Booking.com如何在毫秒内搜索数百万个地点

译自：How Booking.com Searches Through Millions of Locations in Milliseconds

Booking.com是一家与酒店、旅馆、度假租赁等相关的在线旅行社。每个月都有数亿用户通过访问该网站来寻找合适的度假住宿。Booking的一个主要特性是可以以地图的方式提供查找服务，其地图市场提供了上千万套房产，用户可以通过地图查找到：

提供租赁房产的位置
附近感兴趣的地方(博物馆、沙滩、历史建筑等)
租赁房产与感兴趣的地方的距离

为实现此需求，需要能够快速加载地图，其后端需要搜索世界各地数百万个不同的点。

Igor Dotsenko 写了一篇博客来探究他们是如何实现该目标的。

在地图上查找

当用户打开地图查找房产时，会出现一个有边界的框，此时需要在边框内展示感兴趣的点，这样Booking才能在该框中快速查找最感兴趣的点。

Quadtrees(四叉树)

底层数据结构采用的是Quadtree。Quadtrees是一种树，特别适用于2D空间数据，如地图、图像、视频游戏等。通过Quadtrees可以实现高效地插入/删除点操作、快速范围查找、最近邻搜索等。

Quadtrees和其他树结构一样存在父子节点。对于一个Quadtrees，其内部节点总是包含4个子节点(内部节点即非叶子的节点，叶子节点没有子节点)。父节点表示一个特定的2D区域空间，每个子节点表示该区域的象限。

当处理地图数据时，父节点表示地图上的某些区域，其4个子节点分别表示父区域的西北、东北、西南和东南四个象限。

对于Booking，每个节点表示地图上的特定有界框，用户可以通过在地图上放大或平移来修改可见的有界框。节点的每个子节点将西北、东北、西南和东南边界框保持在父节点的边界框内。

每个节点还包含少量标记(代表感兴趣的地点)，每个标记会分配一个重要值，重要值大的标记被分配给树中更高的节点(即根节点中的标记是最重要的)。

下面看下Booking是如何查找、构建和更新Quadtree的。

查找Quadtree

当用户选择一个特定的有界框时，Booking会从Quadtree 中为该有界框查找最重要的标记，因此使用了广度优先查找(从上往下按照重要度查找到一定数目的标记)。

首先从根节点开始查找与选择的有界框交叉的标记，如果需要更多的标记，则会继续查找与有界框交叉的子节点，并将其添加到队列中。使用先进先出的顺序处理队列中的节点(查找和有界框交叉的标记)。一旦查找到足够(等于请求数目)的标记，则结束查找并将结果发送给用户(展示在地图上)。

构建Quadtree

本段内容来自该博客

Quadtree保存在内存中，且会时不时地通过重建来添加新的标记(或修改标记的重要程度)。

一开始只有一个表示整个世界的根节点，且为空。为了使用标记构建树，需要通过遍历所有标记来将其插入到树中。假设每个节点最多可以包含10个标记，每次插入时：

将当前标记放到当前节点的标记集中
如果当前标记的数目<=10，则插入结束，遍历下一个标记
如果当前标记的数目>10，则需要从该节点中找到重要值最低的标记，并将其放到子节点中(越靠近根节点的节点，其标记的重要值越高)
- 如果该节点没有子节点，则需要创建子节点(将节点的有界框分为4个子有界框，即4个子节点)
- 从子节点中查找与有界框重要值最低的标记相交的节点
- 将此标记递归放入子节点(即重复第一个步骤)

结果

Booking通过创建更多的Quadtree，并让每个Quadtree负责特定的地理区域来实现水平伸缩。对于存储了300,000个标记的Quadtree，其p99检索速度小于5.5毫秒。