geo = SpatialContext.GEO; double distance = geo.calcDistance(geo.makePoint(lon1, lat1), geo.makePoint(lon2, lat2)) * DistanceUtils.DEG_TO_KM; System.out.println(distance);// KM 过滤代码就不写了，遍历一遍搜索结果便可。 step3 排序 一样，排序也须要在应用程序中处理。排序基于上面的过滤结果作就能够了Collections.sort(list, comparator)。 step4 分页 若是须要二、3步，只能在内存中分页，作法也很简单，能够参考这篇文章。 总结 全文的重点都在于搜索如何实现，更好的利用数据库的索引，两种搜索方式以百万数据量为分割线，第一种适用于百万如下，第二种适用于百万以上，未通过严格验证。可能有人会有疑问，过滤和排序都在应用层作，内存占用会不会很严重？这是个潜在问题，但大多数状况下不会。看咱们大部分的应用场景，都是单一种类POI(Person Of Interest)的搜索，如酒店、美食、KTV、电影院等等，这种数据密度是很小，1千米内的酒店，能有多少家，50家都算多的，因此最终要看具体业务数据密度。