附近的人的位置用经纬度表示，然后通过两点的经纬度计算距离。根据网上的推荐，最终采用geohash。
geohash的实现java版：
1 import java.util.BitSet;
2 import java.util.HashMap;
3 import java.util.Map;
4
5 import org.apache.commons.lang3.StringUtils;
6
7 public class Geohash {
8
9 private static int numbits = 6 * 5;
10 final static char[] digits = { ‘0‘, ‘1‘, ‘2‘, ‘3‘, ‘4‘, ‘5‘, ‘6‘, ‘7‘, ‘8‘,
11 ‘9‘, ‘b‘, ‘c‘, ‘d‘, ‘e‘, ‘f‘, ‘g‘, ‘h‘, ‘j‘, ‘k‘, ‘m‘, ‘n‘, ‘p‘,
12 ‘q‘, ‘r‘, ‘s‘, ‘t‘, ‘u‘, ‘v‘, ‘w‘, ‘x‘, ‘y‘, ‘z‘ };
13
14 final static HashMap<Character, Integer> lookup = new HashMap<Character, Integer>();
15 static {
16 int i = 0;
17 for (char c : digits)
18 lookup.put(c, i++);
19
20 }
21
22 public Geohash() {
23 setMap();
24 }
25
26 public double[] decode(String geohash) {
27 StringBuilder buffer = new StringBuilder();
28 for (char c : geohash.toCharArray()) {
29
30 int i = lookup.get(c) + 32;
31 buffer.append(Integer.toString(i, 2).substring(1));
32 }
33
34 BitSet lonset = new BitSet();
35 BitSet latset = new BitSet();
36
37 // even bits
38 int j = 0;
39 for (int i = 0; i < numbits * 2; i += 2) {
40 boolean isSet = false;
41 if (i < buffer.length())
42 isSet = buffer.charAt(i) == ‘1‘;
43 lonset.set(j++, isSet);
44 }
45
46 // odd bits
47 j = 0;
48 for (int i = 1; i < numbits * 2; i += 2) {
49 boolean isSet = false;
50 if (i < buffer.length())
51 isSet = buffer.charAt(i) == ‘1‘;
52 latset.set(j++, isSet);
53 }
54
55 double lon = decode(lonset, -180, 180);
56 double lat = decode(latset, -90, 90);
57
58 return new double[] { lat, lon };
59 }
60
61 private double decode(BitSet bs, double floor, double ceiling) {
62 double mid = 0;
63 for (int i = 0; i < bs.length(); i++) {
64 mid = (floor + ceiling) / 2;
65 if (bs.get(i))
66 floor = mid;
67 else
68 ceiling = mid;
69 }
70 return mid;
71 }
72
73 public String encode(String lat, String lon) {
74
75 return encode(Double.parseDouble(lat), Double.parseDouble(lon));
76
77 }
78
79 public String encode(double lat, double lon) {
80 BitSet latbits = getBits(lat, -90, 90);
81 BitSet lonbits = getBits(lon, -180, 180);
82 StringBuilder buffer = new StringBuilder();
83 for (int i = 0; i < numbits; i++) {
84 buffer.append((lonbits.get(i)) ? ‘1‘ : ‘0‘);
85 buffer.append((latbits.get(i)) ? ‘1‘ : ‘0‘);
86 }
87 return base32(Long.parseLong(buffer.toString(), 2));
88 }
89
90 private BitSet getBits(double lat, double floor, double ceiling) {
91 BitSet buffer = new BitSet(numbits);
92 for (int i = 0; i < numbits; i++) {
93 double mid = (floor + ceiling) / 2;
94 if (lat >= mid) {
95 buffer.set(i);
96 floor = mid;
97 } else {
98 ceiling = mid;
99 }
100 }
101 return buffer;
102 }
103
104 public static String base32(long i) {
105 char[] buf = new char[65];
106 int charPos = 64;
107 boolean negative = (i < 0);
108 if (!negative)
109 i = -i;
110 while (i <= -32) {
111 buf[charPos--] = digits[(int) (-(i % 32))];
112 i /= 32;
113 }
114 buf[charPos] = digits[(int) (-i)];
115
116 if (negative)
117 buf[--charPos] = ‘-‘;
118 return new String(buf, charPos, (65 - charPos));
119 }
120
121 /*********************** 获取九个的矩形编码 ****************************************/
122 public static String BASE32 = "0123456789bcdefghjkmnpqrstuvwxyz";
123 public static Map<String, String> BORDERS = new HashMap<String, String>();
124 public static Map<String, String> NEIGHBORS = new HashMap<String, String>();
125
126 public static void setMap() {
127 NEIGHBORS.put("right:even", "bc01fg45238967deuvhjyznpkmstqrwx");
128 NEIGHBORS.put("left:even", "238967debc01fg45kmstqrwxuvhjyznp");
129 NEIGHBORS.put("top:even", "p0r21436x8zb9dcf5h7kjnmqesgutwvy");
130 NEIGHBORS.put("bottom:even", "14365h7k9dcfesgujnmqp0r2twvyx8zb");
131
132 NEIGHBORS.put("right:odd", "p0r21436x8zb9dcf5h7kjnmqesgutwvy");
133 NEIGHBORS.put("left:odd", "14365h7k9dcfesgujnmqp0r2twvyx8zb");
134 NEIGHBORS.put("top:odd", "bc01fg45238967deuvhjyznpkmstqrwx");
135 NEIGHBORS.put("bottom:odd", "238967debc01fg45kmstqrwxuvhjyznp");
136
137 BORDERS.put("right:even", "bcfguvyz");
138 BORDERS.put("left:even", "0145hjnp");
139 BORDERS.put("top:even", "prxz");
140 BORDERS.put("bottom:even", "028b");
141
142 BORDERS.put("right:odd", "prxz");
143 BORDERS.put("left:odd", "028b");
144 BORDERS.put("top:odd", "bcfguvyz");
145 BORDERS.put("bottom:odd", "0145hjnp");
146
147 }
148
149 /**
150 * 获取九个点的矩形编码
151 *
152 * @param geohash
153 * @return
154 */
155 public String[] getGeoHashExpand(String geohash) {
156 try {
157 String geohashTop = calculateAdjacent(geohash, "top");
158 String geohashBottom = calculateAdjacent(geohash, "bottom");
159 String geohashRight = calculateAdjacent(geohash, "right");
160 String geohashLeft = calculateAdjacent(geohash, "left");
161 String geohashTopLeft = calculateAdjacent(geohashLeft, "top");
162 String geohashTopRight = calculateAdjacent(geohashRight, "top");
163 String geohashBottomRight = calculateAdjacent(geohashRight,
164 "bottom");
165 String geohashBottomLeft = calculateAdjacent(geohashLeft, "bottom");
166 String[] expand = { geohash, geohashTop, geohashBottom,
167 geohashRight, geohashLeft, geohashTopLeft, geohashTopRight,
168 geohashBottomRight, geohashBottomLeft };
169 return expand;
170 } catch (Exception e) {
171 return null;
172 }
173 }
174
175 /**
176 * 分别计算每个点的矩形编码
177 *
178 * @param srcHash
179 * @param dir
180 * @return
181 */
182 public static String calculateAdjacent(String srcHash, String dir) {
183 srcHash = srcHash.toLowerCase();
184 char lastChr = srcHash.charAt(srcHash.length() - 1);
185 int a = srcHash.length() % 2;
186 String type = (a > 0) ? "odd" : "even";
187 String base = srcHash.substring(0, srcHash.length() - 1);
188 if (BORDERS.get(dir + ":" + type).indexOf(lastChr) != -1) {
189 base = calculateAdjacent(base, dir);
190 }
191 base = base
192 + BASE32.toCharArray()[(NEIGHBORS.get(dir + ":" + type)
193 .indexOf(lastChr))];
194 return base;
195 }
196
197 // @Deprecated
198 // public static void expandLngLat(String geohash, int len){
199 // boolean is_even = true;
200 // double[] lat = new double[3];
201 // double[] lon = new double[3];
202 // lat[0] = -90.0;
203 // lat[1] = 90.0;
204 // lon[0] = -180.0;
205 // lon[1] = 180.0;
206 // double lat_err = 90.0;
207 // double lon_err = 180.0;
208 // char[] geohashChar = geohash.toCharArray();
209 // // String[] BITS = {"16", "8", "4", "2", "1"};
210 // int[] BITS = {16, 8, 4, 2, 1};
211 // for (int i = 0; i < geohashChar.length; i++) {
212 // char c = geohashChar[i];
213 // int cd = BASE32.indexOf(c);
214 // for (int j = 0; j < 5; j++) {
215 // int mask = BITS[j];
216 // if (is_even) {
217 // lon_err /= 2;
218 // refine_interval(lon, cd, mask);
219 // } else {
220 // lat_err /= 2;
221 // refine_interval(lat, cd, mask);
222 // }
223 // is_even = !is_even;
224 // }
225 // }
226 // lat[2] = (lat[0] + lat[1])/2;
227 // //1:[38.8970947265625, 38.902587890625, 38.89984130859375]
228 // //1: 38.8970947265625, 38.902587890625, 38.89984130859375
229 // //2:[38.902587890625, 38.9080810546875, 38.90533447265625]
230 // //2: 38.902587890625, 38.9080810546875, 38.90533447265625
231 // lon[2] = (lon[0] + lon[1])/2;
232 // //1:[-77.047119140625, -77.0361328125, -77.0416259765625]
233 // //1: -77.047119140625, -77.0361328125, -77.0416259765625
234 // //2:[-77.047119140625, -77.0361328125, -77.0416259765625]
235 // //2: -77.047119140625, -77.0361328125, -77.0416259765625
236 //
237 // String topLeft = lat[0]+","+lon[0];
238 // String topRight = lat[0]+","+lon[1];
239 //
240 // String bottomleft = lat[1]+","+lon[0];
241 // String bottoomRight = lat[1]+","+lon[1];
242 // String centerPoint = (lat[0]+lat[1])/2+","+(lon[0]+lon[1])/2;
243 //
244 // String centerTop = lat[0]+","+(lon[0]+lon[1])/2;
245 // String centerBottom = lat[1]+","+(lon[0]+lon[1])/2;
246 //
247 // String centerLeft = (lat[0]+lat[1])/2+","+lon[0];
248 // String centerRight = (lat[0]+lat[1])/2+","+lon[1];
249 // // System.out.println("topLeft:["+topLeft+"] geoHash:"+g.encode(lat[0],
250 // lon[0]));
251 // // System.out.println("topRight:["+topRight+"] geoHash:"+g.encode(lat[0],
252 // lon[1]));
253 // //
254 // System.out.println("bottomleft:["+bottomleft+"] geoHash:"+g.encode(lat[1],
255 // lon[0]));
256 // //
257 // System.out.println("bottoomRight:["+bottoomRight+"] geoHash:"+g.encode(lat[1],
258 // lon[1]));
259 // //
260 // System.out.println("centerPoint:["+centerPoint+"] geoHash:"+g.encode((lat[0]+lat[1])/2,
261 // (lon[0]+lon[1])/2));
262 // //
263 // System.out.println("centerTop:["+centerTop+"] geoHash:"+g.encode(lat[0],
264 // (lon[0]+lon[1])/2));
265 // //
266 // System.out.println("centerBottom:["+centerBottom+"] geoHash:"+g.encode(lat[1],
267 // (lon[0]+lon[1])/2));
268 // //
269 // System.out.println("centerLeft:["+centerLeft+"] geoHash:"+g.encode((lat[0]+lat[1])/2,
270 // lon[0]));
271 // //
272 // System.out.println("centerRight:["+centerRight+"] geoHash:"+g.encode((lat[0]+lat[1])/2,
273 // lon[1]));
274 //
275 // }
276 //
277 // @Deprecated
278 // public static void refine_interval(double[] interval, int cd, int mask){
279 // if ((cd & mask)>0){
280 // interval[0] = (interval[0] + interval[1])/2;
281 // }else{
282 // interval[1] = (interval[0] + interval[1])/2;
283 // }
284 // }
285 //
286
287 // ****************************************************************************************************************
288
289 private static final double EARTH_RADIUS = 6371;// 赤道半径(单位m)
290
291 /**
292 * 转化为弧度(rad)
293 * */
294 private static double rad(double d) {
295 return d * Math.PI / 180.0;
296 }
297
298 /**
299 * 基于googleMap中的算法得到两经纬度之间的距离,计算精度与谷歌地图的距离精度差不多，相差范围在0.2米以下
300 *
301 * @param lon1
302 * 第一点的精度
303 * @param lat1
304 * 第一点的纬度
305 * @param lon2
306 * 第二点的精度
307 * @param lat2
308 * 第二点的纬度
309 * @return 返回的距离，单位m
310 * */
311 public double getDistance(double lon1, double lat1, double lon2,
312 double lat2) {
313 double radLat1 = rad(lat1);
314 double radLat2 = rad(lat2);
315 double a = radLat1 - radLat2;
316 double b = rad(lon1) - rad(lon2);
317 double s = 2 * Math.asin(Math.sqrt(Math.pow(Math.sin(a / 2), 2)
318 + Math.cos(radLat1) * Math.cos(radLat2)
319 * Math.pow(Math.sin(b / 2), 2)));
320 s = s * EARTH_RADIUS;
321 s = Math.round(s * 1000)/1000.0;
322 return s;
323 }
324
325 /*
326 * 永相逢超市 108.83457500177 34.256981052624 wqj6us6cmkj5bbfj6qdg s6q08ubhhuq7
327 */
328 public static void main(String[] args) throws Exception {
329
330 // 东四站 灯市口站
331 double lon1 = 116.4174628300;
332 double lat1 = 39.9243669400;
333 double lon2 = 116.4177739600;
334 double lat2 = 39.9171260300;
335 double dist;
336 String geocode;
337
338 Geohash geohash = new Geohash();
339 dist = geohash.getDistance(lon1, lat1, lon2, lat2);
340 System.out.println("两点相距：" + dist + " km");
341
342 geocode = geohash.encode(lat1, lon1);
343 System.out.println("当前位置编码：" + geocode);
344 double[] decode = new Geohash().decode(geocode);
345 for (double d : decode) {
346 System.out.println(d);
347 }
348
349 geocode = geohash.encode(lat2, lon2);
350 System.out.println("远方位置编码：" + geocode);
351 decode = new Geohash().decode(geocode);
352 for (double d : decode) {
353 System.out.println(d);
354 }
355
356 /* 获取的geohash多少位，位数越长，精度越准 */
357 int geohashLen = 5;
358
359 /* 获取中心点的geohash */
360 String code = geohash.encode(lat1, lon1).substring(0, geohashLen);
361
362 /* 获取所有的矩形geohash， 一共是九个 ，包含中心点,打印顺序请参考图2 */
363 String[] result = geohash.getGeoHashExpand(code);
364 for (String string : result) {
365 System.out.println(string);
366 }
367
368 }
369
370 }
原理看起来很容易懂的样子，就是分区编码。但仔细一想却不是那么简单。算法设计，编码设计，为什么相似等等，现在只会痛恨当时为啥不好好学数学。
那么，只要在上传位置信息的时候计算geohash,然后根据geohash的精度前缀进行匹配查询就可以搜索附近的人。但有两个问题。
问题1：
计算的附近的概念不精准，仅仅只是一个区域，在边界问题上需要考虑。距离相近的在边界位置geohash显示却在两块区域。因此引入周围8个区域来精算中间一个区域的位置。这样做会把中间区域周围的包含，但最大范围无法估量。因为周围8块所代表的的精度算法，仅仅是该区域内的，而不是包含所有。就是说，假如中间区域精度1km以内，我需要将周围的区域加上才能把全部1km以内的位置包含。如下图所示：
我按照0110的编码匹配，只能得到红色区域内的位置。倘若客户站在区域中心，那么正好该区域的精度就是距离客户的最大距离。但是，在其他区域的客户，比如红点。记红点为A点，A点距离最近的除了0110还包括另外三个区域的点。这样，若仅仅只按中心区域0110搜索附近的人反而不是正确的。于是引入周围8个区域的点。这样，可以把0110区域的人的附近的点全部包含。
距离：
记一个geohash的精度(区域的边长)为len,记最大距离为可以搜索到的最远的附近的位置，记最小距离为该距离内的所有位置必然包含在内。比如最小距离为d,则方圆为d的距离内的所有点都包含。
位于中心区域0110的人最大附近距离为：两个对角线b=2√2len。最小距离为：a=len
再次重申：可以肯定搜索到一个精度内的所有人，但还可以包含附近大于一个精度达部分人。
问题2：
距离需要进行2次计算。若有排序概念还需要排序。
我的抉择：
我选择了匹配前6位，测试距离大概1km以内。然后面临另一个问题：分页。
分页：
客户端滚动加载，我一次查完9个区域内所有点，然后根据时间排序。选取该时间之前的n条记录。第一页就是前n条。第一页最后一条的时间为t1，第二页就是t1时间往前的的n条，以此类推。那么，问题来了。假如第一页花费时间t，在这段时间内，本来第二页的数据位置信息更新(每次更新后时间改变)；然后查询第二页的时候，变动的数据不包含在内了。也就是说，遗漏了变化的点。
在我看来，位置信息可以延时，但不要遗漏。因为喜欢查看附近的人的位置通常是实时改变的，而我们遗漏的恰恰就是互相有需求的双方。所以，要一次查询一个很大范围内的数据。
办法：
我一次将9个区域的点全部取出，然后缓存。由于geohash区域内的人共享一个查询，因此将geohash的前缀作为key来缓存该区域附近的点。那么，其他该区域的人也可以使用本次查询的结果。
用java做分页处理。
第一次请求，所有数据缓存。然后取出前n个，如果排序，则排序后的前n个。缓存信息不可以改变。第二次请求，计算缓存的索引n开始的n个。....
缺点：
我需要每次都计算距离，排序。
思考：
我想要第一次计算完之后缓存数据，然后第二次直接取出想要的部分。进而省略每次的计算。接着，问题来了。
第一次数据库的查询数据缓存，标记为key_all；客户a通过缓存计算距离，排序，放入缓存，标记为key_a;显然，两个缓存有大量的重复数据。如果仅仅是标记索引，那计算结果的部分无法保存，所以需要复制而后修改，而后存储。虽然省略了部分计算，但加大了内存需求。
对于时间和空间的问题，我们再来看需求。需求是附近的人，而我查看附近的人的翻页频率并不高，也就是说每次计算的次数很少。那我可以不用为了减少部分计算而加大存储。因为加大存储需要空间加倍，而减少计算影响不大。所以放弃每人都缓存数据。采用每次翻页时计算需要的数据。
然后，面临两个问题。
第一个：ehcache读取后的数据，被计算修改后缓存相应改变，因为对象引用相同。
然后我花了两天看反射和序列化，最后采用序列化来复制缓存对象。成功后又觉得不对，缓存显然是有序列化的，我干嘛重复加工，找到配置，copyOnRead="true" copyOnWrite="true"。解决。
第二个：排序和分页的计算方法。
客户分页的时候也会传新的位置过来，位置必然发生改变。那么按照上次分页计算的距离就不能使用了。
也就是说，我需要用户只传递一次位置，只在第一页请求的时候传递位置，往后的页码忽略其位置。因此，还需要保存第一次请求的位置。首先我要区分第一次和其他。根据现有标记无法区分，因为是按照时间排序的。所以不能区分，也就不能忽略。也就是，用户每次请求传递位置和时间。查询该位置附近该时间之前的n条记录。
finally：缓存边界
缓存是有时间限制的，如果用户第一页查询完后，第二页缓存更新，第二页就不能和第一页衔接了。
所以，为了逻辑上还是拓扑上啥的，严谨不漏。我不能接着查询第二页了。也就是读取缓存的时候，策略需要改变。若缓存不在，重新缓存数据，并查询第一页，告诉客户端刷新页面而不是请求第二页。缺点是若用户第二页是缓存结束前访问的就只能刷新，用户体验不好。所以还是不提示了？我不是产品，但严谨的态度来说，我悄悄更新？也就是第二页数据若缓存不在，我就接着查询缓存第一页作为第二页给客户端。又想多了，我不是根据页码分页的，而是根据时间分页的。那么缓存更新的时候需不需要限制时间呢。我需要按时间排序，而且需要全部数据缓存。所以不能限制时间。这样，取出新缓存的数据中，前n条，忽视时间。当缓存存在而不更新的时候才按照时间取下一组数据。客户端虽然会发现和第一页一样的数据，但时间不一样了。为了避免缓存边界的发生，我或许应该延长缓存时间。
时间： 2024-10-25 19:20:02