elasticsearch地理位置查询

elasticsearch地理位置查询

• 一、背景
• 二、geo数据类型
• • 1、geo_point
  • 2、geo_shape
• 三、此处对geo_point类型实战
• • 1、背景
  • 2、插入地点数据
  • • 1、创建索引
    • 2、插入地理位置数据
  • 3、执行检索
  • • 1、geo_bounding_box 矩形过滤
    • • 1、es查询语句
      • 2、查询结果
    • 2、geo_distance 圆形查询
    • • 1、es查询语句
      • 2、查询结果
    • 3、geo_distance 查询并排序，返回距离相隔多少米
    • • 1、es 查询语句
      • 2、查询结果
    • 4、geo_distance聚合
    • • 2、查询结果
    • 5、geo-polygon-多边形查询(过时)
    • 6、一个综合案例
    • • 1、需求：
      • 2、查询结果
• 四、参考文档

一、背景

最近有个需求，需要获取某个位置附近的楼盘，**比如：**获取当前用户所在位置，方圆100km千米之内的楼盘信息。经过调研，发现可以使用 redis、mongodb、elasticsearch等实现。经过考虑之后决定使用es来实现，此处简单记录下es中geo方面api的使用。

二、geo数据类型

在es中存在2种地理位置数据类型，geo_point和geo_shape。es无法自动识别这种数据类型，需要在创建mapping的时候，自己手动指定。

1、geo_point

geo_point使用的是经纬度的坐标点，可以计算落在某个矩形内的点、以某个点为半径（圆）的点、某个多边形内的点（弃用了）、排序、聚合等操作。

2、geo_shape

geo_shape表示的是一个复杂的图形，使用的是GeoJSON的格式来表示复杂的图形。比如：我们要表示一个图书馆的坐标位置，如果图书馆占的位置比较大，用一个点表示可能就不准了，此时就可以使用geo_shape来表示了。

不过这种数据类型也有缺点：比如不能排序等等（因为是多边形的点）。

三、此处对geo_point类型实战

1、背景

1、图中的 ① ② ③ ④ 表示是需要加入到 es 中的建筑物

建筑物	坐标	距离地点	相隔距离	解释
上海站	121.462311,31.256224	上海站
上海静安洲际酒店	121.460186,31.251281	上海站	586.24米	上海站和该酒店大概像个586.24米
交通公园	121.473939,31.253531	上海站	1146.45米
万业远景大厦	121.448215,31.26229	上海站	1501.74米

2、图中的圆形、正方形、多边形表示后期需要使用 es 查询出来里面里面的地点。

3、图中的短小的箭头️表示边界。

2、插入地点数据

1、创建索引

PUT /geo_index
{
  "settings": {
    "number_of_shards": 2,
    "number_of_replicas": 2,
    "analysis": {
      "analyzer": {
        "default": {
          "type": "ik_max_word"
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "building_name": {
        "type": "keyword"
      },
      "location": {
        // 此处手动指定数据类型
        "type": "geo_point"
      }
    }
  }
}

注意️：

1、在索引中，我们自己指定来location字段的类型为geo_point类型。

2、building_name的字段类型为keyword表示不分词，这个字段只是为了测试，没有什么用。

3、不用指定索引的type，在es7中只有一个type。

2、插入地理位置数据

POST _bulk
{"create":{"_index":"geo_index","_id":1}}
{"building_name":"上海站","location":{"lat":31.256224,"lon":121.462311}}
{"create":{"_index":"geo_index","_id":2}}
{"building_name":"上海静安洲际酒店","location":"POINT (121.460186 31.251281)"}
{"create":{"_index":"geo_index","_id":3}}
{"building_name":"交通公园","location":"31.253531,121.473939"}
{"create":{"_index":"geo_index","_id":4}}
{"building_name":"万业远景大厦","location":[121.448215,31.26229]}

注意️：

1、从上面可知：地理位置的插入的格式可以存在4种方式。

1、 {"lat":"","lon":""}
2、 "lat,lon"
3、 [Well-Known Text](https://docs.opengeospatial.org/is/12-063r5/12-063r5.html) "POINT (lon lat)"
4、 [lon,lat]
5、 还有一种 geohash 的格式

需要注意的是：使用 数组/Well-Known-Text 的格式的时候，经纬度是反过来的。

3、执行检索

1、geo_bounding_box 矩形过滤

从上图可知左上角和右下方的坐标分别为 (121.444075,31.265395)和(121.468417,31.253845)

执行查询，应该可以查询出 上海站和万业远景大厦

1、es查询语句

GET /geo_index/_search
{
  "query": {
    "bool": {
      "must": {
        "match_all": {}
      },
      "filter": {
        "geo_bounding_box": {
          "location": {
            "top_left": {
              "lat": 31.265395,
              "lon": 121.444075
            },
            "bottom_right": {
              "lat": 31.253845,
              "lon": 121.468417
            }
          }
        }
      }
    }
  }
}

2、查询结果

从图中可以看到，查询出来了 上海站和万业远景大厦，结果是正确的。

2、geo_distance 圆形查询

这个是距离查询，是以某个点向周围扩算的距离范围。

在上一步的背景中，我们知道上海站的坐标(121.462311,31.256224)，同时也知道了上海站距离各个周边的距离有多远，此处我们以上海站为中心，查询方圆600米的建筑物，可知只有上海静安洲际酒店和上海站符合。

1、es查询语句

GET /geo_index/_search
{
  "query": {
    "bool": {
      "must": {
        "match_all": {}
      },
      "filter": {
        "geo_distance": {
          "distance": "600m",
          "distance_type": "arc",
          "_name":"optional_name",
          "location": {
            "lat": 31.256224,
            "lon": 121.462311
          }
        }
      }
    }
  }
}

注意️：

1、distance_type的值存在2个 arc和plane

• arc：默认的方式，这种方式计算比较精确，但是比较慢，是把地球当作一个球体计算。

• plane：这种方式计算比较快，但是可能不怎么准，越靠近赤道越准，是把地球当成平坦的进行计算。

2、distance后面可用的单位有km、m、cm、mm、nmi、mi、yd、ft、in

​

2、查询结果

3、geo_distance 查询并排序，返回距离相隔多少米

1、es 查询语句

GET /geo_index/_search
{
  "query": {
    "bool": {
      "must": {
        "match_all": {}
      },
      "filter": {
        "geo_distance": {
          "distance": "600m",
          "distance_type": "arc",
          "_name": "optional_name",
          "location": {
            "lat": 31.256224,
            "lon": 121.462311
          }
        }
      }
    }
  },
  "sort": [
    {
      "_geo_distance": {
        "location": {
          "lat": 31.256224,
          "lon": 121.462311
        },
        "order": "desc",
        "unit": "m",
        "distance_type": "arc"
      }
    }
  ]
}

注意️：

1、sort执行排序。

2、查询结果

4、geo_distance聚合

需求：

1. 统计`上海站`500米之内的建筑物有多少。
2. 统计`上海站`500-1000米之内的建筑物有多少。
3. 统计`上海站`大于1000米的建筑物有多少。

1、es查询语句

GET /geo_index/_search
{
  "query": {
    "bool": {
      "must": {
        "match_all": {}
      }
    }
  },
  "aggs": {
    "rings_around_amsterdam": {
      "geo_distance": {
        "field": "location",
        "origin": {
          "lat": 31.256224,
          "lon": 121.462311
        },
        "unit": "m",
        "distance_type": "arc",
        "ranges": [
          {"to": 500,"key": "first"},
          {"from": 500,"to": 1000,"key": "second" },
          {"from": 1000,"key": "third"}
        ],
        "keyed": true
      }
    }
  }
}

2、查询结果

从上图中可以看到：

1、距离上海站在 0-500米之间的建筑物只有1个。

2、距离上海站在 500-1000之间的建筑物有1个。

3、距离上海站在 1000以上的有2个。

5、geo-polygon-多边形查询(过时)

在 es7.12 中已经过时了，推荐使用 geo_shape来实现

6、一个综合案例

1、需求：

1、查询语句query，查询出所有的数据，并过滤出以上海站为中心的3km内的所有的建筑物。

2、aggs，用于统计出上海在 500米以内、500-1000米、1000米之外的建筑物数量。

3、sort用于排序。

4、post_filter用于将结果缩小到上海站1000米以内。

2、查询结果

GET /geo_index/_search
{
  "query": {
    "bool": {
      "must": {
        "match_all": {}
      },
 // 过滤出上海站周围3km范围内的建筑物
      "filter": {
        "geo_distance": {
          "distance": "3km",
          "distance_type": "arc",
          "_name":"optional_name",
          "location": {
            "lat": 31.256224,
            "lon": 121.462311
          }
        }
      }
    }
  },
 // 聚合上海站周围的建筑物的数量
  "aggs": {
    "rings_around_amsterdam": {
      "geo_distance": {
        "field": "location",
        "origin": {
          "lat": 31.256224,
          "lon": 121.462311
        },
        "unit": "m",
        "distance_type": "arc",
        "ranges": [
          {"to": 500,"key": "first"},
          {"from": 500,"to": 1000,"key": "second" },
          {"from": 1000,"key": "third"}
        ],
        "keyed": true
      }
    }
  },
// 对查询到的结果排序，并将距离放到响应数据的 sort 字段中。
  "sort": [
    {
      "_geo_distance": {
        "location": {
          "lat": 31.256224,
          "lon": 121.462311
        },
        "order": "desc",
        "unit": "m",
        "distance_type": "arc"
      }
    }
  ],
// 将结果缩小到上海站附近1km的范围内。
  "post_filter": {
    "geo_distance": {
      "distance": "1km",
      "location": {
        "lat": 31.256224,
        "lon": 121.462311
      }
    }
  }
}

四、参考文档

1、geo_point数据类型

2、距离单位

3、排序

4、矩形查询

5、圆形查询，距离查询

6、坐标拾取系统