在本文中，我们将设计一个邻近服务，用来发现用户附近的地方，比如餐馆，酒店，商场等。

  设计要求  

从一个小明去面试的故事开始。

面试官：你好，我想考察一下你的设计能力，如果让你设计一个邻近服务，用来搜索用户附近的商家，你会怎么做？

小明：好的，用户可以指定搜索半径吗？如果搜索范围内没有足够的商家，系统是否支持扩大搜索范围？

面试官：对，用户可以根据需要修改，大概有以下几个选项，0.5km，1km，2km，5km，10km，20km。

小明：嗯，还有其他的系统要求吗？

面试官：另外还需要考虑的是，系统的低延迟，高可用，和可扩展性，以及数据隐私。

小明：好的，了解了。

总结一下，需要做一个邻近服务，可以根据用户的位置（经度和纬度）以及搜索半径返回附近的商家，半径可以修改。因为用户的位置信息是敏感数据，我们可能需要遵守数据隐私保护法。

  高层次设计  

高层次设计图如下所示，系统包括两部分：基于位置的服务 （location-based service）LBS 和业务（bussiness）相关的服务。

让我们来看看系统的每个组件。

负载均衡器

负载均衡器可以根据路由把流量分配给多个后端服务。

基于位置的服务 (LBS)

LBS 服务是系统的核心部分，通过位置和半径寻找附近的商家。LBS 具有以下特点：

• • 没有写请求，但是有大量的查询

• • QPS 很高，尤其是在密集地区的高峰时段。

• • 服务是无状态的，支持水平扩展。

Business 服务

商户创建，更新，删除商家信息，以及用户查看商家信息。

数据库集群

数据库集群可以使用主从配置，提升可用性和性能。数据首先保存到主数据库，然后复制到从库，主数据库处理所有的写入操作，多个从数据库用于读取操作。

接下来，我们具体讨论位置服务 LBS 的实现。

  1. 二维搜索  

这种方法简单，有效，根据用户的位置和搜索半径画一个圆，然后找到圆圈内的所有商家，如下所示。

商家的纬度用 latitude 表示，经度用 longitude 表示。同样的用户的纬度和经度可以用 user_latitude 和 user_longitude 表示，半径用 radius 表示。

上面的搜索过程可以翻译成下面的伪 SQL 。

SELECT business_id, latitude, longitude,
FROM business
WHERE 
latitude >= (@user_latitude - radius) AND latitude < (@user_latitude + radius)
AND
longitude >= (@user_longitude - radius) AND longitude < (@user_longitude + radius)

这种方式可以实现我们的需求，但是实际上效率不高，因为我们需要扫描整个表。虽然我们可以对经纬度创建索引，效率有提升，但是并不够，我们还需要对索引的结果计算取并集。

  2. Geohash  

我们上面说了，二维的经度和纬度做索引的效果并不明显。而 Geohash 可以把二维的经度和纬度转换为一维的字符串，通过算法，每增加一位就递归地把世界划分为越来越小的网格，让我们来看看它是如何实现的。

首先，把地球通过本初子午线和赤道分成四个象限，如下

• • 纬度范围 [-90, 0] 用 0 表示

• • 纬度范围 [0, 90] 用 1 表示

• • 经度范围 [-180, 0] 用 0 表示

• • 经度范围 [0, 180] 用 1 表示

然后，再把每个网格分成四个小网格。

重复这个过程，直到网格的大小符合我们的需求，Geohash 通常使用 base32 表示。让我们看两个例子。

• •  Google 总部的 Geohash（长度 为 6）：

  • 1001 10110 01001 10000 11011 11010 (base32 convert) → 9q9hvu (base32)

• • Facebook 总部的 Geohash（长度 为 6）：1001 10110 01001 10001 10000 10111 (base32 convert) → 9q9jhr (base32)

Geohash 有 12 个精度（也称为级别）, 它可以控制每个网格的大小，字符串越长，拆分的网格就越小，如下

实际中，按照具体的场景选择合适的 Geohash 精度。

通过这种方式，最终把地图分成了下面一个个小的网格，一个 Geohash 字符串就表示了一个网格，这样查询每个网格内的商家信息，搜索是非常高效的。

可能你已经发现了一些规律，上图的每个网格中，它们都相同的前缀 wtw3。是的，Geohash 的特点是，两个网格的相同前缀部分越长，就表示它们的位置是邻近的。

反过来说，两个相邻的网格，它们的 Geohash 字符串一定是相似的吗？

不一定，因为存在 边界问题。当两个网格都在边缘时，虽然它们是相邻的，但是 Geohash 的值从第一位就不一样，如下图，两个紫色的点相邻。

下面是一个精度比较高的网格，有些相邻网格的 Geohash 的值是完全不一样的。

还有一个边界问题是，对于用户（橙色）来说，隔壁网格的商家（紫色）可能比自己网格的商家（紫色）的距离还要近，如下图

所以，在查询附近的商家时，不能只局限于用户所在的网格，要扩大到用户相邻的4个或者9个网格，然后再计算距离，进行筛选，最终找到距离合适的商家。

另外，当在用户在偏远的郊区时，我们可以按照下面的方式，扩大搜索范围，返回足够数量的商家。

Geohash 的使用非常广泛的，另外 Redis 和 MongoDB 都提供了相应的功能，可以直接使用。

  3 . 四叉树  

还有一种比较流行的解决方案是四叉树，这种方法可以递归地把二维空间划分为四个象限，直到每个网格的商家数量都符合要求。

如下图，比如确保每个网格的数量不超过10，如果超过，就拆分为四个小的网格。

请注意，四叉树是一种内存数据结构，它不是数据库解决方案。它运行在每个LBS 服务上，数据结构是在服务启动时构建的。

接下来，看一下节点都存储了哪些信息？

内部节点

网格的左上角和右下角的坐标，以及指向 4个 子节点的指针。

叶子节点

网格的左上角和右下角的坐标，以及网格内的商家的 ID 数组。

现实世界的四叉树示例

Yext 提供了一张图片 ，显示了其中一个城市构建的四叉树。我们需要更小、更细粒度的网格用在密集区域，而更大的网格用在偏远的郊区。

  Google S2 和 希尔伯特曲线  

Google S2 库是这个领域的另一个重要参与者，和四叉树类似，它是一种内存解决方案。它基于希尔伯特曲线把球体映射到一维索引。

而 希尔伯特曲线 是一种能填充满一个平面正方形的分形曲线（空间填充曲线），由大卫·希尔伯特在1891年提出，如下

希尔伯特曲线是怎么生成的？

最简单的一阶希尔伯特曲线，先把正方形平均分成四个网格，然后从其中一个网格的正中心开始，按照方向，连接每一个网格。

二阶的希尔伯特曲线， 每个网格都先生成一阶希尔伯特曲线 ， 然后把它们首尾相连。

三阶的希尔伯特曲线

n阶的希尔伯特曲线, 实现一条线连接整个平面。

同样，希尔伯特曲线也可以填充整个三维空间。

希尔伯特曲线的一个重要特点是 降维，可以把多维空间转换成一维数组，可以通过动画看看它是如何实现的。

在一维空间上的搜索比在二维空间上的搜索效率高得多了。

  多数据中心和高可用  

我们可以把 LBS 服务部署到多个区域，不同地区的用户连接到最近的数据中心，这样做可以提升访问速度以及系统的高可用，并根据实际的场景，进行扩展。

最终设计图

1. 1. 用户需要寻找附近 500 米的餐馆。客户端把用户位置（经度和纬度），半径（500m）发送给后端。

2. 2. 负载均衡器把请求转发给 LBS。

3. 3. 基于用户位置和半径信息，LBS 找到与搜索匹配的 geohash 长度。

4. 4. LBS 计算相邻的 Geohash 并将它们添加到列表中。

5. 5. 调用 Redis 服务获取对应的商家 ID。

6. 6. LBS 根据返回的商家列表，计算用户和商家之间的距离，并进行排名，然后返回给客户端。

  总结  

在本文中，我们设计了一个邻近服务，介绍了4种常见了实现方式，分别是二维搜索，Geohash, 四叉树和 Google S2。它们有各自的优缺点，您可以根据实际的业务场景，选择合适的实现。

  Reference  

https://halfrost.com/go_spatial_search/#toc-25

https://www.amazon.com/System-Design-Interview-Insiders-Guide/dp/1736049119

END

做了一个 .NET 的学习网站，内容涵盖了分布式系统，数据结构与算法，设计模式，操作系统，计算机网络等，以及工作推荐和面试经验分享，欢迎来撩。