基於Solr的空間搜尋 3

本文將繼續介紹基於solr的地理位置搜尋的第二種實現方案

cartesiantiers+geohash

從基於solr的地理位置搜尋（2）文章中可以看到完全基於geohash的查詢過濾，將完全遍歷整個docment文件，從效率上來看並不太合適，所以結合笛卡爾層後，能有效縮減少過濾範圍，從效能上能很大程度的提高。

構建索引階段：

string geohash = geohashutils.encode(latitude, longitude);

docment.addfield(「geohash」, geohash);

//cartesian tiers

int tier = start_tier;//開始構建索引的層數

//create a bunch of tiers, each deeper level has more precision

//將一條記錄的經緯度對應全部笛卡爾層的tierboxid作為域值構建索引

for (cartesiantierplotter plotter : plotters)

看到這裡大家肯定明白了。越相近的經緯度在同層肯定會在同乙個網格中，所以他們儲存的tierboxid就會是一樣。那麼查詢的時候通過經緯度對應層的tierboxid,也就能找到相同層域的docid，但是如果給定的的查詢範圍大，可能需要將若干層的所屬網格的docid都查到。

整個查詢過程是先通過笛卡爾層將若干個網格涉及的doclist存入bitset，如下**所示：

public docidset getdocidset(final indexreader reader) throws ioexception }

return bits; }

介紹完笛卡爾層的計算後，接下來介紹笛卡爾層過濾後返還的bitset如何和geohash結合，從實現上講其實很簡單，就是將通過笛卡爾層過濾的資料結果集合依次遍歷計算其與查詢給定的經緯度座標的球面距離，同時將該計算距離和查詢指定範圍距離進行比較，如果大於給定距離，則將當前記錄繼續過濾掉，那麼最終剩下的資料結果集合，將是滿足查詢條件的地理位置結果集合。具體實現流程見如下**：

//將笛卡爾層的filter作為geohash的filter引數傳遞進去，形成乙個過濾鏈

filter = distancefilter = new geohashdistancefilter(cartesianfilter, lat, lng, miles, geohashfieldprefix);

再看geohashdistancefilter中最核心的方法getdocidset():

public docidset getdocidset(indexreader reader) throws ioexception else

//小於給定查詢距離的的docid放入快取,以供下次使用，同時返回true代表當前docid是滿足條件的記錄

if (d < distance) else }};

從上述分析中大家應該可以想到採用笛卡爾層 filter結合gohash filter的實現方案，在計算規模上會比單獨使用geohash少了很多，而在查詢效能也會有更優異的表現。

q=*:*&fq=

查詢返回結果：

基於Solr的空間搜尋 3

基於Solr的地理位置搜尋（3）

基於Solr的地理位置搜尋 1

提高solr的搜尋速度

基於Solr的空間搜尋 3

基於Solr的地理位置搜尋（3）

基於Solr的地理位置搜尋 1

提高solr的搜尋速度

相關推薦