慕课网 20200330 es+geo+baidu-map 直播视频与文字版笔记

视频版本

视频已经由慕课网上传至B站，免费高清，地址为：https://www.bilibili.com/video/BV1Lz411b7cN。以下都是文字版笔记。

《Elasticsearch极速入门与基于百度地图的geo地理位置搜索》

1. es介绍

• 互动：什么是搜索：

  • 百度谷歌，都是搜索引擎。
  • 垂直搜索，站内，比如淘宝京东站内搜索商品。

• 什么是ES：
  Elasticsearch 是一个分布式可扩展的实时搜索和分析引擎，底层基于lucene。

  • 可以存储文档，用于海量数据检索
  • 可以近实时的分析数据
  • 可扩展性（几百个节点甚至上千）相当强大。
  • 结合ELK，实现日志收集（架构师课程里有）
  • 地理位置geo信息搜索与监控和分析（常用于社交平台，物流快递，地图等场景）

• 可以互动：为什么要使用es

  • 如果用普通数据库，单表可以存多少数据比较合适？这个主要看自己自身业务，一般来说，1000万左右，但是6-700万的样子就可以开始逐步计划做数据库优化分库分表等。普通搜索基于数据库，数据库单表存储能力有限，数据量越多，搜索性能越低下
  • 数据库支持模糊搜索，全表扫描遍历（es基于倒排索引，根据词汇直接把对应的文档id搜索到然后把对应的数据查询出来），不支持高亮搜索
    • 我在慕课网这个网站搜索spring 短视频
    • 词条：spring 短视频
    • 数据库不支持分词搜索，es（搜索引擎）支持
    • db搜索不如专业的搜索引擎靠谱

简单聊一聊倒排索引

2. es的核心术语与数据结构

• 核心术语
  • ES --> 数据库（1）
  • 索引index --> 表（2）
  • 文档 document --> 行（记录）（3）
  • 字段 fields --> 列（4）
  • 类型type 过期，也能作为表

• 数据结构，数据库表记录，对应es：

文档的数据如何体现，或者说是怎样的数据格式？

stu_index: [
    stu_doc: {
        id: 1001,
        name: jack,
        age: 19
    },
    {
        id: 1002,
        name: lucy,
        age: 18
    },
    {
        id: 1003,
        name: lily,
        age: 17
    },
    {
        id: 1004,
        name: lilei,
        age: 20
    }
]

3. es和head插件安装见慕课网手记

https://github.com/mobz/elasticsearch-head#running-with-built-in-server

https://www.imooc.com/article/286936
这个基于centos6，架构师课程基于centos7

4. head插件，索引index创建与映射mappings创建

索引名: friends

分片与集群，健康度

*简称（附）

shard = primary shard（主分片）
replica = replica shard（副本分片）

演示使用head来进行索引的创建

• 主分片（shard）：把索引库拆分为多份，分别放在不同的节点上，比如有3个节点，3个节点的所有数据内容加在一起是一个完整的索引库。分别保存到三个节点上，目的为了水平扩展，提高吞吐量。也可以做到故障转移。ES自动管理和组织分片, 并在必要的时候对分片数据进行再平衡分配, 所以用户基本上无需担心分片的相关处理细节

• 副本分片（replica）：每个shard的备份。也可以称之为副本，ES默认为一个索引创建5个主分片, 并分别为其创建一个副本分片。意思就是说每个索引都由5个主分片（shard）形成，而每个主分片都相应的有一个备份（replica）。

• 分片机制
  每个索引可以被分片，就相当于吃披萨的时候被切了好几块，然后分给不同的人吃，如下图所示：
  

  • 索引my_doc只有一个主分片；
  • 索引shop有3个主分片；
  • 索引shop2有5个主分片。
  • 每个主分片都包含索引的数据，由于目前是单机，所以副本分片是没有的，这个时候集群健康值显示为黄色。
  • 副本分片是主分片的备份，主挂了，备份还是可以访问，这就需要用到集群了。
  • 同一个分片的主与副本是不会放在同一个服务器里的，因为一旦宕机，这个分片就没了
  • 我不知道大家有没有玩过nas，这个数据存储有点像raid机制。

es 健康度

不同的颜色表示es不同的健康程度

1. 绿色：集群健康，所有主分片和副本分片都是可用状态。
2. 黄色：亚健康，所有的主分片可用，但是副本分片部分不可用。
3. 红色：不健康，主分片部分不可用。

ES - GEO地理位置

0. 必学英文单词

• longitude: [ˈlɒŋɡɪtjuːd] 经度
• latitude: [ˈlætɪtuːd] 纬度
• 通过经纬度可以定位在地球上的某一个点

1. 拾取坐标

那么接下来我们可以通过地图来拾取一些坐标，当然如果是在app上，用户在进行搜索的时候，是会通过手机来获得当前的坐标点，通过这个坐标点来进行相关的搜索业务的。

• http://api.map.baidu.com/lbsapi/getpoint/index.html
• http://www.jq22.com/yanshi18814
• 注意：每个地图的坐标都是不同的，百度，谷歌，高德等自家的坐标系都是独立的。哪怕通过物理设备在室外拿到的坐标，也是需要根据一定的规范进行坐标转换才能针对不同的地图去使用。
• http://lbsyun.baidu.com/ 百度地图api

• http://lbsyun.baidu.com/cms/jsapi/reference/jsapi_reference.html 核心类参考

• 慕课网的文章参考：https://www.imooc.com/article/72571

2. 使用postman创建mappings映射

• userId: 用户id
• userName: 用户名
• geo: 用户上一次出现的位置
• place: 位置名称

POST     /friends/_mapping (es6为/friends/_doc/_mapping)
{
    "properties": {
        "userId": {
            "type": "long"
        },
        "userName": {
            "type": "text"
        },
        "geo": {
            "type": "geo_point"
        },
        "place": {
            "type": "text"
        }
    }
}

3. 插入geo数据

POST /friends/_doc/{useId}

# 南京夫子庙
{
    "userId": 1001,
    "userName": "Iron Man",
    "geo": {
        "lon": 118.795263,
        "lat": 32.02705
    },
    "place": "南京夫子庙"
}

# 南京书店
{
    "userId": 1002,
    "userName": "Thor",
    "geo": {
        "lon": 118.795708,
        "lat": 32.027092
    },
    "place": "南京书店"
}

# 盐水鸭
{
    "userId": 1003,
    "userName": "Steve",
    "geo": {
        "lon": 118.796134,
        "lat": 32.027861
    },
    "place": "盐水鸭"
}

# 鸡鸣寺
{
    "userId": 1004,
    "userName": "SpiderMan",
    "geo": {
        "lon": 118.801893,
        "lat": 32.067251
    },
    "place": "鸡鸣寺"
}

# 南京古生物博物馆
{
    "userId": 1005,
    "userName": "BlackWidow",
    "geo": {
        "lon": 118.801592,
        "lat": 32.065931
    },
    "place": "南京古生物博物馆"
}

# 鸡鸣山庄
{
    "userId": 1006,
    "userName": "Hawkeye",
    "geo": {
        "lon": 118.798659,
        "lat": 32.068096
    },
    "place": "鸡鸣山庄"
}

# 北极阁公园
{
    "userId": 1007,
    "userName": "Hulk",
    "geo": {
        "lon": 118.797105,
        "lat": 32.066134
    },
    "place": "北极阁公园"
}

# 南京大学
{
    "userId": 1008,
    "userName": "Magneto",
    "geo": {
        "lon": 118.797105,
        "lat": 32.066134
    },
    "place": "南京大学"
}

# 南京邮电大学
{
    "userId": 1009,
    "userName": "GreenArrow",
    "geo": {
        "lon": 118.936814,
        "lat": 32.121167
    },
    "place": "南京邮电大学"
}

# 南京师范大学
{
    "userId": 1010,
    "userName": "BatMan",
    "geo": {
        "lon": 118.916549,
        "lat": 32.111014
    },
    "place": "南京师范大学"
}

4. 删除文档

DELETE /friends/_doc/{id}

5. 修改文档

• 局部：

  POST /my_doc/_doc/1/_update
  {
  
      "doc": {
  
          "name": "慕课"
  
      }
  
  }
  

• 全量替换：

  PUT /my_doc/_doc/1
  {
  
       "id": 1001,
  
      "name": "imooc-1",
  
      "desc": "imooc is very good, 慕课网非常牛！",
  
      "create_date": "2019-12-24"
  
  }
  

6. 以矩阵的形式查询范围内的坐标

以左上和右下为基准所画的矩阵中，只要包含geo坐标点，就会被查询出来

• 左上：lon 118.789703，lat 32.030249
• 右下：lon 118.802171，lat 32.024341

GET     /friends/_doc/_search
{
    "query": {
        "geo_bounding_box": {
            "geo": {
                "top_left": {
                    "lon": 118.789703,
                    "lat": 32.030249
                },
                "bottom_right": {
                    "lon": 118.802171,
                    "lat": 32.024341
                }
            }
        }
    }
}

7. 自定义区域搜索

使用场景：大气环境监测，国控的，激光雷达设备所组成的一个范围

GET     /friends/_doc/_search
{
    "query": {
        "geo_polygon": {
            "geo": {
                "points": [
                    {"lon": 118.798533, "lat": 32.029269},
                    {"lon": 118.797221, "lat": 32.028427},
                    {"lon": 118.792748, "lat": 32.02555},
                    {"lon": 118.799449, "lat": 32.025634}
                 ]
             }
        }
    }
}

8. 从当前位置搜索一定范围内的朋友

互动：使用场景最多，比如：

• 微信摇一摇搜好友
• 探探app左滑右滑匹配好友
• 抖音显示同城附近好友所拍的短视频
• 携程app搜索附近酒店
• 大众点评搜索附近饭店
• 搜索附近空闲的共享单车
• 出租车叫车服务，查看车子到哪里了
• 物流app找车找货

GET     /friends/_doc/_search
{
    "query": {
        "geo_distance": {
            "distance": "50m/1km/10km",
            "geo": {
                "lon": 118.795739,
                "lat": 32.026973
            }
        }
    }
}

9. 搜索区间范围内的好友个数

常用于主动的推荐：

• 比如主动推荐说在一定范文内有多少个朋友你可能认识
• 比如主动推荐一定距离范文内有多少车源或者货源

用于统计距离某个点位置100米，500米，2公里范围内的坐标数量。
单位：一般用km或m

• distance_type：
  • arc：最高精度
  • plane：最高效率，精度略模糊

GET     /friends/_doc/_search
{
    "size": 0,
    "aggs": {
        "tongji": {
            "geo_distance": {
                "distance_type": "plane",
                "field": "geo",
                "origin": {
                    "lon": 118.79549,
                    "lat": 32.027042
                },
                "unit": "km",
                "ranges": [
                    {
                        "from": 0, 
                        "to": 1
                    },
                    {
                        "from": 1, 
                        "to": 5
                    },
                    {
                        "from": 5, 
                        "to": 100
                    }
                ]
            }
        }
    }
}