一、方案背景

軌跡管理系統日常生活中使用非常普遍，如外賣派送軌跡、快遞物流流轉、車輛定位軌跡等。該場景與地理位置管理類似，核心點與瓶頸都在數據庫的存儲性能與查詢能力，同時需要時間字段正序排列，保證軌跡點順序；一方面，存儲服務需要應對海量數據的低延遲存、讀，另一方面，存儲服務也要提供高效的多維度數據檢索與排序。表格存儲（TableStore）對于軌跡管理場景，依然可以勝任，完全具備實現軌跡管理系統的能力。
不妨來體驗一下基于TableStore打造的【億量級摩托車管理系統】樣例；

需求場景

某城市市區出于安全考慮，限制摩托車進入一定的區域范圍。某摩托車租賃公司，為了更好管理所轄摩托車的違章問題，對自己所轄摩托車安裝定位系統，定時采集摩托車位置。摩托車租賃公司，可以通過軌跡管理平臺，查詢統計違章情況，也可作為依據，提醒違章的租賃用戶，過多違章拉入黑名單；
查詢場景：【2018年11月01日】編號【id00001】的摩托車行駛軌跡與違章情況查詢；

樣例如下：
注：該樣例提供了【億量級】軌跡數據。

樣例內嵌在表格存儲控制臺中，用戶可登錄控制臺體驗系統（若為表格存儲的新用戶，需要點擊開通服務后體驗，開通免費，訂單數據存儲在公共實例中，體驗不消耗用戶存儲、流量、Cu）。

表格存儲（TableStore）方案

采用表格存儲（TableStore）輕松搭建一套：億量級摩托車管理系統。多元索引功能提供GEO檢索、多維查詢的能力，通過對時間的排序獲取追蹤設備的軌跡。同時，用戶可隨時創建索引然后完成自動同步，不用擔心存量數據問題。
TableStore作為阿里云提供的一款全托管、零運維的分布式NoSql型數據存儲服務，具有【海量數據存儲】、【熱點數據自動分片】、【海量數據多維檢索】等功能，有效的地解決了GEO數據量大膨脹這一挑戰；
SearchIndex功能在保證用戶數據高可用的基礎上，提供了數據多維度搜索、排序等能力。針對多種場景創建多種索引，實現多種模式的檢索。用戶可以僅在需要的時候創建、開通索引。由TableStore來保證數據同步的一致性，這極大的降低了用戶的方案設計、服務運維、代碼開發等工作量。

二、搭建準備

若您對于基于TableStore實現的【億量級摩托車管理系統】體驗不錯，并希望開始自己系統的搭建之旅，只需按照如下步驟便可以著手搭建了：

1、開通表格存儲

通過控制臺開通表格存儲服務，表格存儲即開即用（后付費），采用按量付費方式，已為用戶提供足夠功能測試的免費額度。表格存儲官網控制臺、免費額度說明。

2、創建實例

通過控制臺創建表格存儲實例，選擇支持多元索引的Region。（當前階段SearchIndex功能尚未商業化，暫時開放北京，上海，杭州和深圳四地，其余地區將逐漸開放）

創建實例后，提交工單申請多元索引功能邀測（商業化后默認打開，不使用不收費）。

• 邀測地址：提工單，選擇【表格存儲】>【產品功能、特性咨詢】>【創建工單】，申請內容如下：
• 問題描述:請填寫【申請SearchIndex邀測】
• 機密信息:請填寫【地域+實例名】，例：上海+myInstanceName

3、SDK下載

使用具有多元索引（SearchIndex）的SDK，官網地址，暫時java、go、node.js三種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-sdk

4、表設計

店鋪檢索系統樣例，僅簡易使用一張店鋪表，主要包含字段：店鋪類型、店鋪名稱、店鋪地理位置、店鋪平均評分、人均消費消等。表設計如下：
表名：geo_track

列名數據類型索引類型字段說明

_id(主鍵列)	String	?	MD5(mId + timestamp)避免熱點
mId	Stirng	?	摩托車編號
timestamp	long	LONG	時間點（毫秒時間戳）
pos	String	GEO_POINT	車輛位置："30.132,120.082"(緯度,精度)
...	...	...	...

三、開始搭建（核心代碼）

1、創建數據表

用戶僅需在完成邀測的實例下創建“摩托車軌跡表”：通過控制臺創建、管理數據表（用戶也可以通過SDK直接創建）：其他表如租賃用戶表、摩托車信息表等，根據需求創建：這里僅展示軌跡表，表名：geo_track

2、創建數據表索引

TableStore自動做全量、增量的索引數據同步：用戶可以通過控制臺創建索引、管理索引（也可以通過SDK創建索引）

?

?

3、數據導入

插入部分測試數據（控制臺樣例中插入了1.08億條(1萬輛摩托70天24小時*6個"10分鐘點")數據，用戶自己可以通過控制臺插入少量測試數據）；

表名：geo_track

摩托車編號軌跡點md5(mId + timestamp)（主鍵）時間店鋪位置

id00001	f50d55bec347253c24dc9144dff3e3b7	1541103600000	30.30094,120.01278

表名：moto_user

摩托車編號（主鍵）摩托車顏色摩托車品牌摩托車租賃用戶

id00001	銀灰色	H牌摩托車	楊六

4、數據讀取

數據讀取分為兩類：

主鍵讀取（摩托車信息查詢）

基于原生表格存儲的主鍵列獲取：getRow, getRange, batchGetRow等。主鍵讀取用于索引（自動）反查，用戶也可以提供主鍵（摩托車編號）單條查詢的頁面，查詢速度極快。單主鍵查詢方式不支持多維度檢索；

索引讀取（軌跡信息查詢）

基于新SearchIndex功能Query：search接口。用戶可以自由設計索引字段的多維度條件組合查詢。通過設置選擇不同的查詢參數，構建不同的查詢條件、不同排序方式；目前支持：精確查詢、范圍查詢、前綴查詢、匹配查詢、通配符查詢、短語匹配查詢、分詞字符串查詢，并通過布爾與、或組合。
如【2018年11月01日，id00001號摩托車，行駛軌跡及違章查詢】Query條件如下：

List<Query> mustQueries = new ArrayList<Query>(); List<String> polygonList = Arrays.asList(//地理圍欄，禁摩區域"30.262348,120.092127","30.311668,120.079761","30.332413,120.129371",... ); String mId = "id00001"; Long timeStart = [2018-11-01時間戳]; Long timeEnd = [2018-11-02時間戳];GeoPolygonQuery geoPolygonQuery = new GeoPolygonQuery(); geoPolygonQuery.setPoints(polygonList); geoPolygonQuery.setFieldName("pos"); mustQueries.add(geoPolygonQuery);TermQuery termQuery = new TermQuery(); termQuery.setFieldName("mId"); termQuery.setTerm(ColumnValue.fromString(request.getmId())); mustQueries.add(termQuery);RangeQuery rangeQuery = new RangeQuery(); rangeQuery.setFieldName("timestamp"); rangeQuery.setFrom(ColumnValue.fromDouble(timeStart, true); rangeQuery.setTo(ColumnValue.fromDouble(timeEnd, false); mustQueries.add(rangeQuery);BoolQuery boolQuery = new BoolQuery(); boolQuery.setMustQueries(mustQueries);

?

原文鏈接
本文為云棲社區原創內容，未經允許不得轉載。

總結

以上是生活随笔為你收集整理的《TableStore最佳实践：轻松实现轨迹管理与地理围栏》的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。