「笔记」结合redis的地图点位聚合方案

如果不懂地图聚合点，可以先看这个文章，了解各个算法：地图兴趣点聚合算法的探索与实践。

作为giser可能首先会考虑直接用 openlayers 或 cesium 实现点位聚合，但是面对庞大数据，显然 openlayers 和 cesium 都太吃性能了。
简单介绍一下方案：将经纬度根据不同地图层级切割成一个个独立的小格子，类似以上链接中的这个图，不过实现过程跟他讲的不一样。反正结果就是每个格子的点聚合到一起。

框架：redis 存储基础点和聚合点，go 将基础点算成聚合点，web 显示点位。

redis

点（经纬度）存在数据库中的，全取出来利用redis做聚合运算，因为 redis 的读/写性能远超数据库。
首先要了解 redis 的数据类型及命令语句，看官网就可以了。
这里需要用到两个redis服务器，为了区分，一个叫 infoRes，一个叫 geoRes。infoRes 中存基础点和聚合点的所有详细信息，数据类型用的是 Hash，geoRes 根据不同层级存聚合点位置，另外基础点也存在这里面。具体用法继续看 Go。

Go

点位计算存储

1. 从数据库里取出点后要把无效的经纬度筛掉，比如空的、不符合经纬度范围的等等。
2. 获取地图层级数组。
3. 每个层级下，分批获取 geoRes 中的基础点，主要是拿到每个点的 key。
4. 拿 key 去 infoRes 去拿每个点的详细信息。
5. 根据当前层级、经纬度，得出当前点所在格子的序列号 clusterKey。
6. 这一步就在算聚合点的位置和数量了，有相同 clusterKey 的算一个格子，数量加起来，经纬度要根据数量比例算。
   代码有简化，仅供参考

buffer := make(map[string]*clusterPoint)
for i:= 0; ; i++ {
      // 分批获取 geoRes 中的基础点，主要是拿到每个点的 key
      arr, _ := redis.String(geoRes.Do("ZREVRANGEBYSCORE", "marker", "+inf", "-inf", "limit", i*1000, 1000 ))
      if arr == nil || len(arr) == 0 {
          break
      }

      for _, temp := range arr {
          // 拿 key 去 infoRes 去拿每个点的详细信息
          info, _ := redis.Strings(infoRes.Do("HGETALL", key))
          dic := make(map[string]string, len(info)/2)
          for i := 0; i < len(info); i = i + 2 {
               dic[info[i]] = info[i+2]
          }
          // 根据层级、经纬度序列化一个聚合缓存 clusterKey，表示哪个格子
          clusterKey := encodeClusterKey(dic["lng"], dic["lat"], currentZoom)
         
          item := buffer[clusterKey]
          if item == nil {
                  item = &clusterPoint{}
                  ……
                  item.num, _ = strconv.Atoi(dic["num"])
                  item.clusterKey = clusterKey
                  item.lng, _ := strconv.ParseFloat(dic["lng"], 64)
                  item.lat, _ := strconv.ParseFloat(dic["lat"], 64)
                  ……
                  buffer[clusterKey] = item
          }
          // 数量加起来，经纬度要根据数量比例算
          item.lng = (item.lng * float64(item.num) + lng) / float64(item.num + 1)
          item.lat = (item.lat * float64(item.num) + lat) / float64(item.num + 1)
          item.num++
      }
}
// 聚合点存入 geoRes
for key, value := range buffer {
        // 根据 clusterKey 算出一个格子的标准点，这个点只是参考位置
        centerLng, centerLat := encodeClusterKey(value.clusterKey)
        // 根据自己的需要弄个新的 key 出来，作为 redis geo 的 member，把 clusterKey 放进去
        tempKey := ……
        // 分层级往 geoRes 存聚合点位
        _, err := geoRes.Do("GEOADD", fmt.Sprintf("cluster%d", currentZoom), centerLng, centerLat, tempKey)
        // 往 infoRes 存点位具体信息
        _, err = infoRes.Do("HMSET", tempKey, ……)
}

获取点位

1. 前端传来地图层级、视图中心点的经纬度、视图范围
2. 拿到聚合点后不能直接给前端，要优化点的位置，避免点位重叠

tempArr, _ := redis.Strings(geoRes.Do("GEORADIUS", fmt.Sprintf("cluster%d", currentZoom), lng, lat, distance, "m"))
for i:= 0; i < len(tempArr); i++ {
         info, _ := redis.Strings(infoRes.Do("HGETALL", tempArr[i]))
          dic := make(map[string]string, len(info)/2)
          for i := 0; i < len(info); i = i + 2 {
               dic[info[i]] = info[i+2]
          }
         item = &clusterPoint{}
         ……
         item.num, _ := strconv.Atoi(dic["num"])
         item.lng, _ := strconv.ParseFloat(dic["lng"], 64)
         item.lat, _ := strconv.ParseFloat(dic["lat"], 64)
         ……
}

web

前端不能每次都靠后台传值刷新，毕竟点太多了，每次都全量刷新肯定需要一定时间加载，用户体验也很不好。所以前端需要缓存一份点位数据，每次获得新数据时先比较缓存，比较相同的聚合点，如果其中数量没变就不更新，数量变了就删掉重新渲染。

大概就是这样的思路，原创文章，转载请注明出处。