Elasticsearch地理信息存储及查询之Geo_Point

导语：Elasticsearch提供了丰富的搜索和分析功能，地理位置功能可以让我们把基于地理位置的搜索、聚合、计算与全文搜索、结构化搜索和分析结合到一起。在这里易观的技术小哥哥，就跟大家做一个交流和探讨。

一、基本概念

1. GeoHash

GeoHash是一种将经纬度坐标(lat/lon)编码成字符串的方式，通过牺牲一定的精度，来获得高效的检索性能。

其原理是，将平面预先划分成多级矩形区域，在按照从大矩形到小矩形的顺序，将位置信息依次编码成二进制码，后按照一定编码方式，转换成字符串。如：

比如这样一个点（39.923201, 116.390705） ,我们以纬度为例：

纬度的范围是（-90，90），其中间值为0。对于纬度39.923201，在区间（0，90）中，因此得到一个1；（0，90）区间的中间值为45度，纬度39.923201小于45，因此得到一个0，依次计算下去，即可得到纬度的二进制表示，如下表：

后得到纬度的二进制表示为：

10111000110001111001

同理可以得到经度116.390705的二进制表示为：

11010010110001000100

合并纬度、经度的二进制：
合并方法是将经度、纬度二进制按照奇偶位合并：
11100 11101 00100 01111 00000 01101 01011 00001

按照Base32进行编码：

将上述合并后二进制编码后结果为：
wx4g0ec1

GeoHash的特点：

精度越高，字符串越长，

前缀匹配度越高，距离越近

2. geo_point

地理坐标点，在Elasticsearch中用来存经纬度数据的一种数据格式。

3. geo_shape

地理形状，Elasticsearch中用于存储复杂形状的一种数据格式，可以用来存储，点集、线、多边形、多边形集等多种集合形状。Geo-shapes 不能用于计算距离、排序、打分以及聚合。

使用geo_shope时，可以指定precision（精度）和距离误差。

本文将重点介绍geo_point相关功能，在以后的文章中，将会进一步介绍geo_shape

二、geo_point存储及查询

1. geo_point存储

geo_point是Elasticsearch中用于存储坐标点的数据格式，每一个坐标点都有经度和维度信息，geo_point格式的字段无法做自动映射，需要指定数据类型:

对于geo_point这种数据格式，Elasticsearch提供了三种不同的索引和展现形式：

假设经度：127.25456，纬度：25.236

(1) 对象：

(2) 数组：

(3) 字符串

注意：

l 使用字符串存储时，顺序是“纬度，经度”,使用数组存储时，顺序是“经度，纬度”。

2.查询

geo_point支持geo_bounding_box、geo_distance、geo_polygon查询

（1）geo_bounding_box查询

地理坐标盒模型：输入左上角和右下角坐标，即检索在地图上指定的矩形范围内的所有点。

geo_bounding_box是一种极其简单的查询方式，即使不使用geo_point，我们直接使用double类型存储经度和纬度数据，使用range查询一样可以实现这个功能。如果是多值，我们需要使用nested_object类型来实现。

geo_bounding_box默认使用内存过滤，这样需要一条一条计算，这是一种比较低效的查询方式，我们可以指定使用“indexed”方式，这样能够利用倒排索引实现高效检索，但是必须使用对象方式存储数据，但是，这种方式只有对单值存储有效。

（2）geo_distance查询

简而言之，这种查询，就是指定圆心和半径，圈出园内的点。Elasticsearch执行过程，是先使用圆的外切正方形快速筛选出点，在判断正方形内的每个点与圆心的距离，由此可见如果能使用倒排索引的range查询同样可以提高查询效率，所以，在设计索引和数据格式的时候，使用单值、对象方式存储经纬度数据，是比较理想的。

计算距离时，Elasticsearch提供了两种计算方式：ark、plane。

ark方式，将地球当做球体来处理，度高，但计算较慢，这是默认的计算方式；

plane方式，将地球当做平面来处理，度略低，但计算较快。

在锆云项目中，我们使用plane计算方式，在大多数应用场景中，几米的误差，完全可以忽略不计。

（3）geo_polygon 查询

输入多个坐标构成的不规则多边形，筛选出这个多边形中的点，这是一种性能极低检索方式，无法使用倒排索引提高查询性能。

3.聚合

（1）geo_distance聚合

基于geo_point的多桶聚合，类似于range聚合，指定点以及距离分段，由此得到，到点不同距离内的点的数量

同样，距离计算选ark，plane两种方式。

（2）geohash_grid聚合

我们知道，geohash的每一个值代表一个方格，geohash_grid聚合是指，将地图上的点，按照指定的精度，划分到各个方格中去，并返回各方格中点的个数，GeoHash的特点，对于这种“方格聚合”能够提供很好的支持，自然，精度越高，性能越差，所以，使用geohash_grid聚合，需要高精度的时候，尽量缩小数据集，在聚合之前使用filter过滤数据集。

（3）geo_bounds聚合

geo_bounds聚合可以快速找出能够包含所选点集的小矩形，使用max ，min同样可以实现该操作。

（4）centroid聚合

中心点聚合，找出离散点集和的中心点。单独使用中心点聚合的场景并不多，多余geohash_grid聚合联合使用，以计算出每个区域中的中心点，对于提取从无规则离散点中提取有效坐标非常有效。

文/易观大数据开发工程师 黄俊峰 易观微信公众号ID：enfodesk

欢迎有数据分析需求的同学免费试用「易观方舟」。