钛节点

持续搞【附近】系列---听说MongoDB是专业的（三）

发表@2019-09-18 23:48:45

更新@2023-01-21 22:47:40

#### <center><font color=red>还是得好用才行</font></center>

一直听说MongoDB才是【专业】搞地理空间查询的，人家才是【专业】的！相当长一段时间来，一说搞【附近】就会相当一批人的脑海里就不自主浮想到MongoDB... ...

![](https://ti-node.com/static/upload/6580111476546076673)

上一节中的geohash顶多能应付一下点的运算，本质上是将二维的数据一维化然后通过索引提高预算查询效率，相比之下MongoDB最大的优势和优点就是：
- 效率高很多
- 支持多点、线、多边形
- 球面运算

按说吧，上面划横线的才是榜样模板式的回答，然而实际上对于我们这个庞大的泥腿子群体而言，MongoDB最大的优势是：

#### <center><font color=red>复制粘贴一下demo代码，CURD就能用</font></center>

![](https://ti-node.com/static/upload/6580111640543363073)

MongoDB的地理空间索引分为两种类型：
- 2d索引，用于平面地图之流，反正也能用
- 2dsphere索引，用于地球儿表面的地理查询运算，推荐用法

先说2d索引，然而实际上MongoDB的2d索引的实现底层原理依然是geohash，所以同样其2d索引支持点的存储运算，对于线和面就相对比较难受了（PS：由于市面上好像并没有看到名字类似于《MongoDB内核分析》或《MongoDB设计与实现》的书籍，所以对于MongoDB的2d索引的实现结论我的印象停留在【几年前】取自于mongo官网的一篇blog）。所以，既然你都用MongoDB了，直接一步到位走2dsphere就行了。

2dsphere的实现并不是geo-hash，我依然是从MongoDB官网的blog上了解到的一些信息和资料。2dsphere采用的是【谷人希】公司的google S2算法，将S2处理好的索引数据保存在了B-Tree数据结构中，B-Tree可以支持快速查询。

如果有曾经深入研究过MongoDB这两种地理空间索引实现的老哥们，可以公众号发消息帮我double check一下是否正确。毕竟官方的blog资料发表的年份都是比较老的，不敢保证这些年新版本MongoDB是否依然如此。

然而，下面我并不打算剖析【谷人希】公司的S2算法的大概原理（自己理解并不算深刻），也并不打算科普B-Tree和BTree以及B+Tree的区别（太烦人了）。后面我会抽空专门整理一篇关于标题类似于《人类关于N种地理空间索引实现方案横向大评测》之类的文章，毕竟，当年为了搞【附近】我是曾经下过真功夫的。

#### <center><font color=red>实际上从上面文字中可以看出，IT人拼到最后全是算法和数据结构</font></center>

这个和桃儿说过的“ 艺人拼到最后拼的是文化 ”基本上是很类似的。

在MongoDB中，2dsphere或2d是描述是由一种叫做geoJSON的标准格式来描述的，从名字上就可以看出来首先它是一坨JSON，其次它定义了自己的一些标准。比如我们要用geoJSON来描述一个点、一条线，就应该用如下方式进行描述：

```php

// 描述一个点
"loc":{
  "type":"Point",
  "coordinates":[ 116.55944824218749,30.58827267102698 ]
}
// 描述一个多边形
"box":{
  "type":"Polygon",
  "coordinates":[
                  [ 
                    [116.40701293945311,30.454001045389525],
                    [116.77505493164062,30.454001045389525],
                    [116.77505493164062,30.76248901825541],
                    [116.40701293945311,30.76248901825541],
                    [116.40701293945311,30.454001045389525]
                  ]
                ]
}
```

确切说，除了MongoDB外，还有很多支持地理空间索引的数据库或引擎都会支持geoJSON标准。

下面进入到我们最喜欢的复制粘贴代码阶段，正式开始前我们需要说明下世界上最好的语言和MongoDB之间不得不说的故事。MongoDB为PHP提供了两个版本的驱动：
- mongodb，支持PHP7，持续支持更新中
- mongo，仅支持PHP5，目前只管修bug其他统统不管

这两个驱动的用法完全不一样，然而我不得不承认明显PHP5版本的驱动使用起来更符合人类胃口，PHP7版本简直是要人命。

普及一下，像这种驱动提供的API都是low-level API，为了更加方便地协助我们搞花式CRUD，我从github上找了一个基于PHP7 MongoDB low-level-API包装了一层的high-level-API library。这个东西同样也是MongoDB官方出品，地址如下：

https://github.com/mongodb/mongo-php-library

下面我们将使用上面这个库演示如何使用MongoDB的2dsphere搞【附近】。

------------

#### <center><font color=red>第一步：创建2dphere索引</font></center>

因为MongoDB是带有KV性质的文档型数据库，所以有一点儿和MySQL非常不一样的就是：不需要提前定义数据库字段。在正式使用2dsphere索引之前，我们要做的就是首先在【某个字段】上创建一个2dsphere索引，大概就是下面这样：

```php

<?php
// 加入composer支持
require_once __DIR__ . "/vendor/autoload.php";
// 这句相当于使用momo数据库，然后使用user表
$collection = ( new MongoDB\Client )->momo->user;
// 在loc字段上创建2dsphere索引
// 尽管还没有loc字段，不过这并不重要
$result = $collection->createIndex( array(
'loc' => '2dsphere',
) );
var_dump( $result );
```

上面代码保存为index.php，然后php index.php执行，结果你们感受一下：

![](https://ti-node.com/static/upload/6580112292921212928)

------------

#### <center><font color=red>第二步：搞一坨测试数据</font></center>

然后我们围绕在北京附近创建一坨测试数据，代码如下：（我知道肯定有人看到下面这一坨代码后会想到BulkWrite，你就当我是个蠢货）

```php
<?php
// composer
require_once __DIR__ . "/vendor/autoload.php";
// 这句相当于使用momo数据库，然后使用user表
$collection = ( new MongoDB\Client )->momo->user;
// 然后插入10000数据即可
for ( $i = 1; $i <= 10000; $i++ ) {
// 生成一个维度
  $latitude  = mt_rand( 38, 40 ).'.'.mt_rand( 100000, 999999 );
// 生成一个经度
  $longitude = mt_rand( 115, 116 ).'.'.mt_rand( 100000, 999999 );
  $insert = $collection->insertOne( array(
// 你可以粗暴认为：_id就是mongodb的主键，如果你不显式为_id赋值
// 那么mongodb将会自动会_id生成一坨类似于uuid的值
'_id' => $i,
// 注意这个loc字段对应上面创建索引的字段名
'loc' => array(
// type为point，表示是点，除此之外还有Line和Polygon两种类型
'type'        => 'Point',
// 经度、维度
'coordinates' => array( floatval( $longitude ), floatval( $latitude ) ),
    ),
  ) );
  var_dump( $insert );
}
```

php index.php执行，结果你们感受一下：

![](https://ti-node.com/static/upload/6580112564531757057)

------------

#### <center><font color=red>第三步：开始搞【附近】</font></center>

我们将围绕经纬度（116.2092590332,40.0444375846）进行查找，为了对演示结果心里有谱，请你将（116.2092590332,40.0444375846）也插入到MongoDB中，这样查询结果中排名离你最近的一定会是该用户咯～

```php

<?php
require_once __DIR__ . "/vendor/autoload.php";
// 这句相当于使用momo数据库
$database = ( new MongoDB\Client )->momo;
// command方法相当于直接执行mongodb原生语句
// 因为我懒的看这个mongodb-library的库语法了
$cursor = $database->command( array(
'geoNear' => 'user',
'near'    => array(
'type'        => 'Point', 
'coordinates' => array(
116.2092590332,40.0444375846
    ),  
  ),  
'num' => 5,  
) );
$rets = $cursor->toArray()[0];
foreach( $rets->results as $r ) { 
echo $r->obj['_id'].'号用户距离您 : '.$r->dis.'米'.PHP_EOL;
}
```

php index.php执行，结果你们感受一下：

![](https://ti-node.com/static/upload/6580112760967790593)

距离0米，这说明老子的代码不是TM瞎写的，绝对能用！

实际上，如果说我们把【xxxx号用户】当作是【牌照xxxx的出租车】的话，一般最粗暴版本的【搞附近的车】业务就基本上得到实现了。

好了，本节暂时到此。周六日码文章，真的是好困！

------------

本文关键词：MongoDB、2dsphere，Google S2、B-Tree、geoJSON
本文代码github：https://github.com/elarity/wechat-official-accounts-demo-code