一、方案背景
对于一套GEO管理系统，其核心点与瓶颈在于数据库的存储性能与查询能力；一方面，存储服务需要应对海量数据的低延迟存、读，另一方面，存储服务也要提供高效的GEO+多维度数据检索。表格存储（TableStore），作为一款Serverless分布式NoSQL数据库，完全具备该系统的需求。
下面我们将基于TableStore打造一个【亿量级GEO管理系统】；
需求场景
某店铺搜索平台，提供了亿量级的店铺信息。用户通过平台提供的PC端、移动端网页，按照自己的需求维度组合，搜索用户心仪的店铺。平台需要在地图上展示店铺的具体位置、店铺详细信息、店铺主页的跳转；
维度一：【距离1km内】【人均100以内】【评分最高】【奶茶店】；
维度二：【杭州市内】【评分最高的】【沈家*】店铺；
......
实现快速、多维GEO查询功能，是GEO管理解决方案的核心功能，样例如下：
注：该样例提供了【亿量级】店铺数据。
基于表格存储搭建的店铺搜索系统页面一览，样例内嵌在表格存储控制台中，用户可登录控制台体验系统（若为表格存储的新用户，需要点击开通服务后体验，开通免费，订单数据存储在公共实例中，体验不消耗用户存储、流量、Cu）。
表格存储（TableStore）方案
使用表格存储（TableStore）研发的多元索引（SearchIndex）方案，可以轻松搭建一套：亿量级店铺搜索系统。多元索引功能可以创建GEO索引、分词字符串索引等，为用户提供了GEO检索、多维组合检索等能力，用户可随时创建，存量、增量数据自动同步。
TableStore作为阿里云提供的一款全托管、零运维的分布式NoSql型数据存储服务，具有【海量数据存储】、【热点数据自动分片】、【海量数据多维检索】等功能，有效的地解决了GEO数据量大膨胀这一挑战；
用户可以仅在需要的时候创建、开通索引。由TableStore来保证数据同步的一致性，这极大的降低了用户的方案设计、服务运维、代码开发等工作量。
二、搭建准备
若您对于基于TableStore实现的【亿量级店铺搜索系统】体验不错，并希望开始自己系统的搭建之旅，只需按照如下步骤便可以着手搭建了：
1、开通表格存储
通过控制台开通表格存储服务，表格存储即开即用（后付费），采用按量付费方式，已为用户提供足够功能测试的免费额度。
2、创建实例
通过控制台创建表格存储实例，选择支持多元索引的Region。（当前阶段SearchIndex功能尚未商业化，暂时开放北京，上海，杭州和深圳四地，其余地区将逐渐开放）
创建实例后，提交工单申请多元索引功能邀测（商业化后默认打开，不使用不收费）。
- 邀测地址：提工单，选择【表格存储】>【产品功能、特性咨询】>【创建工单】，申请内容如下：
- 问题描述:请填写【申请SearchIndex邀测】
- 机密信息:请填写【地域+实例名】，例：上海+myInstanceName
3、SDK下载
使用具有多元索引（SearchIndex）的SDK，官网地址，暂时java、go、node.js三种SDK增加了新功能
java-SDK
<dependency><groupId>com.aliyun.openservices</groupId><artifactId>tablestore</artifactId><version>4.7.4</version>
</dependency>go-SDK
$ go get github.com/aliyun/aliyun-tablestore-go-sdk4、表设计
店铺检索系统样例，仅简易使用一张店铺表，主要包含字段：店铺类型、店铺名称、店铺地理位置、店铺平均评分、人均消费消等。表设计如下：
表名：geo_positon
| 列名 | 数据类型 | 索引类型 | 字段说明 |
|---|---|---|---|
| _id(主键列) | String | MD5(pId)避免热点 | |
| pId | Stirng | 店铺编号 | |
| type | String | KEYWORD | 类型 |
| name | String | TEXT | 店铺名，TEXT类型索引可模糊查询，但不能排序 |
| pos | String | GEO_POINT | 店铺位置："30.132,120.082"(纬度,精度) |
| point | double | DOUBLE | 评分 |
| ... | ... | ... | ... |
三、开始搭建（核心代码）
1、创建数据表
用户仅需在完成邀测的实例下创建“店铺信息表”：通过控制台创建、管理数据表（用户也可以通过SDK直接创建）：
2、创建数据表索引
TableStore自动做全量、增量的索引数据同步：用户可以通过控制台创建索引、管理索引（也可以通过SDK创建索引）
3、数据导入
插入测试数据（控制台样例中插入了1亿条数据，用户自己可以插入少量测试数据）；
| 店铺编号 | 店铺（md5）（主键） | 类型 | 店铺名称 | 店铺位置 | 店铺评分 | 人均消费 | ||
|---|---|---|---|---|---|---|---|---|
| o0057022192 | 0000000f470ef0f548b925ceffe1a7e3 | 杭帮菜 | 韩村杭帮菜 | 36.76613,111.41461 | 2.87 | 63.67 |
4、数据读取
数据读取分为两类：
主键读取
基于原生表格存储的主键列获取：getRow, getRange, batchGetRow等。主键读取用于索引（自动）反查，用户也可以提供主键（订单md5）的单条查询的页面，亿量级下查询速度极快。单主键查询方式不支持多维度检索；
索引读取（店铺查询）
基于新SearchIndex功能Query：search接口。用户可以自由设计索引字段的多维度条件组合查询。通过设置选择不同的查询参数，构建不同的查询条件、不同排序方式；目前支持：精确查询、范围查询、前缀查询、匹配查询、通配符查询、短语匹配查询、分词字符串查询，并通过布尔与、或组合。
如【"36.76613,111.41461"周边1km米范围内的奶茶店】，查询条件如下：
List<Query> mustQueries = new ArrayList<Query>();TermQuery termQuery = new TermQuery();
termQuery.setFieldName("type");
termQuery.setTerm(ColumnValue.fromString(奶茶));
mustQueries.add(termQuery);GeoDistanceQuery geoDistanceQuery = new GeoDistanceQuery();
geoDistanceQuery.setFieldName("pos");
geoDistanceQuery.setCenterPoint("36.76613,111.41461");
geoDistanceQuery.setDistanceInMeter(1000);
mustQueries.add(geoDistanceQuery);BoolQuery boolQuery = new BoolQuery();
boolQuery.setMustQueries(mustQueries);
原文链接
本文为云栖社区原创内容，未经允许不得转载。
