🏗️ 系统设计 / System Design — Day 47
设计地理空间系统 / Design a Geospatial System (Yelp / Nearby Friends)
2026-06-02 | Expert Phase
场景 / Scenario
想象你在设计 Yelp 的"附近餐厅"功能，或者 Facebook 的"附近朋友"。用户打开 App，瞬间看到 5km 范围内的所有餐厅——背后是什么魔法？
Imagine you're building Yelp's "nearby restaurants" feature or Facebook's "Nearby Friends." The user opens the app and instantly sees all restaurants within 5km. What's the magic behind it?
架构图 / Architecture
核心算法 / Core Algorithms
方案 1：Geohash（静态 POI，如 Yelp）
- 将地球表面编码成层级网格字符串：
9q8yy→9q8yy4→9q8yy4j - 精度 6 = ~1.2km 格子；精度 7 = ~150m
- 查询：取当前 geohash + 8 个邻格，IN 查询
- 优点：可存 DB/Redis，水平扩展容易
- 坑：边界问题！两个相邻点可能 geohash 完全不同
# Using geohash2 library
import geohash2
def nearby_places(lat, lng, radius_km, precision=6):
center = geohash2.encode(lat, lng, precision)
neighbors = geohash2.neighbors(center) # 8 neighbors
search_cells = [center] + neighbors
# Query DB: SELECT * FROM places WHERE geohash LIKE ANY(search_cells)
return search_cells方案 2：Redis GEO（实时位置，如 Nearby Friends）
# Write: user updates location
GEOADD user_locations 116.3974 39.9093 "user:1234"
# Read: find users within 5km
GEORADIUS user_locations 116.3974 39.9093 5 km WITHCOORD COUNT 100Redis 底层用 52-bit Geohash 存储，O(N+log(M)) 查询复杂度。
方案 3：Quadtree（高密度区域）
- 递归四分空间，叶节点存 POI 列表
- 适合密度不均匀（城区 vs 郊区）
- 通常 in-memory，需要 periodic rebuild
关键权衡 / Key Tradeoffs
| 维度 | Geohash + DB | Redis GEORADIUS | Quadtree |
|---|---|---|---|
| 适合场景 | 静态 POI | 实时位置 | 复杂多边形 |
| 写频率 | 低 | 高（每隔 30s 更新） | 低 |
| 精度控制 | 通过精度位数 | 半径参数 | 递归深度 |
| 扩展性 | 水平分片 | Redis Cluster | 难分片 |
别踩这个坑 / Common Mistakes
❌ 直接用经纬度算距离：sqrt((lat1-lat2)² + (lng1-lng2)²) — 经纬度不是欧氏空间，赤道 1° ≠ 极地 1°
✅ 用 Haversine 公式 或数据库内置 ST_Distance
❌ 不考虑边界情况：geohash 精度 6 的格子，用户在边缘可能漏掉 50m 外的餐厅
✅ 查询中心格子 + 8 个邻格
❌ Nearby Friends 每次全量查询所有用户
✅ 只查询 active users（最近 5min 有位置更新的）+ Redis TTL 自动清理离线用户
❌ 实时位置写入过于频繁
✅ 客户端：移动超过 50m 才上报；后端：写 Redis 而非 DB（DB 异步存历史轨迹）
📚 References
🧒 ELI5
把城市地图分成很多个小格子，给每个格子取一个名字（geohash）。找附近餐厅就是：先找你所在的格子和旁边 8 个格子，然后在这 9 个格子里找餐厅——比扫描整张地图快多了！
Imagine dividing a city map into little squares, each with a name (geohash). Finding nearby restaurants means: look in your square and the 8 squares around it. Much faster than checking the whole map!