地理位置geo处理之mongodb geo 索引

Title: 地理位置geo处理之mongodb geo 索引
Date: 2017-12-01 10:34
Category: 方案

目前越来越多的业务都会基于LBS，附近的人，外卖位置，附近商家等等，现就讨论离我最近这一业务场景的解决方案。

目前已知解决方案有:

• mysql 自定义函数计算
• mysql geo索引
• mongodb geo索引
• postgresql PostGis索引
• redis geo
• ElasticSearch

本文测试下mongodb geo索引 函数运算的性能

准备工作

创建数据表

db.driver.createIndex({loc: "2dsphere"})

创建数据python脚本

# coding=utf-8
from pymongo import MongoClient
import logging
import random
import threading

""" 中国的经纬度范围 纬度3.86~53.55，经度73.66~135.05。大概0.00001度差距1米 """

# 创建 日志 对象
logger = logging.getLogger()
handler = logging.StreamHandler()
formatter = logging.Formatter(
    '%(asctime)s %(name)-12s %(levelname)-8s %(message)s')
handler.setFormatter(formatter)
logger.addHandler(handler)
logger.setLevel(logging.DEBUG)

# Connect to the mongodb database

mongoconn = MongoClient('127.0.0.1', 27017)
mdb = mongoconn.geo_analysis
driver_collection = mdb.driver


def ins_driver(thread_name, nums):
    logger.info('开启线程%s' % thread_name)
    for i in range(nums):
        lng = '%.5f' % random.uniform(73.66, 135.05)
        lat = '%.5f' % random.uniform(3.86, 53.55)
        logging.debug('插入记录:%s' % i)
        driver_collection.insert_one({
            "loc":[
                float(lng),
                float(lat)
            ]
        })


thread_nums = 10
for i in range(thread_nums):
    t = threading.Thread(target=ins_driver, args=(i, 40000))
    t.start()

image.png

以上脚本创建10个线程，10个线程插入4万条数据。耗费52.43s执行完,总共插入40万条数据

测试

• 测试环境

系统：mac os

内存：16G

cpu: intel core i5

硬盘: 500g 固态硬盘

测试下查找距离(134.38753,18.56734)附近20公里的司机

db.runCommand({geoNear:'driver', near:[134.38753,18.56734], spherical:true, maxDistance:20000/6378000, distanceMultiplier:6378000});

• 耗时：0.001s
• explain:使用索引

原文地址 ：https://visonforcoding.github.io/2017/12/01/%E5%9C%B0%E7%90%86%E4%BD%8D%E7%BD%AE%E5%A4%84%E7%90%86%E4%B9%8Bmongodb/