Java中“附近的人”实现方案讨论及代码实现

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。

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

Mysql 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

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

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

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。

        
            com.spatial4j
            spatial4j
            0.5
        

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 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 * FROM user
        WHERE 1=1
        and (longitude BETWEEN ${minlng} AND ${maxlng})
        and (latitude BETWEEN ${minlat} AND ${maxlat})
    

Mysql 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]](https://www.cnblogs.com/LBSer/p/3310455.html)，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：

用户	经纬度	Geohash字符串
小明	116.402843,39.999375	wx4g8c9v
小华	116.3967,39.99932	wx4g89tk
小张	116.40382,39.918118	wx4g0ffe

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：

geohash码长度	宽度	高度
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

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。

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 queryWrapper = new QueryWrapper()
                .likeRight("geo_code",geoHashCode);
        //2.匹配指定精度的geoHash码
        List 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。

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

        
            ch.hsr
            geohash
            1.0.10
        

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 queryWrapper = new QueryWrapper()
            .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 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);
    }

Redis 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

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

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 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 users = new ArrayList<>();
        // 1.GEORADIUS获取附近范围内的信息
        GeoResults> 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>> 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);
    }

方案总结

方案	优势	缺点
Mysql外接正方形	逻辑清晰，实现简单，支持多条件筛选	效率较低，不适合大数据量，不支持按距离排序
Mysql Geohash	借助索引有效提高效率，支持多条件筛选	不支持按距离排序，存在数据库瓶颈
Redis Geohash	效率高，集成便捷，支持距离排序	不适合复杂对象存储，不支持多条件查询

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。

本文的三种方案均有源码提供，源码地址

参考文章

Redis 到底是怎么实现“附近的人”这个功能的呢？

Geohash求当前区域周围8个区域编码的一种思路

GeoHash核心原理解析