Elasticsearch地理信息存储及查询之Geo_Point

易观 2019-01-02 771

Geo_point是Elasticsearch中用于存储坐标点的数据格式

导读

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。

 

▌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,最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:

 

 

最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。


▌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:


{

    "dynamic": "false",

    "properties": {

        "id": {

           "type": "keyword"

        },

        "location": {

            "type": "geo_point",

            "ignore_malformed": true

        }

    }

}

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:

{

    "location": {

      "lon": 127.25456,

        "lat": 25.236

    },

    "id": "10001"

}

(2)数组:

{

    "location": [

        127.25456,

        25.236

    ],

    "id": "10001"

}

 

(3)字符串

{

    "location": "25.236,127.25456",

    "id": "10001"

}

 

注意:

  • 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,圈出圆内的点。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,精确度高,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,精确度略低,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


POST /museums/_search?size=0

{

    "aggs" : {

        "rings_around_amsterdam" : {

            "geo_distance" : {

                "field" : "location",

                "origin" : "52.3760, 4.894",

                "ranges" : [

                    { "to" : 100000 },

                    { "from" : 100000, "to" : 300000 },

                    { "from" : 300000 }

                ]

            }

        }

    }

} 

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最小矩形,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,对于从无规则离散点中提取有效坐标非常有效。