从‘附近的人’到‘区域热力图’：手把手教你玩转Elasticsearch地理位置查询与聚合

从‘附近的人’到‘区域热力图’：Elasticsearch地理位置查询与聚合实战指南

1. 地理位置数据建模与索引优化

在构建基于位置的搜索服务时，数据建模是决定查询性能的关键第一步。Elasticsearch提供了专门的geo_point类型来存储经纬度坐标，这种数据类型支持高效的地理位置计算。

最佳实践数据建模方案：

PUT /locations
{
  "mappings": {
    "properties": {
      "name": {
        "type": "keyword"
      },
      "coordinates": {
        "type": "geo_point"
      },
      "tags": {
        "type": "keyword"
      },
      "timestamp": {
        "type": "date"
      }
    }
  }
}

重要参数说明：

• geo_point支持四种坐标格式：
  • 对象格式：{ "lat": 39.9042, "lon": 116.4074 }
  • 字符串格式："39.9042,116.4074"
  • 数组格式：[116.4074, 39.9042]（注意顺序是经度在前）
  • WKT格式："POINT (116.4074 39.9042)"

索引优化策略：

1. 分片策略：

   • 地理位置数据建议使用20-30GB大小的分片
   • 对于全球数据，可按大洲或国家进行路由

2. 性能调优参数：

   • 设置index.refresh_interval为30s或更高
   • 对于写入密集型场景，可禁用_source字段

PUT /locations/_settings
{
  "index": {
    "refresh_interval": "30s",
    "number_of_replicas": 1
  }
}

3. 常见陷阱与解决方案：