如何从按距离排序的JPA实体获得结果？

Question

我目前正在编写一个移动应用程序，用户必须从列表中选择一个位置。所有位置都使用JPA从Play应用程序存储在Postgres数据库中。

我想要做的是获取应用中的用户位置，然后请求获取离该用户最近的前20或50个位置。

如果我使用自己的数据结构，我会使用KD-Tree。但是，我对JPA / Play / PostgreSQL很新，所以我不确定如何手动处理数据持久性。

我唯一可以想到的就是我目前的知识就是查看每个位置并确定它的距离，但是在如此巨大的数据库上这将非常慢。

有没有一个查询我可以说“给我按照这个纬度和经度的距离排序X的第一个结果？

编辑：我正在使用Heroku，由于应用程序处于开发的早期阶段，如果您想将PostGIS与您的应用程序一起使用，我宁愿不必支付每天200美元的Heroku费用。

Answer 1

这是我在3年前建立的应用程序中使用的功能的大大简化版本。适应手头的问题。

• 使用框在点的周边查找位置。人们可以用圆圈来做到这一点，以获得更准确的结果，但这只是一个近似的开始。

• 忽略世界不平坦的事实。我的申请仅适用于100公里范围内的当地地区。搜索范围仅跨越几公里。让世界变得平坦就足够了。 （Todo：根据地理位置的比率，lat / lon的更好近似可能会有所帮助。）

• 使用Google地图中的地理编码进行操作。

• 使用标准的PostgreSQL 不带扩展（不需要PostGis），在PostgreSQL 9.1和9.2上测试。

如果没有索引，则必须计算基表中每一行的距离并过滤最接近的行。大桌子非常昂贵。

修改
我重新检查了当前的实现允许点上的GisT索引（Postgres 9.1或更高版本）。相应地简化了代码。

主要技巧是使用功能 GiST索引框 ，即使该列只是一个点。这样就可以使用现有的GiST implementation。

通过这种（非常快速的）搜索，我们可以获得一个盒子内的所有位置。剩下的问题是：我们知道行数，但是我们不知道它们所在的盒子的大小。这就像知道部分答案，而不是问题。

我使用类似的反向查找方法来更详细地描述this related answer on dba.SE中描述的方法。 （只是，我这里没有使用部分索引 - 实际上也可能有用）。

通过一系列预定义的搜索步骤进行迭代，从非常小到“足够大以至少保持足够的位置”。意味着我们必须运行几个（非常快）的查询才能达到搜索框的大小。

然后使用此框搜索基表，并仅计算从索引返回的几行的实际距离。由于我们发现容器至少足够的位置，因此通常会有一些盈余。通过采用最接近的，我们有效地围绕框的角落。您可以通过使框更大一些（在函数中乘以radius sqrt（2）来获得完全准确的结果来强制此效果，但我不会全力以赴，因为这接近于开始）。

使用最新版本的PostgreSQL中提供的SP GiST索引会更快更简单。但我不知道这是否可能。我们需要一个实际的数据类型实现，我没有时间深入研究它。如果您找到方法，请承诺报告！

给定这个带有一些示例值（adr ..地址）的简化表：

CREATE TABLE adr(adr_id int, adr text, geocode point);
INSERT INTO adr (adr_id, adr, geocode) VALUES
    (1,  'adr1', '(48.20117,16.294)'),
    (2,  'adr2', '(48.19834,16.302)'),
    (3,  'adr3', '(48.19755,16.299)'),
    (4,  'adr4', '(48.19727,16.303)'),
    (5,  'adr5', '(48.19796,16.304)'),
    (6,  'adr6', '(48.19791,16.302)'),
    (7,  'adr7', '(48.19813,16.304)'),
    (8,  'adr8', '(48.19735,16.299)'),
    (9,  'adr9', '(48.19746,16.297)');

索引如下所示：

CREATE INDEX adr_geocode_gist_idx ON adr USING gist (geocode);

-> SQLfiddle

您必须根据需要调整家庭区域，步数和缩放系数。只要你在一个点周围几公里的盒子中搜索，一个平坦的地球就足够了。

你需要很好地理解plpgsql才能使用它。我觉得我在这里做得很好。

CREATE OR REPLACE FUNCTION f_find_around(_lat double precision, _lon double precision, _limit bigint = 50)
  RETURNS TABLE(adr_id int, adr text, distance int) AS
$func$
DECLARE
   _homearea   CONSTANT box := '(49.05,17.15),(46.35,9.45)'::box;      -- box around legal area
-- 100m = 0.0008892                   250m, 340m, 450m, 700m,1000m,1500m,2000m,3000m,4500m,7000m
   _steps      CONSTANT real[] := '{0.0022,0.003,0.004,0.006,0.009,0.013,0.018,0.027,0.040,0.062}';  -- find optimum _steps by experimenting
   geo2m       CONSTANT integer := 73500;                              -- ratio geocode(lon) to meter (found by trial & error with google maps)
   lat2lon     CONSTANT real := 1.53;                                  -- ratio lon/lat (lat is worth more; found by trial & error with google maps in (Vienna)
   _radius     real;                                                   -- final search radius
   _area       box;                                                    -- box to search in
   _count      bigint := 0;                                            -- count rows
   _point      point := point($1,$2);                                  -- center of search
   _scalepoint point := point($1 * lat2lon, $2);                       -- lat scaled to adjust
BEGIN

 -- Optimize _radius
IF (_point <@ _homearea) THEN
   FOREACH _radius IN ARRAY _steps LOOP
      SELECT INTO _count  count(*) FROM adr a
      WHERE  a.geocode <@ box(point($1 - _radius, $2 - _radius * lat2lon)
                            , point($1 + _radius, $2 + _radius * lat2lon));

      EXIT WHEN _count >= _limit;
   END LOOP;
END IF;

IF _count = 0 THEN                                                     -- nothing found or not in legal area
   EXIT;
ELSE
   IF _radius IS NULL THEN
      _radius := _steps[array_upper(_steps,1)];                        --  max. _radius
   END IF;
   _area := box(point($1 - _radius, $2 - _radius * lat2lon)
              , point($1 + _radius, $2 + _radius * lat2lon));
END IF;

RETURN QUERY
SELECT a.adr_id
      ,a.adr
      ,((point (a.geocode[0] * lat2lon, a.geocode[1]) <-> _scalepoint) * geo2m)::int4 AS distance
FROM   adr a
WHERE  a.geocode <@ _area
ORDER  BY distance, a.adr, a.adr_id
LIMIT  _limit;

END
$func$  LANGUAGE plpgsql;

呼叫：

SELECT * FROM f_find_around (48.2, 16.3, 20);

如果在定义的最大搜索区域中有足够的位置，则返回$3个位置的列表 按实际距离排序。

进一步改进

构建如下函数：

CREATE OR REPLACE FUNCTION f_geo2m(double precision, double precision)
  RETURNS point AS
$BODY$
SELECT point($1 * 111200, $2 * 111400 * cos(radians($1)));
$BODY$
  LANGUAGE sql IMMUTABLE;

COMMENT ON FUNCTION f_geo2m(double precision, double precision)
IS 'Project geocode to approximate metric coordinates.
    SELECT f_geo2m(48.20872, 16.37263)  --';

（字面上）全局常量111200和111400针对我的区域（奥地利）从Length of a degree of longitude和The length of a degree of latitude进行了优化，但基本上只是在世界各地工作

使用它将缩放的地理编码添加到基表，理想情况下是生成的列，如本答案中所述： How do you do date math that ignores the year?
请参阅 3。黑魔法版，我将引导您完成整个过程 然后，您可以更多地简化函数：缩放输入值一次并删除冗余计算。

Answer 2

你真的不希望为此推出自己的数据结构，但幸运的是你正在使用PostgreSQL，所以你很幸运。使用PostGIS。它将比你在合理的时间内建立的任何东西都快几个数量级。