关于mongodb的地理检索的实现

使用mongoDB不是很多,记得以前做“家长助手”的时候,使用过一点。只是在去年做“派单系统”的时候,又再一次使用mongoDB。
在这里先简单介绍一下派单系统,派单系统在云足疗(O2O,上门足疗)里一个专门负责订单派送,提高订单完成效率的一个系统。主要是当一个来了之后,会根据订单的服务项目、服务时间和服务地点,快速找到最合适最优秀的技师,返回给用户。由于上门足疗特殊行业的要求,不能给订单指定技师直接下单。而是将筛选的一些优秀的技师返回给用户,让用户自己去选择指派给哪位技师。
项目背景说完了之后,就是技术方案选择的问题。一开始,是想基于HBase一个分布式的、面向列的开源数据库去存储技师上报经纬度。然后通过storm流式计算技师的位置。后来,感觉HBase过重而且还不便于维护。同时,又考虑到小公司的都会面对的一个问题——成本问题。就放弃了这一种方案。然后,就想选择一个非关系型数据库去存住数据,这时候就想到了Mongodb。好了,这是数据层。分布式架构我们使用的阿里的dubbo。选择它的原因就不多说了。首先是,市面上使用广泛吧。以后,会具体讲述其特点。分布式的管控使用的是zookeeper,跨系统中间件使用的是ActiveMq。这个还是要简单说一下为什么要选择这个,而没有选择市面上用的比较多的RocketMq。最重要的一个原因时以前的工作中使用过,而对MQ的应用场景是师傅端经纬度上报,消息的可靠性又不是很高,同时降低了学习成本。说到这里,感觉说的太多了,今天主要说的是mongodb的应用。
接下来就写一个基于mongodb的地理检索的实现吧!
Controller层
//查询附近@ResponseBody@RequestMapping(value = "/geoNearN", method = RequestMethod.GET, produces = {"application/json;charset=UTF-8"})public String testQueryMongoTopN() { CarPointNearQuery personQuery = new CarPointNearQuery(); Random random = new Random(); double[] arr = MongoUtil.getRandomLocation(); //最多查100条记录 personQuery.setCount(100); //随机1km米到10km int distance = random.nextInt(10); personQuery.setDistance(distance); personQuery.setLongitude(arr[0]); personQuery.setLatitude(arr[1]); return JSON.toJSONString(mongoLbsService.geoNearCarPoint(personQuery));}

Service层
public CarPointNearResult geoNearCarPoint(CarPointNearQuery carPointNearQuery) { CarPointNearResult carPointNearResult = new CarPointNearResult(); if(carPointNearQuery != null && carPointNearQuery.getLongitude() != 0.0D && carPointNearQuery.getLatitude() != 0.0D) { Point point = new Point(carPointNearQuery.getLongitude(), carPointNearQuery.getLatitude()); NearQuery near = NearQuery.near(point, Metrics.KILOMETERS); Query query = new Query(); //数量 query.limit(carPointNearQuery.getCount() == 0?100:carPointNearQuery.getCount()); near.query(query); //距离 near.maxDistance(new Distance(carPointNearQuery.getDistance() == 0.0D?1.0D:carPointNearQuery.getDistance(), Metrics.KILOMETERS)); near.spherical(true); //调用DAO层,获取数据 GeoResults geoResults = this.carPointDao.geoNear(near, CarPoint.class, "carPoint"); carPointNearQuery.setCount(geoResults.getContent().size()); carPointNearQuery.setDistance(near.getMaxDistance().getValue()); carPointNearResult.setCarPointNearQuery(carPointNearQuery); List geoResultsContent = geoResults.getContent(); ArrayList resultsList = new ArrayList(); Iterator i$ = geoResultsContent.iterator(); while(i$.hasNext()) { GeoResult geoResult = (GeoResult)i$.next(); CarPointResult carPointResult = new CarPointResult(); carPointResult.setDistance(geoResult.getDistance().getValue()); carPointResult.setCarPoint((CarPoint)geoResult.getContent()); resultsList.add(carPointResult); } carPointNearResult.setCarPointList(resultsList); return carPointNearResult; } else { logger.error("geoNear 参数异常"); carPointNearResult.setErrorCode(ErrorCode.PARAM_ERROR); return null; }}

DAO层
public GeoResults<T> geoNear(NearQuery near, Class<T> clazz, String collectionName) { //直接使用mongoTemplate就可以了 GeoResults geoResults = this.mongoTemplate.geoNear(near, clazz, collectionName); return geoResults;}

以上就是使用mongodbTemplate实现地理检索的功能,关于mongodb地理检索的方式有很多种,具体可以参考mongodb中文社区,里面都有具体的介绍。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,417评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,921评论 3 387
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,850评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,945评论 1 285
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,069评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,188评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,239评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,994评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,409评论 1 304
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,735评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,898评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,578评论 4 336
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,205评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,916评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,156评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,722评论 2 363
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,781评论 2 351

推荐阅读更多精彩内容

  • NO.04 11/18/2017 大R *原创 大R轻言: 小女孩的梦,做着做着就醒了。 1 最近...
    猫小白_573c阅读 320评论 0 1
  • 喧哗的城市,霓虹交错,麻木的神情中,所有华美都显得仓促而模糊,唯有在深夜,独自望着苍穹,才能让灵魂释然,才能倾听心...
    柳尘微阅读 265评论 2 4
  • 2017-06-15 生活中,我们会感觉一些人特别聪明:同样是看一本书,他们能说出的东西比别人多;同样是解决一个问...
    一粟于海阅读 385评论 1 2
  • 今天最大的收获是终于挑战了拜日式A-108遍,心得是真去做了其实没有想象中那么难,不要活在思维里,要勇敢去体验,只...
    蒋开心阅读 142评论 0 0
  • 每一个优秀的人,都不是与生俱来带着光环的,也不一定是比别人幸运。他们只是在任何一件小事上,都对自己有所要求,不因舒...
    姜月萍阅读 128评论 0 0