《TableStore最佳实践：轻松实现轨迹管理与地理围栏》

1、方案背景

轨迹管理系统平常生活中使用很是广泛，如外卖派送轨迹、快递物流流转、车辆定位轨迹等。该场景与地理位置管理相似，核心点与瓶颈都在数据库的存储性能与查询能力，同时须要时间字段正序排列，保证轨迹点顺序；一方面，存储服务须要应对海量数据的低延迟存、读，另外一方面，存储服务也要提供高效的多维度数据检索与排序。表格存储（TableStore）对于轨迹管理场景，依然能够胜任，彻底具有实现轨迹管理系统的能力。
不妨来体验一下基于TableStore打造的【亿量级摩托车管理系统】样例；

需求场景

某城市市区出于安全考虑，限制摩托车进入必定的区域范围。某摩托车租赁公司，为了更好管理所辖摩托车的违章问题，对本身所辖摩托车安装定位系统，定时采集摩托车位置。摩托车租赁公司，能够经过轨迹管理平台，查询统计违章状况，也可做为依据，提醒违章的租赁用户，过多违章拉入黑名单；
查询场景：【2018年11月01日】编号【id00001】的摩托车行驶轨迹与违章状况查询；

样例以下：
注：该样例提供了【亿量级】轨迹数据。官网控制台地址：项目样例

样例内嵌在表格存储控制台中，用户可登陆控制台体验系统（若为表格存储的新用户，须要点击开通服务后体验，开通免费，订单数据存储在公共实例中，体验不消耗用户存储、流量、Cu）。

表格存储（TableStore）方案

采用表格存储（TableStore）轻松搭建一套：亿量级摩托车管理系统。多元索引功能提供GEO检索、多维查询的能力，经过对时间的排序获取追踪设备的轨迹。同时，用户可随时建立索引而后完成自动同步，不用担忧存量数据问题。
TableStore做为阿里云提供的一款全托管、零运维的分布式NoSql型数据存储服务，具备【海量数据存储】、【热点数据自动分片】、【海量数据多维检索】等功能，有效的地解决了GEO数据量大膨胀这一挑战；
SearchIndex功能在保证用户数据高可用的基础上，提供了数据多维度搜索、排序等能力。针对多种场景建立多种索引，实现多种模式的检索。用户能够仅在须要的时候建立、开通索引。由TableStore来保证数据同步的一致性，这极大的下降了用户的方案设计、服务运维、代码开发等工做量。

2、搭建准备

若您对于基于TableStore实现的【亿量级摩托车管理系统】体验不错，并但愿开始本身系统的搭建之旅，只需按照以下步骤即可以着手搭建了：

一、开通表格存储

经过控制台开通表格存储服务，表格存储即开即用（后付费），采用按量付费方式，已为用户提供足够功能测试的免费额度。表格存储官网控制台、免费额度说明。

二、建立实例

经过控制台建立表格存储实例，选择支持多元索引的Region。（当前阶段SearchIndex功能还没有商业化，暂时开放北京，上海，杭州和深圳四地，其他地区将逐渐开放）

建立实例后，提交工单申请多元索引功能邀测（商业化后默认打开，不使用不收费）。

• 邀测地址：提工单，选择【表格存储】>【产品功能、特性咨询】>【建立工单】，申请内容以下：
• 问题描述:请填写【申请SearchIndex邀测】
• 机密信息:请填写【地域+实例名】，例：上海+myInstanceName

三、SDK下载

使用具备多元索引（SearchIndex）的SDK，官网地址，暂时java、go、node.js三种SDK增长了新功能

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

四、表设计

店铺检索系统样例，仅简易使用一张店铺表，主要包含字段：店铺类型、店铺名称、店铺地理位置、店铺平均评分、人均消费消等。表设计以下：
表名：geo_track

列名	数据类型	索引类型	字段说明
_id(主键列)	String		MD5(mId + timestamp)避免热点
mId	Stirng		摩托车编号
timestamp	long	LONG	时间点（毫秒时间戳）
pos	String	GEO_POINT	车辆位置："30.132,120.082"(纬度,精度)
...	...	...	...

3、开始搭建（核心代码）

一、建立数据表

用户仅需在完成邀测的实例下建立“摩托车轨迹表”：经过控制台建立、管理数据表（用户也能够经过SDK直接建立）：其余表如租赁用户表、摩托车信息表等，根据需求建立：这里仅展现轨迹表，表名：geo_track

二、建立数据表索引

TableStore自动作全量、增量的索引数据同步：用户能够经过控制台建立索引、管理索引（也能够经过SDK建立索引）

三、数据导入

插入部分测试数据（控制台样例中插入了1.08亿条(1万辆摩托70天24小时*6个"10分钟点")数据，用户本身能够经过控制台插入少许测试数据）；

表名：geo_track

摩托车编号	轨迹点md5(mId + timestamp)（主键）	时间	店铺位置
id00001	f50d55bec347253c24dc9144dff3e3b7	1541103600000	30.30094,120.01278

表名：moto_user

摩托车编号（主键）	摩托车颜色	摩托车品牌	摩托车租赁用户
id00001	银灰色	H牌摩托车	杨六

四、数据读取

数据读取分为两类：

主键读取（摩托车信息查询）

基于原生表格存储的主键列获取：getRow, getRange, batchGetRow等。主键读取用于索引（自动）反查，用户也能够提供主键（摩托车编号）单条查询的页面，查询速度极快。单主键查询方式不支持多维度检索；

索引读取（轨迹信息查询）

基于新SearchIndex功能Query：search接口。用户能够自由设计索引字段的多维度条件组合查询。经过设置选择不一样的查询参数，构建不一样的查询条件、不一样排序方式；目前支持：精确查询、范围查询、前缀查询、匹配查询、通配符查询、短语匹配查询、分词字符串查询，并经过布尔与、或组合。
如【2018年11月01日，id00001号摩托车，行驶轨迹及违章查询】Query条件以下：

List<Query> mustQueries = new ArrayList<Query>();
List<String> polygonList = Arrays.asList(//地理围栏，禁摩区域
    "30.262348,120.092127",
    "30.311668,120.079761",
    "30.332413,120.129371",
    ...
);
String mId = "id00001";
Long timeStart = [2018-11-01时间戳];
Long timeEnd = [2018-11-02时间戳];

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);

原文连接