附近地點搜尋解決方案

附近地點搜尋解決方案

隨著移動互連網的興起，越來越多的App中加入了LBS的元素。而在各種LBS應用中，尋找附近的地點是一種最基本也是最常見的形式。前段時間項目中加入了一個新的特性，需要根據使用者所在的位置，尋找附近的使用者和使用者發表的廣播。本文將對此項目中使用的一些關鍵技術和遇到的問題做個簡單的介紹。

在進行具體的技術介紹之前，需要先從產品層面做一些基本的條件設定。首先，地理位置資訊是有時效性的，使用者A一個月前來過某個地點，一個月後再向出現在同一個地點的其他使用者推薦A就沒有太大的意義了。所以我們需要根據實際情況對資料進行定期清理，例如只儲存最近一周或者最近15天內的資料，這樣不僅能夠給使用者提供最“有效”的資料，而且能夠控制總的資料量，減少server端的壓力。其次，LBS應用對於精度的要求沒有那麼高，通過行動裝置進行定位本身就有一定的誤差，因此server端在進行演算法設計和實現時也並不一定要求100%的準確實際上也很難做到），只要能把誤差控制在一定的範圍內即可。

關於尋找附近地點的演算法和實現，網上有不少相關的文章，下面重點介紹一下在本項目開發過程中嘗試和研究過的各種方案，以及最終選擇的實現方式。

1. geohash

geohash是一種地址編碼方式，它可以把用經緯度表示的地理位置資訊編碼成一個字串，例如銀科大廈所在位置的經緯度為116.306785，39.981998），對應的geohash編碼為wx4eqws0。Geohash的編碼演算法很簡單，我們就以116.306785，39.981998）為例進行簡單的介紹。首先將緯度範圍-90,90）平分為-90,0）和0,90）兩個區間，如果目標緯度位於前一個區間，則編碼為0，否則編碼為1。由於39.981998屬於0,90），所以編碼為1。然後再將0,90）分為0,45）和45,90）兩個區間，而39.981998位於0,45），所以編碼為0。以此類推，直到精度符合要求為止，得到緯度編碼為1011 1000 1101 1101 0000。用同樣的方法對經度進行編碼經度的取值範圍為-180，180）），得到116.306785的編碼為1101 0010 1011 0101 0000。然後將經度和緯度的編碼合并，奇數位為緯度，偶數位為經度，得到編碼11100 11101 00010 01101 10110 11100 11000 00000。最後用0-9、b-z去掉a，i，l和o）進行base32編碼，得到最終的geohash編碼wx4eqws0。

從以上的計算過程可以看出，geohash表示的是一個格子矩形地區）而不是一個點，geohash長度越長，這個格子就越小；具有相同首碼的geohash編碼會落在同一個格子內，相同的首碼越長，格子越小，在地理位置上就越接近，利用這一特點，可以實現我們想要的搜尋附近的地點的功能。不過geohash編碼演算法也有一些缺點，首先是位于格子邊界兩側的點雖然十分接近，但是編碼會完全不同。因此在實際的應用中，我們不僅要搜尋當前格子，還要搜尋當前格子周圍的8個格子。除此之外，如果我們想要搜尋特定範圍內的地點，比如要尋找周圍1Km內的人，geohash無法實現這種控制，只能在返回的結果集裡再進行一次距離計算，過濾掉這個範圍之外的結果。

2. 基於球面距離公式的演算法

尋找附近地點演算法的痛點在於，資料庫中儲存的是地點的座標資訊，搜尋條件是地點座標和給定座標之間的距離，兩者之間無法直接建立聯絡。如果我們能把搜尋的條件轉換為座標範圍的話，接下來的事情就比較簡單了。一般我們需要搜尋一定範圍內的地點，這個範圍實際上是一個圓，我們可以把搜尋的範圍擴大到這個圓的外接正方形，求出這個正方形對應的經緯度範圍，這樣就可以在資料庫中進行尋找了。因為實際的搜尋範圍有所擴大，所以可能需求對返回的結果進行一次過濾，去除掉不合格結果。要進行上述的計算，我們要用到Haversine公式。Haversine公式的定義為：

haversine(d/R) = haversine(lat2-lat1) + cos(lat2)cos(lat1)haversine(lng2-lng1)

其中
haversine(a) = (1-cos(a))/2

d為兩點間的距離，R為地球半徑，取平均值6371km，lat1和lat2為兩點的緯度，lng1和lng2為兩點的經度。通過這個公式，我們可以根據任意兩點的經緯度計算出兩點間的球面距離。
利用Haversine公式，我們還可以反推出計算經緯度搜尋範圍的計算。在Haversin公式中，令lat1=lat2，可以得到
delta(lng)=2arcsin(sin(d/2R)/cos(lat1))

令lng1=lng2，可以得到
delta(lat)=d/R

根據當前點的座標和經緯度的範圍，就可以得出搜尋範圍了。

這個演算法的特點是簡單明了，搜尋範圍可控，精度也可以接受。但是在實際使用中發現，即使在經度和緯度列上建立索引使用MySQL），資料量大的時候效率會比較差，達不到效能上的要求。

3. 基於Sptial Indexing的方案

方案2中基於球面距離公式的演算法本身沒有太大的問題，瓶頸在於資料庫的效率。這裡要介紹的Spatial Indexing——空間索引，就是要解決這個問題。不同於我們常用的BTree索引，基於RTree的空間索引可以在二維空間上進行高效的查詢，非常適合類似尋找附近的地點這樣的需求。主流的資料庫，包括MySQL，都在不同的程度上支援空間索引。MySQL中有一個類型Point，可以用來儲存每個位置對應的經緯度。在這一列上建立空間索引，按照方案2中得出的經緯度範圍劃定一個矩形，利用MySQL提供的空間擴充函數判斷某個點是否在這個矩形內，就可以實現尋找附近地點的目的了。

以上介紹了在整個項目開發過程中進行的各種嘗試以及每種方案的優缺點，最終採用的方案是以上各個方案的一個綜合：在資料庫中建立空間索引，對於任意一個請求，根據經緯度lng，lat）和尋找範圍d）以及Haversin公式計算出經緯度範圍delta(lng)，delta(lat)），然後利用MySQL的空間擴充函數在資料庫中進行尋找，得到的結果除了排序、過濾並返回以外還要儲存在cache中，cache的key為經緯度lng，lat）的geohash編碼。geohash編碼的長度是可以配置的，本項目中我們選擇了長度為7的geohash編碼，原因是7位geohash編碼錶示的格子的大小大約在150m左右，也就是說150m範圍內的搜尋可以返回相同的結果，這基本滿足我們對於精度的要求。