[ElasticSearch] 空间搜索（一）

根据索引文档的地理坐标来进行搜索，Elasticsearch 也能够处理这样的搜索。——空间搜索

一、为空间搜索准备映射

PUT my_space_test
{"mappings": {"poi": {"properties": {"name": {"type": "string"},"locationpoint": {"type":"geo_point"  //任意的地理坐标},"locationshape": {"type": "geo_shape"  //任意的地理形状}}}}
}

二、批量添加数据

POST my_space_test/poi/_bulk
{"index":{"_id":1}}
{"name":"New York","locationpoint":"40.664167, -73.938611","locationshape":{"type":"polygon","coordinates":[[[4.8833,52.38617],[4.87463,52.37254],[4.87875,52.36369],[4.8833,52.38617]]]}}
{"index":{"_id":2}}
{"name":"London","locationpoint":[-0.1275,51.5072222],"locationshape":{"type":"polygon","coordinates":[[[0,0],[4.87463,52.37254],[4.87875,52.36369],[0,0]]]}}
{"index":{"_id":3}}
{"name":"Moscow","locationpoint":{"lat":55.75,"lon":37.616667},"locationshape":{"type":"polygon","coordinates":[[[22,22],[4.87463,52.37254],[4.87875,52.36369],[22,22]]]}}
{"index":{"_id":4}}
{"name":"Sydney","locationpoint":"-33.859972, 151.211111","locationshape":{"type":"polygon","coordinates":[[[4.8833,52.38617],[4.87463,52.37254],[4.87875,52.36369],[4.8833,52.38617]]]}}
{"index":{"_id":5}}
{"name":"Sydney","locationpoint":"eycs0p8ukc7v","locationshape":{"type":"polygon","coordinates":[[[4.8833,52.38617],[4.87463,52.37254],[4.87875,52.36369],[4.8833,52.38617]]]}}

仔细观看locationpoint字段可以看到坐标可以使用多种形式来赋值，可以使用字符串、数组（只能包含两个数值）、一个对象、地理散列值等来提供经纬度。具体每种方式可能略有不同，具体使用再查相关资料。

再来看一下，locationshape,其形式就更加多样了，可以是一个点，即为一组数值对 [ 经度，维度 ] ，也可以是一个框 [ [左，上], [右，下] ]，还可以是多边形，但是必须保证第一个坐标和最后一个坐标是相同的，从而保证是一个闭合的图形。[ [ [1,1],[2,2], [3,4] ,[1,1] ] ] ,可以发现多边形的定义中其可以是多个多边形，是一个可扩展的数组。

三、查询方式

3.1 基于距离排序

GET my_space_test/poi/_search
{"query": {"match_all": {}},"sort": [{"_geo_distance": {"locationpoint": {"lat": 48.8567,"lon": 2.3508},"unit": "km","order": "asc"}}]
}
GET my_space_test/poi/_search
{"query": {"match_all": {}},"sort": [{"_geo_distance":<{"locationpoint": [       //或者是："locationpoint"：" 48.8567,2.3508"2.3508,48.8567],"unit": "km","order": "asc"}}]
}

以上查询的结果是一样的（注意数组和字符串坐标的位置顺序是不同的）通过距离坐标点 [ 2.3508,48.8567 ]的大小来对查询文档进行排序。这在实际搜索中非常有用，可以返回临近的一些坐标点。

3.2 边界框过滤（获得包含在指定区域内文档）

"query": {"filtered": {"filter": {"bool": {"should": [{"geo_bounding_box": {"locationpoint": {"top_left": "52.4796,-1.903","bottom_right": "48.8567,2.3508"}}},{"geo_distance":{"distance": 500,"distance_unit": "km","locationpoint": "48.8567,2.3508"}}]}}}}

示意图 1

返回的文档就像是包含在矩形和圆形中的蓝色点，红色点用来确定边框，红色线段确定距离范围。在图形之外的点就被过滤掉了。以上都是针对类型为geo_point

下面我们来看一下geo_shape类型是如何使用的？

"query": {"filtered": {"filter": {"bool": {"should": [{"geo_shape": {"locationshape": {"indexed_shape": {             //使用已经索引的形状"index": "my_space_test","type": "poi","id": "4","path": "locationshape"},"relation": "within"}}},{"geo_shape": {"locationshape": {          //自定义形状——圆"shape": {"type": "circle",   "radius": "1km","coordinates": [-45,45]},"relation": "within"}}},{"geo_shape": {"locationshape": {"shape": {"type": "envelope",     //自定义的形状包络线，即：box（矩形）"coordinates": [[-45,45],[45,-45]]},"relation": "within"}}},{"geo_shape": {"locationshape": {       //自定义的多边形，一定要注意，多边形的定义是包含在一个数组中的，是一个可扩展的数组"shape": {"type": "polygon","coordinates": [[[1,1],[2,3],[4,2],[1,1]]]},"relation": "within"}}}]}}}}

首先来说，过滤查询的字段locationshap 中包含多种形状类型，有点、包络线、多边形、甚至说多个多边形

以上的查询是看那些形状位于所查询的形状之内。

我们再来个示意图吧，这样好理解一些。

示意图2

比如说，我们可以定义一个中国的多边形，然后查找那些城市是位于中国的，这些城市也可以是多边形，当然也可以用一个点来定义，通过这样的过滤方式都能够准确的找到。

怎么样？ES是不是很炫？革命尚未成功，同志仍需努力！坚持你才能看到最美的风景，即便一路上会有荆棘。接下来看看，空间搜索对应的高亮和聚合。待续……