一口气说出 4种 “附近的人” 实现方式，面试官笑了，嘿嘿
引言
昨天一位公眾號粉絲和我討論了一道面試題，個人覺得比較有意義，這里整理了一下分享給大家，愿小伙伴們面試路上少踩坑。面試題目比較簡單：“讓你實現一個附近的人功能，你有什么方案？”，這道題其實主要還是考察大家對于技術的廣度，本文介紹幾種方案，給大家一點思路，避免在面試過程中語塞而影響面試結果，如有不嚴謹之處，還望親人們溫柔指正！
“附近的人”?功能生活中是比較常用的，像外賣app附近的餐廳，共享單車app里附近的車輛。既然常用面試被問的概率就很大，所以下邊依次來分析基于mysql數據庫、Redis、?MongoDB實現的 “附近的人” 功能。
科普：世界上標識一個位置，通用的做法就使用經、緯度。經度的范圍在 (-180, 180]，緯度的范圍 在(-90, 90]，緯度正負以赤道為界，北正南負，經度正負以本初子午線 (英國格林尼治天文臺) 為界，東正西負。比如：望京摩托羅拉大廈的經、緯度（116.49141，40.01229）全是正數，就是因為我國位于東北半球。
一、“附近的人”原理
“附近的人”?也就是常說的?LBS?(Location Based Services，基于位置服務)，它圍繞用戶當前地理位置數據而展開的服務，為用戶提供精準的增值服務。
“附近的人” 核心思想如下：
以 “我” 為中心，搜索附近的用戶
以 “我” 當前的地理位置為準，計算出別人和 “我” 之間的距離
按 “我” 與別人距離的遠近排序，篩選出離我最近的用戶或者商店等
二、什么是GeoHash算法？
在說?“附近的人”?功能的具體實現之前，先來認識一下GeoHash?算法，因為后邊會一直和它打交道。定位一個位置最好的辦法就是用經、緯度標識，但經、緯度它是二維的，在進行位置計算的時候還是很麻煩，如果能通過某種方法將二維的經、緯度數據轉換成一維的數據，那么比較起來就要容易的多，因此GeoHash算法應運而生。
GeoHash算法將二維的經、緯度轉換成一個字符串，例如：下圖中9個GeoHash字符串代表了9個區域，每一個字符串代表了一矩形區域。而這個矩形區域內其他的點（經、緯度）都用同一個GeoHash字符串表示。
比如：WX4ER區域內的用戶搜索附近的餐廳數據，由于這區域內用戶的GeoHash字符串都是WX4ER，故可以把WX4ER當作key，餐廳信息作為value進行緩存；而如果不使用GeoHash算法，區域內的用戶請求餐廳數據，用戶傳來的經、緯度都是不同的，這樣緩存不僅麻煩且數據量巨大。
GeoHash字符串越長，表示的位置越精確，字符串長度越長代表在距離上的誤差越小。下圖geohash碼精度表：
| 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 |
而且字符串越相似表示距離越相近，字符串前綴匹配越多的距離越近。比如：下邊的經、緯度就代表了三家距離相近的餐廳。
| 串串香 | 116.402843,39.999375 | wx4er9v |
| 火鍋 | 116.3967,39.99932 | wx4ertk |
| 烤肉 | 116.40382,39.918118 | wx4erfe |
讓大家簡單了解什么是GeoHash算法，方便后邊內容展開，GeoHash算法內容比較高深，感興趣的小伙伴自行深耕一下，這里不占用過多篇幅（其實是我懂得太膚淺，哭唧唧~）。
三、基于Mysql
此種方式是純基于mysql實現的，未使用GeoHash算法。
1、設計思路
以用戶為中心，假設給定一個500米的距離作為半徑畫一個圓，這個圓型區域內的所有用戶就是符合用戶要求的 “附近的人”。但有一個問題是圓形有弧度啊，直接搜索圓形區域難度太大，根本無法用經、緯度直接搜索。
但如果在圓形外套上一個正方形，通過獲取用戶經、緯度的最大最小值（經、緯度 + 距離），再根據最大最小值作為篩選條件，就很容易將正方形內的用戶信息搜索出來。
那么問題又來了，多出來一些面積腫么辦？
我們來分析一下，多出來的這部分區域內的用戶，到圓點的距離一定比圓的半徑要大，那么我們就計算用戶中心點與正方形內所有用戶的距離，篩選出所有距離小于等于半徑的用戶，圓形區域內的所用戶即符合要求的“附近的人”。
在這里插入圖片描述2、利弊分析
純基于?mysql?實現?“附近的人”，優點顯而易見就是簡單，只要建一張表存下用戶的經、緯度信息即可。缺點也很明顯，需要大量的計算兩個點之間的距離，非常影響性能。
3、實現
創建一個簡單的表用來存放用戶的經、緯度屬性。
1CREATE?TABLE?`nearby_user`?( 2??`id`?int(11)?NOT?NULL?AUTO_INCREMENT, 3??`name`?varchar(255)?DEFAULT?NULL?COMMENT?'名稱', 4??`longitude`?double?DEFAULT?NULL?COMMENT?'經度', 5??`latitude`?double?DEFAULT?NULL?COMMENT?'緯度', 6??`create_time`?datetime?DEFAULT?NULL?ON?UPDATE?CURRENT_TIMESTAMP?COMMENT?'創建時間', 7??PRIMARY?KEY?(`id`) 8)?ENGINE=InnoDB?DEFAULT?CHARSET=utf8mb4;計算兩個點之間的距離，用了一個三方的類庫，畢竟自己造的輪子不是特別圓，還有可能是方的，啊哈哈哈~
1<dependency> 2?????<groupId>com.spatial4j</groupId> 3?????<artifactId>spatial4j</artifactId> 4?????<version>0.5</version> 5</dependency>獲取到外接正方形后，以正方形的最大最小經、緯度值搜索正方形區域內的用戶，再剔除超過指定距離的用戶，就是最終的附近的人。
1????private?SpatialContext?spatialContext?=?SpatialContext.GEO;????23????/**4?????*?獲取附近?x?米的人5?????*6?????*?@param?distance?搜索距離范圍?單位km7?????*?@param?userLng??當前用戶的經度8?????*?@param?userLat??當前用戶的緯度9?????*/ 10????@GetMapping("/nearby") 11????public?String?nearBySearch(@RequestParam("distance")?double?distance, 12???????????????????????????????@RequestParam("userLng")?double?userLng, 13???????????????????????????????@RequestParam("userLat")?double?userLat)?{ 14????????//1.獲取外接正方形 15????????Rectangle?rectangle?=?getRectangle(distance,?userLng,?userLat); 16????????//2.獲取位置在正方形內的所有用戶 17????????List<User>?users?=?userMapper.selectUser(rectangle.getMinX(),?rectangle.getMaxX(),?rectangle.getMinY(),?rectangle.getMaxY()); 18????????//3.剔除半徑超過指定距離的多余用戶 19????????users?=?users.stream() 20????????????.filter(a?->?getDistance(a.getLongitude(),?a.getLatitude(),?userLng,?userLat)?<=?distance) 21????????????.collect(Collectors.toList()); 22????????return?JSON.toJSONString(users); 23????} 24 25????private?Rectangle?getRectangle(double?distance,?double?userLng,?double?userLat)?{ 26????????return?spatialContext.getDistCalc() 27????????????.calcBoxByDistFromPt(spatialContext.makePoint(userLng,?userLat),? 28?????????????????????????????????distance?*?DistanceUtils.KM_TO_DEG,?spatialContext,?null); 29????}由于用戶間距離的排序是在業務代碼中實現的，可以看到SQL語句也非常的簡單。
1????<select?id="selectUser"?resultMap="BaseResultMap"> 2????????SELECT?*?FROM?user 3????????WHERE?1=1 4????????and?(longitude?BETWEEN?${minlng}?AND?${maxlng}) 5????????and?(latitude?BETWEEN?${minlat}?AND?${maxlat}) 6????</select> 7四、Mysql + GeoHash
1、設計思路
這種方式的設計思路更簡單，在存用戶位置信息時，根據用戶經、緯度屬性計算出相應的geohash字符串。注意：在計算geohash字符串時，需要指定geohash字符串的精度，也就是geohash字符串的長度，參考上邊的geohash精度表。
當需要獲取附近的人，只需用當前用戶geohash字符串，數據庫通過WHERE geohash Like 'geocode%' 來查詢geohash字符串相似的用戶，然后計算當前用戶與搜索出的用戶距離，篩選出所有距離小于等于指定距離（附近500米）的，即附近的人。
2、利弊分析
利用GeoHash算法實現“附近的人”有一個問題，由于geohash算法將地圖分為一個個矩形，對每個矩形進行編碼，得到geohash字符串。可我當前的點與鄰近的點很近，但恰好我們分別在兩個區域，明明就在眼前的點偏偏搜不到，實實在在的燈下黑。
如何解決這一問題？
為了避免類似鄰近兩點在不同區域內，我們就需要同時獲取當前點（WX4G0）所在區域附近?8個區域的geohash碼，一并進行篩選比較。
在這里插入圖片描述3、實現
同樣要設計一張表存用戶的經、緯度信息，但區別是要多一個geo_code字段，存放geohash字符串，此字段通過用戶經、緯度屬性計算出。使用頻繁的字段建議加上索引。
1CREATE?TABLE?`nearby_user_geohash`?(2??`id`?int(11)?NOT?NULL?AUTO_INCREMENT,3??`name`?varchar(255)?DEFAULT?NULL?COMMENT?'名稱',4??`longitude`?double?DEFAULT?NULL?COMMENT?'經度',5??`latitude`?double?DEFAULT?NULL?COMMENT?'緯度',6??`geo_code`?varchar(64)?DEFAULT?NULL?COMMENT?'經緯度所計算的geohash碼',7??`create_time`?datetime?DEFAULT?NULL?ON?UPDATE?CURRENT_TIMESTAMP?COMMENT?'創建時間',8??PRIMARY?KEY?(`id`),9??KEY?`index_geo_hash`?(`geo_code`) 10)?ENGINE=InnoDB?DEFAULT?CHARSET=utf8mb4;首先根據用戶經、緯度信息，在指定精度后計算用戶坐標的geoHash碼，再獲取到用戶周邊8個方位的geoHash碼在數據庫中搜索用戶，最后過濾掉超出給定距離（500米內）的用戶。
1?private?SpatialContext?spatialContext?=?SpatialContext.GEO;23????/***4?????*?添加用戶5?????*?@return6?????*/7????@PostMapping("/addUser")8????public?boolean?add(@RequestBody?UserGeohash?user)?{9????????//默認精度12位 10????????String?geoHashCode?=?GeohashUtils.encodeLatLon(user.getLatitude(),user.getLongitude()); 11????????return?userGeohashService.save(user.setGeoCode(geoHashCode).setCreateTime(LocalDateTime.now())); 12????} 13 14 15/** 16?????*?獲取附近指定范圍的人 17?????* 18?????*?@param?distance?距離范圍（附近多遠的用戶）?單位km 19?????*?@param?len??????geoHash的精度（幾位的字符串） 20?????*?@param?userLng??當前用戶的經度 21?????*?@param?userLat??當前用戶的緯度 22?????*?@return?json 23?????*/ 24????@GetMapping("/nearby") 25????public?String?nearBySearch(@RequestParam("distance")?double?distance, 26???????????????????????????????@RequestParam("len")?int?len, 27???????????????????????????????@RequestParam("userLng")?double?userLng, 28???????????????????????????????@RequestParam("userLat")?double?userLat)?{ 29 30 31????????//1.根據要求的范圍，確定geoHash碼的精度，獲取到當前用戶坐標的geoHash碼 32????????GeoHash?geoHash?=?GeoHash.withCharacterPrecision(userLat,?userLng,?len); 33????????//2.獲取到用戶周邊8個方位的geoHash碼 34????????GeoHash[]?adjacent?=?geoHash.getAdjacent(); 35 36????????QueryWrapper<UserGeohash>?queryWrapper?=?new?QueryWrapper<UserGeohash>() 37????????????.likeRight("geo_code",geoHash.toBase32()); 38????????Stream.of(adjacent).forEach(a?->?queryWrapper.or().likeRight("geo_code",a.toBase32())); 39 40????????//3.匹配指定精度的geoHash碼 41????????List<UserGeohash>?users?=?userGeohashService.list(queryWrapper); 42????????//4.過濾超出距離的 43????????users?=?users.stream() 44????????????????.filter(a?->getDistance(a.getLongitude(),a.getLatitude(),userLng,userLat)<=?distance) 45????????????????.collect(Collectors.toList()); 46????????return?JSON.toJSONString(users); 47????} 48 49 50????/*** 51?????*?球面中，兩點間的距離 52?????*?@param?longitude?經度1 53?????*?@param?latitude??緯度1 54?????*?@param?userLng???經度2 55?????*?@param?userLat???緯度2 56?????*?@return?返回距離，單位km 57?????*/ 58????private?double?getDistance(Double?longitude,?Double?latitude,?double?userLng,?double?userLat)?{ 59????????return?spatialContext.calcDistance(spatialContext.makePoint(userLng,?userLat), 60????????????????spatialContext.makePoint(longitude,?latitude))?*?DistanceUtils.DEG_TO_KM; 61????}五、Redis + GeoHash
Redis 3.2版本以后，基于geohash和數據結構Zset提供了地理位置相關功能。通過上邊兩種mysql的實現方式發現，附近的人功能是明顯的讀多寫少場景，所以用redis性能更會有很大的提升。
1、設計思路
redis?實現附近的人功能主要通過Geo模塊的六個命令。
GEOADD：將給定的位置對象（緯度、經度、名字）添加到指定的key;
GEOPOS：從key里面返回所有給定位置對象的位置（經度和緯度）;
GEODIST：返回兩個給定位置之間的距離;
GEOHASH：返回一個或多個位置對象的Geohash表示;
GEORADIUS：以給定的經緯度為中心，返回目標集合中與中心的距離不超過給定最大距離的所有位置對象;
GEORADIUSBYMEMBER：以給定的位置對象為中心，返回與其距離不超過給定最大距離的所有位置對象。
以GEOADD?命令和GEORADIUS?命令簡單舉例：
1GEOADD?key?longitude?latitude?member?[longitude?latitude?member?...]其中，key為集合名稱，member為該經緯度所對應的對象。
GEOADD?添加多個商戶“火鍋店”位置信息：
1GEOADD?hotel?119.98866180732716????30.27465803229662?火鍋店GEORADIUS?根據給定的經緯度為中心，獲取目標集合中與中心的距離不超過給定最大距離（500米內）的所有位置對象，也就是“附近的人”。
1GEORADIUS?key?longitude?latitude?radius?m|km|ft|mi?[WITHCOORD]?[WITHDIST]?[WITHHASH]?[ASC|DESC]?[COUNT?count]?[STORE?key]?[STORedisT?key]范圍單位：m?|?km?|?ft?|?mi?--> 米 | 千米 | 英尺 | 英里。
WITHDIST：在返回位置對象的同時，將位置對象與中心之間的距離也一并返回。距離的單位和用戶給定的范圍單位保持一致。
WITHCOORD：將位置對象的經度和維度也一并返回。
WITHHASH：以 52 位有符號整數的形式，返回位置對象經過原始 geohash 編碼的有序集合分值。這個選項主要用于底層應用或者調試，實際中的作用并不大。
ASC | DESC：從近到遠返回位置對象元素 | 從遠到近返回位置對象元素。
COUNT count：選取前N個匹配位置對象元素。（不設置則返回所有元素）
STORE key：將返回結果的地理位置信息保存到指定key。
STORedisT key：將返回結果離中心點的距離保存到指定key。
例如下邊命令：獲取當前位置周邊500米內的所有飯店。
1GEORADIUS?hotel?119.98866180732716????30.27465803229662?500?m?WITHCOORDRedis內部使用有序集合(zset)保存用戶的位置信息，zset中每個元素都是一個帶位置的對象，元素的score值為通過經、緯度計算出的52位geohash值。
2、利弊分析
redis實現附近的人效率比較高，集成也比較簡單，而且還支持對距離排序。不過，結果存在一定的誤差，要想讓結果更加精確，還需要手動將用戶中心位置與其他用戶位置計算距離后，再一次進行篩選。
3、實現
以下就是Java?redis實現版本，代碼非常的簡潔。
1?@Autowired2????private?RedisTemplate<String,?Object>?redisTemplate;34????//GEO相關命令用到的KEY5????private?final?static?String?KEY?=?"user_info";67????public?boolean?save(User?user)?{8????????Long?flag?=?redisTemplate.opsForGeo().add(KEY,?new?RedisGeoCommands.GeoLocation<>(9????????????????user.getName(),? 10????????????????new?Point(user.getLongitude(),?user.getLatitude())) 11????????); 12????????return?flag?!=?null?&&?flag?>?0; 13????} 14 15????/** 16?????*?根據當前位置獲取附近指定范圍內的用戶 17?????*?@param?distance?指定范圍?單位km?，可根據{@link?org.springframework.data.geo.Metrics}?進行設置 18?????*?@param?userLng?用戶經度 19?????*?@param?userLat?用戶緯度 20?????*?@return 21?????*/ 22????public?String?nearBySearch(double?distance,?double?userLng,?double?userLat)?{ 23????????List<User>?users?=?new?ArrayList<>(); 24????????//?1.GEORADIUS獲取附近范圍內的信息 25????????GeoResults<RedisGeoCommands.GeoLocation<Object>>?reslut?=? 26????????????redisTemplate.opsForGeo().radius(KEY,? 27????????????????????????new?Circle(new?Point(userLng,?userLat),?new?Distance(distance,?Metrics.KILOMETERS)), 28????????????????????????RedisGeoCommands.GeoRadiusCommandArgs.newGeoRadiusArgs() 29????????????????????????????????.includeDistance() 30????????????????????????????????.includeCoordinates().sortAscending()); 31????????//2.收集信息，存入list 32????????List<GeoResult<RedisGeoCommands.GeoLocation<Object>>>?content?=?reslut.getContent(); 33????????//3.過濾掉超過距離的數據 34????????content.forEach(a->?users.add( 35????????????????new?User().setDistance(a.getDistance().getValue()) 36????????????????.setLatitude(a.getContent().getPoint().getX()) 37????????????????.setLongitude(a.getContent().getPoint().getY()))); 38????????return?JSON.toJSONString(users); 39????}六、MongoDB + 2d索引
1、設計思路
MongoDB實現附近的人，主要是通過它的兩種地理空間索引?2dsphere?和?2d。兩種索引的底層依然是基于Geohash來進行構建的。但與國際通用的Geohash還有一些不同，具體參考官方文檔。
2dsphere?索引僅支持球形表面的幾何形狀查詢。
2d?索引支持平面幾何形狀和一些球形查詢。雖然2d?索引支持某些球形查詢，但?2d?索引對這些球形查詢時，可能會出錯。所以球形查詢盡量選擇?2dsphere索引。
盡管兩種索引的方式不同，但只要坐標跨度不太大，這兩個索引計算出的距離相差幾乎可以忽略不計。
2、實現
首先插入一批位置數據到MongoDB，?collection為起名?hotel，相當于MySQL的表名。兩個字段name名稱，location?為經、緯度數據對。
1db.hotel.insertMany([2?{'name':'hotel1',??location:[115.993121,28.676436]},3?{'name':'hotel2',??location:[116.000093,28.679402]},4?{'name':'hotel3',??location:[115.999967,28.679743]},5?{'name':'hotel4',??location:[115.995593,28.681632]},6?{'name':'hotel5',??location:[115.975543,28.679509]},7?{'name':'hotel6',??location:[115.968428,28.669368]},8?{'name':'hotel7',??location:[116.035262,28.677037]},9?{'name':'hotel8',??location:[116.024770,28.68667]}, 10?{'name':'hotel9',??location:[116.002384,28.683865]}, 11?{'name':'hotel10',?location:[116.000821,28.68129]}, 12])接下來我們給?location?字段創建一個2d索引，索引的精度通過bits來指定，bits越大，索引的精度就越高。
1db.coll.createIndex({'location':"2d"},?{"bits":11111})用geoNear命令測試一下，?near?當前坐標（經、緯度），spherical?是否計算球面距離，distanceMultiplier地球半徑，單位是米，默認6378137，?maxDistance?過濾條件（指定距離內的用戶），開啟弧度需除distanceMultiplier，distanceField?計算出的兩點間距離，字段別名（隨意取名）。
1db.hotel.aggregate({ 2????$geoNear:{ 3????????near:?[115.999567,28.681813],?//?當前坐標 4????????spherical:?true,?//?計算球面距離 5????????distanceMultiplier:?6378137,?//?地球半徑,單位是米,那么的除的記錄也是米 6????????maxDistance:?2000/6378137,?//?過濾條件2000米內，需要弧度 7????????distanceField:?"distance"?//?距離字段別名 8????} 9})看到結果中有符合條件的數據，還多出一個字段distance?剛才設置的別名，代表兩點間的距離。
1{?"_id"?:?ObjectId("5e96a5c91b8d4ce765381e58"),?"name"?:?"hotel10",?"location"?:?[?116.000821,?28.68129?],?"distance"?:?135.60095397487655?} 2{?"_id"?:?ObjectId("5e96a5c91b8d4ce765381e51"),?"name"?:?"hotel3",?"location"?:?[?115.999967,?28.679743?],?"distance"?:?233.71915803517447?} 3{?"_id"?:?ObjectId("5e96a5c91b8d4ce765381e50"),?"name"?:?"hotel2",?"location"?:?[?116.000093,?28.679402?],?"distance"?:?273.26317035334176?} 4{?"_id"?:?ObjectId("5e96a5c91b8d4ce765381e57"),?"name"?:?"hotel9",?"location"?:?[?116.002384,?28.683865?],?"distance"?:?357.5791936927476?} 5{?"_id"?:?ObjectId("5e96a5c91b8d4ce765381e52"),?"name"?:?"hotel4",?"location"?:?[?115.995593,?28.681632?],?"distance"?:?388.62555058249967?} 6{?"_id"?:?ObjectId("5e96a5c91b8d4ce765381e4f"),?"name"?:?"hotel1",?"location"?:?[?115.993121,?28.676436?],?"distance"?:?868.6740526419927?}總結
本文重點并不是在具體實現，旨在給大家提供一些設計思路，面試中可能你對某一項技術了解的并不深入，但如果你的知識面寬，可以從多方面說出多種設計的思路，能夠侃侃而談，那么會給面試官極大的好感度，拿到offer的概率就會高很多。而且“附近的人”?功能使用的場景比較多，尤其是像電商平臺應用更為廣泛，所以想要進大廠的同學，這類的知識點還是應該有所了解的。
代碼實現借鑒了一位大佬的開源項目，這里有前三種實現方式的demo，感興趣的小伙伴可以學習一下，GitHub地址：https://github.com/larscheng/larscheng-learning-demo/tree/master/NearbySearch，。
? ???精 彩 文 章?
看完這篇Redis緩存三大問題，保你能和面試官互扯。
Python的 heapq模塊源碼分析
Python進階：enum模塊源碼分析
超好看的弦圖，Python一行代碼就能做
來和小伙伴們一起向上生長呀~~~
掃描下方二維碼，添加小詹微信，可領取千元大禮包并申請加入 Python學習交流群，群內僅供學術交流，日常互動，如果是想發推文、廣告、砍價小程序的敬請繞道！一定記得備注「交流學習」，我會盡快通過好友申請哦！
（添加人數較多，請耐心等待）
（掃碼回復 1024? 即可領取IT資料包）
總結
以上是生活随笔為你收集整理的一口气说出 4种 “附近的人” 实现方式，面试官笑了，嘿嘿的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 写了个Python小工具，再也不怕孩子偷
- 下一篇： 精选 GitHub 值得收藏的100个前