【面试题】阿里面试：如何在附近1万家商户中，快速找到理你最近的5家商户?

原创已于 2025-07-10 09:57:08 修改 · 置顶 · 385 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#面试 #职场和发展 #分布式

于 2025-07-09 22:31:40 首次发布

基于Geohash与优先队列的商户就近搜索方案

文章目录

核心思路
通过Geohash将二维地理位置编码为一维字符串实现快速区域筛选，结合优先队列（堆排序）动态维护最近商户列表，平衡计算效率与准确性。

数据预处理阶段

商户数据需提前建立Geohash索引并存储。以MySQL为例，商户表结构设计如下：

CREATE TABLE merchants (
    id BIGINT PRIMARY KEY,
    name VARCHAR(100),
    longitude DOUBLE,  -- 经度
    latitude DOUBLE,   -- 纬度
    geohash CHAR(12)   -- 9级Geohash约±19米精度
);
CREATE INDEX idx_geohash ON merchants(geohash);

使用Java生成Geohash（依赖commons-codec库）：

public static String encodeGeohash(double lat, double lon, int precision) {
    GeoHash geoHash = GeoHash.withCharacterPrecision(lat, lon, precision);
    return geoHash.toBase32();
}

实时查询阶段

输入参数
用户坐标(userLat, userLon)，搜索半径radius（单位：米），返回数量limit

步骤说明

计算候选Geohash块
根据半径确定所需Geohash精度级别（如半径500米对应7级编码），获取用户所在块及相邻8个块（Moore邻居）：

List<String> getAdjacentGeohashes(String baseGeohash) {
    GeoHash center = GeoHash.fromGeohashString(baseGeohash);
    return Arrays.stream(center.getAdjacent())
           .map(GeoHash::toBase32)
           .collect(Collectors.toList());
}

数据库批量查询
使用IN语句查询所有候选块的商户：

SELECT id, name, latitude, longitude 
FROM merchants 
WHERE geohash IN (:geohashList)

精确距离计算与筛选
使用优先队列维护Top5最近商户，避免全量排序：

PriorityQueue<Merchant> queue = new PriorityQueue<>(
    (a,b) -> Double.compare(b.distance, a.distance)  // 最大堆
);

for (Merchant merchant : candidateMerchants) {
    double dist = haversine(userLat, userLon, merchant.lat, merchant.lon);
    if (dist <= radius) {
        merchant.distance = dist;
        queue.offer(merchant);
        if (queue.size() > limit) queue.poll();  // 淘汰最远元素
    }
}

距离计算公式（Haversine）

static double haversine(double lat1, double lon1, double lat2, double lon2) {
    double dLat = Math.toRadians(lat2 - lat1);
    double dLon = Math.toRadians(lon2 - lon1);
    double a = Math.sin(dLat/2) * Math.sin(dLat/2) +
               Math.cos(Math.toRadians(lat1)) * Math.cos(Math.toRadians(lat2)) * 
               Math.sin(dLon/2) * Math.sin(dLon/2);
    return 6371000 * 2 * Math.atan2(Math.sqrt(a), Math.sqrt(1-a));  // 地球半径6371km
}

性能优化措施

多级Geohash缓存
建立不同精度的Geohash索引（如6-9级），根据查询半径自动选择最优级别
分布式计算
对于超大规模数据，采用Elasticsearch的geo_point类型或RedisGEO模块：

// Elasticsearch查询示例
SearchRequest request = new SearchRequest("merchants");
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder()
    .query(QueryBuilders.geoDistanceQuery("location")
        .point(userLat, userLon)
        .distance(radius, DistanceUnit.METERS))
    .size(limit);
request.source(sourceBuilder);