前言

在我們平時使用的許多app中有附近的人這一功能，像微信、qq附近的人，哈羅、街兔附近的車輛。這些功能就在我們日常生活中出現。

像類似於附近的人這一類業務，在Java中是如何實現的呢？

本文就簡單介紹下目前的幾種解決方案，並提供簡單的示例程式碼

注: 本文僅涉及附近的人這一業務場景的解決方案討論，並未涉及到相關的技術細節和方案優化，各位看官可以放心閱讀。

基本套路和方案

目前業內的解決方案大都依據geoHash展開，考慮到不同的資料量以及不同的業務場景，本文主要討論以下3種方案

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

Mysql+外接正方形

外接矩形的實現方式是相對較為簡單的一種方式。

假設給定某使用者的位置座標, 求在該使用者指定範圍內的其他使用者資訊

此時可以將位置資訊和距離範圍簡化成平面幾何題來求解

實現思路

以當前使用者為圓心，以給定距離為半徑畫圓，那麼在這個圓內的所有使用者資訊就是符合結果的資訊，直接檢索圓內的使用者座標難以實現，我們可以通過獲取這個圓的外接正方形。

通過外接正方形，獲取經度和緯度的最大最小值，根據最大最小值可以將座標在正方形內的使用者資訊搜尋出來。

此時在外接正方形中不屬於圓形區域的部分就屬於多餘的部分，這部分使用者資訊距離當前使用者（圓心）的距離必定是大於給定半徑的，故可以將其剔除，最終獲得指定範圍內的附近的人

程式碼實現

這裡只貼出部分核心程式碼，詳細的程式碼可見原始碼：NearBySearch

在實現附近的人搜尋中，需要根據位置經緯度點，進行一些距離和範圍的計算，比如求球面外接正方形的座標點，球面兩座標點的距離等，可以引入Spatial4j庫。

        <dependency>
            <groupId>com.spatial4j</groupId>
            <artifactId>spatial4j</artifactId>
            <version>0.5</version>
        </dependency>
 

1. 首先建立一張資料表user

CREATE TABLE `user` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `name` varchar(255) DEFAULT NULL COMMENT '名稱',
  `longitude` double DEFAULT NULL COMMENT '經度',
  `latitude` double DEFAULT NULL COMMENT '緯度',
  `create_time` datetime DEFAULT NULL ON UPDATE CURRENT_TIMESTAMP COMMENT '建立時間',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

1. 假設已插入足夠的測試資料，只要我們獲取到外接正方形的四個關鍵點，就可以直接直接查詢

    private SpatialContext spatialContext = SpatialContext.GEO;    
    
    /**
     * 獲取附近x米的人
     *
     * @param distance 距離範圍 單位km
     * @param userLng  當前經度
     * @param userLat  當前緯度
     * @return json
     */
    @GetMapping("/nearby")
    public String nearBySearch(@RequestParam("distance") double distance,
                               @RequestParam("userLng") double userLng,
                               @RequestParam("userLat") double userLat) {
        //1.獲取外接正方形
        Rectangle rectangle = getRectangle(distance, userLng, userLat);
        //2.獲取位置在正方形內的所有使用者
        List<User> users = userMapper.selectUser(rectangle.getMinX(), rectangle.getMaxX(), rectangle.getMinY(), rectangle.getMaxY());
        //3.剔除半徑超過指定距離的多餘使用者
        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. 這裡給出查詢的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>

Mysql+geohash

前面介紹了通過Mysql儲存使用者的資訊和gps座標，通過計算外接正方形的座標點來粗略篩選結果集，最終剔除超過範圍的使用者。

而現在要提到的Mysql+geohash方案，同樣是以Mysql為基礎，只不過引入了geohash演算法，同時在查詢上藉助索引。

geohash被廣泛應用於位置搜尋類的業務中，本文不對它進行展開說明，有興趣的同學可以看一下這篇部落格:[GeoHash核心原理解析]，這裡簡單對它做一個描述：

GeoHash演算法將經緯度座標點編碼成一個字串,距離越近的座標，轉換後的geohash字串越相似,例如下表資料：

其中根據經緯度計算得到的geohash字串，不同精度（字串長度）代表了不同的距離誤差。具體的不同精度的距離誤差可參考下表：

實現思路

使用Mysql儲存使用者資訊，其中包括使用者的經緯度資訊和geohash字串。

1. 新增新使用者時計算該使用者的geohash字串，並存儲到使用者表中
2. 當要查詢某一gps附近指定距離的使用者資訊時，通過比對geohash誤差表確定需要的geohash字串精度
3. 計算獲得某一精度的當前座標的geohash字串，通過WHERE geohash Like 'geohashcode%'來查詢資料集
4. 如果geohash字串的精度遠大於給定的距離範圍時，查詢出的結果集中必然存在在範圍之外的資料
5. 計算兩點之間距離，對於超出距離的資料進行剔除。

程式碼實現

這裡只貼出部分核心程式碼，詳細的程式碼可見原始碼：NearBySearch

同樣的要涉及到座標點的計算和geohash的計算，開始之前先匯入spatial4j

1. 建立資料表user_geohash,給geohash碼新增索引

CREATE TABLE `user_geohash` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `name` varchar(255) DEFAULT NULL COMMENT '名稱',
  `longitude` double DEFAULT NULL COMMENT '經度',
  `latitude` double DEFAULT NULL COMMENT '緯度',
  `geo_code` varchar(64) DEFAULT NULL COMMENT '經緯度所計算的geohash碼',
  `create_time` datetime DEFAULT NULL ON UPDATE CURRENT_TIMESTAMP COMMENT '建立時間',
  PRIMARY KEY (`id`),
  KEY `index_geo_hash` (`geo_code`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

1. 新增使用者資訊和範圍搜尋邏輯

    private SpatialContext spatialContext = SpatialContext.GEO;

    /***
     * 新增使用者
     * @return
     */
    @PostMapping("/addUser")
    public boolean add(@RequestBody UserGeohash user) {
        //預設精度12位
        String geoHashCode = GeohashUtils.encodeLatLon(user.getLatitude(),user.getLongitude());
        return userGeohashService.save(user.setGeoCode(geoHashCode).setCreateTime(LocalDateTime.now()));
    }


    /**
     * 獲取附近指定範圍的人
     *
     * @param distance 距離範圍 單位km
     * @param len      geoHash的精度
     * @param userLng  當前經度
     * @param userLat  當前緯度
     * @return json
     */
    @GetMapping("/nearby")
    public String nearBySearch(@RequestParam("distance") double distance,
                               @RequestParam("len") int len,
                               @RequestParam("userLng") double userLng,
                               @RequestParam("userLat") double userLat) {
        //1.根據要求的範圍，確定geoHash碼的精度，獲取到當前使用者座標的geoHash碼
        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碼
        List<UserGeohash> users = userGeohashService.list(queryWrapper);
        //3.過濾超出距離的
        users = users.stream()
                .filter(a ->getDistance(a.getLongitude(),a.getLatitude(),userLng,userLat)<= distance)
                .collect(Collectors.toList());
        return JSON.toJSONString(users);
    }
    
    /***
     * 球面中，兩點間的距離
     * @param longitude 經度1
     * @param latitude  緯度1
     * @param userLng   經度2
     * @param userLat   緯度2
     * @return 返回距離，單位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;
    }

通過上面幾步，就可以實現這一業務場景，不僅提高了查詢效率，並且保護了使用者的隱私，不對外暴露座標位置。並且對於同一位置的頻繁請求，如果是同一個geohash字串，可以加上快取，減緩資料庫的壓力。

邊界問題優化

geohash演算法將地圖分為一個個矩形，對每個矩形進行編碼，得到geohash碼，但是當前點與待搜尋點距離很近但是恰好在兩個區域，用上面的方法則就不適用了。

解決這一問題的辦法：獲取當前點所在區域附近的8個區域的geohash碼，一併進行篩選。

如何求解附近的8個區域的geohash碼可參考Geohash求當前區域周圍8個區域編碼的一種思路

瞭解了思路，這裡我們可以使用第三方開源庫ch.hsr.geohash來計算，通過maven引入

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

對上一章節的nearBySearch方法進行修改如下：

    /**
     * 獲取附近指定範圍的人
     *
     * @param distance 距離範圍 單位km
     * @param len      geoHash的精度
     * @param userLng  當前經度
     * @param userLat  當前緯度
     * @return json
     */
    @GetMapping("/nearby")
    public String nearBySearch(@RequestParam("distance") double distance,
                               @RequestParam("len") int len,
                               @RequestParam("userLng") double userLng,
                               @RequestParam("userLat") double userLat) {


        //1.根據要求的範圍，確定geoHash碼的精度，獲取到當前使用者座標的geoHash碼
        GeoHash geoHash = GeoHash.withCharacterPrecision(userLat, userLng, len);
        //2.獲取到使用者周邊8個方位的geoHash碼
        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碼
        List<UserGeohash> users = userGeohashService.list(queryWrapper);
        //4.過濾超出距離的
        users = users.stream()
                .filter(a ->getDistance(a.getLongitude(),a.getLatitude(),userLng,userLat)<= distance)
                .collect(Collectors.toList());
        return JSON.toJSONString(users);
    }

Redis+GeoHash

基於前兩種方案，我們可以發現gps這類資料屬於讀多寫少的情況，如果使用redis來實現附近的人，想必效率會大大提高。

自Redis 3.2開始，Redis基於geohash和有序集合Zset提供了地理位置相關功能

Redis提供6條命令，來幫助我們我完成大部分業務的需求，關於Redis提供的geohash操作命令介紹可閱讀部落格：Redis 到底是怎麼實現“附近的人”這個功能的呢？

本文主要介紹下，我們示例程式碼中用到的兩個命令：

• GEOADD key longitude latitude member：將給定的空間元素（緯度、經度、名字）新增到指定的鍵裡面
  • 例如新增小明的經緯度資訊：GEOADD location 119.98866180732716 30.27465803229662 小明
• GEORADIUS key longitude latitude radius m|km|ft|mi [WITHCOORD] [WITHDIST] [WITHHASH] [ASC|DESC] [COUNT count]: 根據給定地理位置座標獲取指定範圍內的地理位置集合(附近的人)
  • 例如查詢某gps附近500m的使用者座標：GEORADIUS location 119.98866180732716 30.27465803229662 500 m WITHCOORD

實現思路

• 新增使用者座標資訊到redis（GEOADD），redis會將經緯度引數值轉換為52位的geohash碼，
• Redis以geohash碼為score，將其他資訊以Zset有序集合存入key中
• 通過呼叫GEORADIUS命令，獲取指定座標點某一範圍內的資料
• 因geohash存在精度誤差，剔除超過指定距離的資料

實現程式碼

這裡只貼出部分核心程式碼，詳細的程式碼可見原始碼：NearBySearch

    @Autowired
    private RedisTemplate<String, Object> redisTemplate;
    
    //GEO相關命令用到的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;
    }

    /**
     * 根據當前位置獲取附近指定範圍內的使用者
     * @param distance 指定範圍 單位km ，可根據{@link org.springframework.data.geo.Metrics} 進行設定
     * @param userLng 使用者經度
     * @param userLat 使用者緯度
     * @return
     */
    public String nearBySearch(double distance, double userLng, double userLat) {
        List<User> users = new ArrayList<>();
        // 1.GEORADIUS獲取附近範圍內的資訊
        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.收集資訊，存入list
        List<GeoResult<RedisGeoCommands.GeoLocation<Object>>> content = reslut.getContent();
        //3.過濾掉超過距離的資料
        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);
    }

方案總結

總結以上三種方案，各有優劣，在不同的業務場景下，可選擇不同的方案來實現。

當然目前附近的人的解決方案並不僅僅這三種，以上權當是這一功能的入門引子，希望對大家有所幫助。

本文的三種方案均有原始碼提供，原始碼地址

參考文章

Redis 到底是怎麼實現“附近的人”這個功能的呢？

Geohash求當前區域周圍8個區域編碼的一種思路

GeoHash核心原理解