基于 Elasticsearch 实现地图点聚合

在地图类应用中，当需要展示大量地理兴趣点时，直接将所有点渲染在地图上会导致视觉混乱，影响用户体验。为此，我基于 Elasticsearch 提供的 geotile_grid 和 geo_bounding_box 查询能力，实现了一套高效的 POI 聚合展示方案。

🧩 问题背景：POI 数量巨大，直接渲染效率低

在地图类应用中，我们常常需要展示大量的地理兴趣点（Point of Interest, POI），例如商圈、门店、用户位置等。然而，当 POI 数量达到数万甚至数十万级别时，若将所有点一次性加载并渲染在地图上，不仅会导致页面卡顿、交互延迟，还会因标记重叠严重而降低用户体验。更严重的问题包括：

• 前端性能瓶颈：大量 DOM 节点或图形元素导致浏览器渲染压力剧增；
• 视觉混乱：点与点之间相互遮挡，信息难以辨识；
• 无差别展示：无法根据地图缩放层级动态调整展示粒度；
  
  因此，我们需要一种既能减少前端渲染压力，又能保留关键信息的地图聚合方案。

🛠️ 技术方案：基于 Elasticsearch 的 geotile_grid 聚合机制

本方案基于 Elasticsearch 的 geotile_grid 和 geo_bounding_box 查询能力，结合球面几何算法，实现了poi高效聚合与展示。整个流程如下：

1. 获取地图视口范围：通过左上角和右下角坐标限定查询范围；
2. 映射地图缩放层级到 precision，根据当前地图 zoom level 动态计算合适的 geotile_grid 聚合精度；
3. 提取聚合点并计算代表点，对每个 tile 内最多 100 个点进行球面几何中位数计算，得出一个最具代表性的点用于展示。

流程图：

效果展示：

📌 地图聚合的核心：geotile_grid

在本方案中，我们使用了 Elasticsearch 的 geotile_grid 聚合方式来实现地图兴趣点的分区聚合。
geotile_grid 本质上是一种基于 Geohash 编码的空间划分机制。它将整个地图视图划分为多个大小一致的矩形区域（称为 tile），每个 tile 包含落在其范围内的所有 POI。

• tile 的粒度由 precision 控制：precision 越高，tile 越小，聚合越精细；
• 结合 zoom level 动态映射 precision：根据当前地图缩放层级，动态设置合适的精度值，使聚合结果与地图展示粒度保持一致；
• 支持子聚合操作：我们可以在每个 tile 中嵌套 top_hits 聚合，获取最多 100 个原始点用于后续中心点计算；

通过这种方式，我们可以：

• 高效筛选出当前地图视口内的所有 tile；
• 快速获取每个 tile 内的 POI 数据；
• 为每个 tile 计算出最具代表性的“中心点”，用于前端展示；
• 这不仅显著提升了后端查询效率，也为前端提供了结构清晰、层次分明的地图聚合展示能力。

🧑‍💻 示例代码片段

核心代码：基于 geotile_grid 实现地图点聚合

// 1. 构建筛选条件（仅保留地理范围查询）
BoolQueryBuilder queryBuilder = QueryBuilders.boolQuery();
queryBuilder.must(QueryBuilders.geoBoundingBoxQuery("latLng")
        .setCorners(new GeoPoint(topLeftLat, topLeftLon), new GeoPoint(bottomRightLat, bottomRightLon)));

// 2. 构建 geotile_grid 聚合
GeoGridAggregationBuilder geoTileGridAgg = AggregationBuilders.geotileGrid("grid_agg")
        .field("latLng")
        .precision(15); // 可根据缩放级别动态设置 precision

// 3. 添加子聚合 top_hits（获取每个 tile 内的 latLng 坐标）
TopHitsAggregationBuilder topHitsAgg = AggregationBuilders.topHits("top_hits_agg")
        .fetchSource("latLng", null)
        .size(100);
geoTileGridAgg.subAggregation(topHitsAgg);

// 4. 构建最终查询
NativeSearchQuery searchQuery = new NativeSearchQueryBuilder()
        .withQuery(queryBuilder)
        .withAggregations(geoTileGridAgg)
        .withMaxResults(0) // 不需要返回实际文档
        .build();

// 5. 执行查询并解析聚合结果
SearchHits<ShopESEntity> searchHits = elasticsearchRestTemplate.search(searchQuery, ShopESEntity.class);

// 6. 解析聚合结果并生成展示点
List<DisplayPointVO> displayPoints = new ArrayList<>();
if (searchHits.hasAggregations()) {
    List<? extends MultiBucketsAggregation.Bucket> buckets = getBuckets(searchHits.getAggregations(), "grid_agg");
    for (MultiBucketsAggregation.Bucket bucket : buckets) {
        List<MapUtils.Poi> poiList = getPoiList(bucket); // 获取该 tile 内最多 100 个点
        MapUtils.Poi meanPoi = MapUtils.computeSphericalMean(poiList); // 计算球面几何中位点

        if (meanPoi != null) {
            DisplayPointVO vo = new DisplayPointVO();
            vo.setCount(bucket.getDocCount());
            vo.setLat(meanPoi.getLat());
            vo.setLng(meanPoi.getLng());
            displayPoints.add(vo);
        }
    }
}

最终DSL如下：

{
  "size": 0,
  "aggs": {
    "poi_agg": {
      "geotile_grid": {
        "field": "latLng",
        "precision": 29
      },
      "aggs": {
        "points": {
          "top_hits": {
            "size": 100,
            "_source": {
              "includes": ["latLng"]
            }
          }
        }
      }
    }
  },
  "query": {
    "geo_bounding_box": {
      "latLng": {
        "top_left": {
          "lat": 30.293813,
          "lon": 120.10432
        },
        "bottom_right": {
          "lat": 30.167403,
          "lon": 120.217002
        }
      }
    }
  }
}

球面几何中位数算法（简化版）

public static class MapUtils {

    public static class Poi {
        private final double lat;
        private final double lon;

        public Poi(double lat, double lon) {
            this.lat = lat;
            this.lon = lon;
        }

        public double getLat() { return lat; }
        public double getLng() { return lon; }
    }

    public static Poi computeSphericalMean(List<Poi> poiList) {
        if (poiList.isEmpty()) return null;

        double sumX = 0, sumY = 0, sumZ = 0;

        for (Poi p : poiList) {
            double latRad = Math.toRadians(p.lat);
            double lonRad = Math.toRadians(p.lon);

            sumX += Math.cos(latRad) * Math.cos(lonRad);
            sumY += Math.cos(latRad) * Math.sin(lonRad);
            sumZ += Math.sin(latRad);
        }

        int n = poiList.size();
        double avgX = sumX / n;
        double avgY = sumY / n;
        double avgZ = sumZ / n;

        double hyp = Math.sqrt(avgX * avgX + avgY * avgY);
        double latAvg = Math.toDegrees(Math.atan2(avgZ, hyp));
        double lngAvg = Math.toDegrees(Math.atan2(avgY, avgX));

        return new Poi(latAvg, lngAvg);
    }
}