一. 项目介绍
本项目是采用SpringBoot、MongoDB、Redis等核心组件开发的共享充电宝微信小程序。
实现了模拟手机绑定、支付押金、身份验证、搜索附近充电宝等功能
二.用到的关键技术
数据库采用：MongoDB（可对地理位置进行索引
2Dsphere索引，用于存储和查找球面上的点
）
MongoDB是一个基于分布式文件存储的数据库。具有高性能、易部署、易使用，存储数据非常方便等特点。它支持的数据结构非常松散，是类似
json
的
bson
格式，因此可以存储比较复杂的数据类型。Mongo最大的特点是它支持的查询语言非常强大，其语法有点类似于面向对象的查询语言，几乎可以实现类似关系数据库单表查询的绝大部分功能，而且还支持对数据建立
索引
。
与
SpringBoot整合时，通过已经封装好的dao
MongoTemplate 来Query 实现增删改查等功能，不需要在写dao层和sql语句
删除：Query query = new Query(Criteria.where(“id”).is(id)); mongoTemplate.remove(query, User.class);
增加：mongoTemplate.save(user);
修改：Query query = new Query(Criteria.where(“id”).is(user.getId()));
Update update = new Update().set(“userName”, user.getUserName()).set(“password”, user.getPassword());
mongoTemplate.updateFirst(query, update, User.class);
查询：Query query = new Query(Criteria.where(“userName”).is(userName));
return mongoTemplate.findOne(query, User.class);
缓存功能采用：Redis
redis是一个非关系型的数据库(not-only-sql即nosql),以键值对的方式存储数据,将数据存放在内存中,
存取速度快,
但是对持久化的支持不够好,所以redis一般配合关系型数据库使用,redis可以做
分布式缓存
,用在数据量大,高并发的情况下.redis通过很多命令进行操作,而且redis不适合保存内容大的数据。
本项目中使用redis作为短信验证码的缓存，当用户点击获取验证码时，后台自动生成一个4位随机数作为验证码
(int)((Math.random()*9+1)*1000)+””；Math.random()为double类型0.0到1.0的随机数。之后将验证码通过腾讯云的短信API发送给相应的手机号（这里由于需要小程序上线才能使用，因此模拟一下），发送成功后将手机号作为key，验证码作为value存储到redis中，
SpringBoot
有已经写好的dao层直接调用即可
stringRedisTemplate
.opsForValue().set(phoneNum, code,300,TimeUnit.SECONDS);并设置过期时间
注意redis的key过期淘汰策略：
- 被动删除：当读/写一个已经过期的key时，会触发惰性删除策略，直接删除掉这个过期key
- 主动删除：由于惰性删除策略无法保证冷数据被及时删掉，所以Redis会定期主动淘汰一批已过期的key
- 当前已用内存超过maxmemory限定时，触发主动清理策略
项目的后端框架采用
：
SpringBoot：
是 Spring 开源组织下的子项目，是 Spring 组件一站式解决方案，主要是简化了使用 Spring 的难度，简省了繁重的配置，提供了各种启动器，开发者能快速上手
使用 Spring Boot 有什么好处
回顾我们之前的 SSM 项目，搭建过程还是比较繁琐的，需要：
- 1）配置 web.xml，加载 spring 和 spring mvc
- 2）配置数据库连接、配置日志文件
- 3）配置加载配置文件的读取，开启注解
- 4）配置mapper文件
-
…..
而使用 Spring Boot 来开发项目则只需要非常少的几个配置就可以搭建起来一个 Web 项目，并且利用 IDEA 可以自动生成生成，这简直是太爽了…
-
划重点：
简单、快速、方便地搭建项目
；对主流开发框架的
无配置集成
；极大
提高了开发、部署效率
。
三.难点创新点
（1）查找附近500米的充电宝位置，并且随着中心点的位置移动，自动显示500米内充电宝位置。
解决方法：基于MongoDB 2dSphere索引查找最近的点。MongoDB的地理空间索引。
地理空间索引采用的时geohash 算法：用一个字符串（数字和字母组成的）表示经度和纬度两个坐标。geohash 表示的并不是一个点，而是一个矩形区域，表示坐标位置附近的区域。
Geohash的最简单的解释就是：将一个经纬度信息，转换成一个可以排序，可以比较的字符串编码
(1)纬度转换：39.92324转为1011 1000 1100 0111 1001。
首先将纬度范围(-90, 90)平分成两个区间(-90,0)、(0, 90)，如果目标纬度位于前一个区间，则编码为0，否则编码为1。
由于39.92324属于(0, 90)，所以取编码为1。
然后再将(0, 90)分成 (0, 45), (45, 90)两个区间，而39.92324位于(0, 45)，所以编码为0。
以此类推，直到精度符合要求为止，得到纬度编码为1011 1000 1100 0111 1001。
|
纬度范围 |
划分区间0 |
划分区间1 |
39.92324所属区间 |
|
(-90, 90) |
(-90, 0.0) |
(0.0, 90) |
1 |
|
(0.0, 90) |
(0.0, 45.0) |
(45.0, 90) |
0 |
|
(0.0, 45.0) |
(0.0, 22.5) |
(22.5, 45.0) |
1 |
|
(22.5, 45.0) |
(22.5, 33.75) |
(33.75, 45.0) |
1 |
|
(33.75, 45.0) |
(33.75, 39.375) |
(39.375, 45.0) |
1 |
|
(39.375, 45.0) |
(39.375, 42.1875) |
(42.1875, 45.0) |
0 |
|
(39.375, 42.1875) |
(39.375, 40.7812) |
(40.7812, 42.1875) |
0 |
|
(39.375, 40.7812) |
(39.375, 40.0781) |
(40.0781, 40.7812) |
0 |
|
(39.375, 40.0781) |
(39.375, 39.7265) |
(39.7265, 40.0781) |
1 |
|
(39.7265, 40.0781) |
(39.7265, 39.9023) |
(39.9023, 40.0781) |
1 |
|
(39.9023, 40.0781) |
(39.9023, 39.9902) |
(39.9902, 40.0781) |
0 |
|
(39.9023, 39.9902) |
(39.9023, 39.9462) |
(39.9462, 39.9902) |
0 |
|
(39.9023, 39.9462) |
(39.9023, 39.9243) |
(39.9243, 39.9462) |
0 |
|
(39.9023, 39.9243) |
(39.9023, 39.9133) |
(39.9133, 39.9243) |
1 |
|
(39.9133, 39.9243) |
(39.9133, 39.9188) |
(39.9188, 39.9243) |
1 |
|
(39.9188, 39.9243) |
(39.9188, 39.9215) |
(39.9215, 39.9243) |
1 |
（2）
经度也用同样的算法，对(-180, 180)依次细分，得到116.3906的编码为1101 0010 1100 0100 0100。
|
经度范围 |
划分区间0 |
划分区间1 |
116.3906所属区间 |
|
(-180, 180) |
(-180, 0.0) |
(0.0, 180) |
1 |
|
(0.0, 180) |
(0.0, 90.0) |
(90.0, 180) |
1 |
|
(90.0, 180) |
(90.0, 135.0) |
(135.0, 180) |
0 |
|
(90.0, 135.0) |
(90.0, 112.5) |
(112.5, 135.0) |
1 |
|
(112.5, 135.0) |
(112.5, 123.75) |
(123.75, 135.0) |
0 |
|
(112.5, 123.75) |
(112.5, 118.125) |
(118.125, 123.75) |
0 |
|
(112.5, 118.125) |
(112.5, 115.312) |
(115.312, 118.125) |
1 |
|
(115.312, 118.125) |
(115.312, 116.718) |
(116.718, 118.125) |
0 |
|
(115.312, 116.718) |
(115.312, 116.015) |
(116.015, 116.718) |
1 |
|
(116.015, 116.718) |
(116.015, 116.367) |
(116.367, 116.718) |
1 |
|
(116.367, 116.718) |
(116.367, 116.542) |
(116.542, 116.718) |
0 |
|
(116.367, 116.542) |
(116.367, 116.455) |
(116.455, 116.542) |
0 |
|
(116.367, 116.455) |
(116.367, 116.411) |
(116.411, 116.455) |
0 |
|
(116.367, 116.411) |
(116.367, 116.389) |
(116.389, 116.411) |
1 |
|
(116.389, 116.411) |
(116.389, 116.400) |
(116.400, 116.411) |
0 |
|
(116.389, 116.400) |
(116.389, 116.394) |
(116.394, 116.400) |
0 |
接下来将经度和纬度的编码合并，奇数位是纬度，偶数位是经度，得到编码 11100 11101 00100 01111 00000 01101 01011 00001。
最后，用0-9、b-z（去掉a, i, l, o）这32个字母进行base32编码，得到(39.92324, 116.3906)的编码为wx4g0ec1。
|
十进制 |
0 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
13 |
14 |
15 |
|
base32 |
0 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
b |
c |
d |
e |
f |
g |
|
十进制 |
16 |
17 |
18 |
19 |
20 |
21 |
22 |
23 |
24 |
25 |
26 |
27 |
28 |
29 |
30 |
31 |
|
base32 |
h |
j |
k |
m |
n |
p |
q |
r |
s |
t |
u |
v |
w |
x |
y |
z |
注意：由于编码方式形成的是”Z”字形曲线，这样就会存在拐点，说明编码越接近不一定地理位置越近，地理位置越近，编发不一定越近。因此不能完全根据编码决定是否接近。
这样就会存在以下的特点，假如所在位置为红色节点，绿色节点为充电宝的位置，由于上面绿色的与所在位置不在一个区域里，而下面绿色节点与红色节点在一个区域里，这样如果完全按照区域找的话，就会找到更远处的节点。
解决办法是：除了将本地区域的节点查找到，还要将区域周围的8个区域进行查询，具体实现步骤如下：
- 坐标值转化为GeoHash编码值
- 根据当前区域的GeoHash，推算出周围8个方位区域块的的GeoHash值。
- 将这8个区域块中所有节点进行储存，并且一一计算它们到当前坐标的距离，并且计算出最短距离的点。
- 考虑存储结构，以及算法实现。
NearQuery nearQuery = NearQuery.near(longitude, latitude).maxDistance(0.2, Metrics.KILOMETERS) .query(new Query(Criteria.where(“status”).is(0)).limit(20));
GeoResults<Kcb> geoResults=mongoTemplate.geoNear(nearQuery, Kcb.class);geoResults.getContent()；