持续搞【附近】系列---听说MongoDB是专业的（三）
持续搞【附近】系列---听说MongoDB是专业的（三）
还是得好用才行
一直听说MongoDB才是【专业】搞地理空间查询的，人家才是【专业】的！相当长一段时间来，一说搞【附近】就会相当一批人的脑海里就不自主浮想到MongoDB... ...
上一节中的geohash顶多能应付一下点的运算，本质上是将二维的数据一维化然后通过索引提高预算查询效率，相比之下MongoDB最大的优势和优点就是：
效率高很多支持多点、线、多边形球面运算
按说吧，上面划横线的才是榜样模板式的回答，然而实际上对于我们这个庞大的泥腿子群体而言，MongoDB最大的优势是：
复制粘贴一下demo代码，CURD就能用
MongoDB的地理空间索引分为两种类型：
- 2d索引，用于平面地图之流，反正也能用
- 2dsphere索引，用于地球儿表面的地理查询运算，推荐用法
先说2d索引，然而实际上MongoDB的2d索引的实现底层原理依然是geohash，所以同样其2d索引支持点的存储运算，对于线和面就相对比较难受了（PS：由于市面上好像并没有看到名字类似于《MongoDB内核分析》或《MongoDB设计与实现》的书籍，所以对于MongoDB的2d索引的实现结论我的印象停留在【几年前】取自于mongo官网的一篇blog）。所以，既然你都用MongoDB了，直接一步到位走2dsphere就行了。
2dsphere的实现并不是geo-hash，我依然是从MongoDB官网的blog上了解到的一些信息和资料。2dsphere采用的是【谷人希】公司的google S2算法，将S2处理好的索引数据保存在了B-Tree数据结构中，B-Tree可以支持快速查询。
如果有曾经深入研究过MongoDB这两种地理空间索引实现的老哥们，可以公众号发消息帮我double check一下是否正确。毕竟官方的blog资料发表的年份都是比较老的，不敢保证这些年新版本MongoDB是否依然如此。
然而，下面我并不打算剖析【谷人希】公司的S2算法的大概原理（自己理解并不算深刻），也并不打算科普B-Tree和BTree以及B+Tree的区别（太烦人了）。后面我会抽空专门整理一篇关于标题类似于《人类关于N种地理空间索引实现方案横向大评测》之类的文章，毕竟，当年为了搞【附近】我是曾经下过真功夫的。
实际上从上面文字中可以看出，IT人拼到最后全是算法和数据结构
这个和桃儿说过的“ 艺人拼到最后拼的是文化 ”基本上是很类似的。
在MongoDB中，2dsphere或2d是描述是由一种叫做geoJSON的标准格式来描述的，从名字上就可以看出来首先它是一坨JSON，其次它定义了自己的一些标准。比如我们要用geoJSON来描述一个点、一条线，就应该用如下方式进行描述：
// 描述一个点"loc":{ "type":"Point", "coordinates":[ 116.55944824218749,30.58827267102698 ]}// 描述一个多边形"box":{ "type":"Polygon", "coordinates":[ [ [116.40701293945311,30.454001045389525], [116.77505493164062,30.454001045389525], [116.77505493164062,30.76248901825541], [116.40701293945311,30.76248901825541], [116.40701293945311,30.454001045389525] ] ]}确切说，除了MongoDB外，还有很多支持地理空间索引的数据库或引擎都会支持geoJSON标准。
下面进入到我们最喜欢的复制粘贴代码阶段，正式开始前我们需要说明下世界上最好的语言和MongoDB之间不得不说的故事。MongoDB为PHP提供了两个版本的驱动：
- mongodb，支持PHP7，持续支持更新中
- mongo，仅支持PHP5，目前只管修bug其他统统不管
这两个驱动的用法完全不一样，然而我不得不承认明显PHP5版本的驱动使用起来更符合人类胃口，PHP7版本简直是要人命。
普及一下，像这种驱动提供的API都是low-level API，为了更加方便地协助我们搞花式CRUD，我从github上找了一个基于PHP7 MongoDB low-level-API包装了一层的high-level-API library。这个东西同样也是MongoDB官方出品，地址如下：
https://github.com/mongodb/mongo-php-library
下面我们将使用上面这个库演示如何使用MongoDB的2dsphere搞【附近】
第一步：创建2dphere索引
因为MongoDB是带有KV性质的文档型数据库，所以有一点儿和MySQL非常不一样的就是：不需要提前定义数据库字段。在正式使用2dsphere索引之前，我们要做的就是首先在【某个字段】上创建一个2dsphere索引，大概就是下面这样：
<?php// 加入composer支持require_once __DIR__ . "/vendor/autoload.php";// 这句相当于使用momo数据库，然后使用user表$collection = ( new MongoDB\Client )->momo->user;// 在loc字段上创建2dsphere索引// 尽管还没有loc字段，不过这并不重要$result = $collection->createIndex( array('loc' => '2dsphere',) );var_dump( $result );上面代码保存为index.php，然后php index.php执行，结果你们感受一下：
第二步：搞一坨测试数据
然后我们围绕在北京附近创建一坨测试数据，代码如下：（我知道肯定有人看到下面这一坨代码后会想到BulkWrite，你就当我是个蠢货）
<?php// composerrequire_once __DIR__ . "/vendor/autoload.php";// 这句相当于使用momo数据库，然后使用user表$collection = ( new MongoDB\Client )->momo->user;// 然后插入10000数据即可for ( $i = 1; $i <= 10000; $i++ ) {// 生成一个维度 $latitude = mt_rand( 38, 40 ).'.'.mt_rand( 100000, 999999 );// 生成一个经度 $longitude = mt_rand( 115, 116 ).'.'.mt_rand( 100000, 999999 ); $insert = $collection->insertOne( array(// 你可以粗暴认为：_id就是mongodb的主键，如果你不显式为_id赋值// 那么mongodb将会自动会_id生成一坨类似于uuid的值'_id' => $i,// 注意这个loc字段对应上面创建索引的字段名'loc' => array(// type为point，表示是点，除此之外还有Line和Polygon两种类型'type' => 'Point',// 经度、维度'coordinates' => array( floatval( $longitude ), floatval( $latitude ) ), ), ) ); var_dump( $insert );}php index.php执行，结果你们感受一下：
第三步：开始搞【附近】
我们将围绕经纬度（116.2092590332,40.0444375846）进行查找，为了对演示结果心里有谱，请你将（116.2092590332,40.0444375846）也插入到MongoDB中，这样查询结果中排名离你最近的一定会是该用户咯～
<?phprequire_once __DIR__ . "/vendor/autoload.php";// 这句相当于使用momo数据库$database = ( new MongoDB\Client )->momo;// command方法相当于直接执行mongodb原生语句// 因为我懒的看这个mongodb-library的库语法了$cursor = $database->command( array('geoNear' => 'user','near' => array('type' => 'Point', 'coordinates' => array(116.2092590332,40.0444375846 ), ), 'num' => 5, ) );$rets = $cursor->toArray()[0];foreach( $rets->results as $r ) { echo $r->obj['_id'].'号用户距离您 : '.$r->dis.'米'.PHP_EOL;}php index.php执行，结果你们感受一下：
距离0米，这说明老子的代码不是TM瞎写的，绝对能用！
实际上，如果说我们把【xxxx号用户】当作是【牌照xxxx的出租车】的话，一般最粗暴版本的【搞附近的车】业务就基本上得到实现了。
好了，本节暂时到此。周六日码文章，真的是好困！
本文关键词
MongoDB、2dsphere，Google S2、B-Tree、geoJSON
本文代码github
https://github.com/elarity/wechat-official-accounts-demo-code