本文面向使用 Elasticsearch 构建地理位置服务的开发者，详解如何基于经纬度坐标进行地理过滤、排序、范围查询和坐标计算，适用于“附近商家”、“定位打卡”、“地图可视化”等业务场景。
目录
- 地理位置搜索的典型应用场景
- Elasticsearch 地理坐标基础概念
- Geo 类型字段的映射定义
- Geo 查询实战：范围、距离、排序
- 图解地理查询工作机制
- 精准搜索实战代码（Python + Kibana）
- 性能优化建议与注意事项
- 总结与最佳实践
一、地理位置搜索的典型应用场景
| 场景 | 示例说明 |
|---|---|
| 附近商家搜索 | 查找当前位置5公里内的餐馆、商店等 |
| 地理打卡 | 判断用户是否进入某区域（如公司） |
| 地图服务 | 地图上显示一定区域内的兴趣点（POI） |
| 配送调度 | 查找距离订单最近的骑手或仓库 |
| 空间分析 | 统计城市各区域订单数量 |
二、Elasticsearch 地理坐标基础概念
Elasticsearch 提供两种地理类型字段：
2.1 geo_point
用于表示一个地理坐标（经度 + 纬度），如：
{ "location": { "lat": 39.92, "lon": 116.46 } }2.2 geo_shape
用于表示多边形、路径、矩形等复杂空间形状（如区域、边界）
三、Geo 类型字段的映射定义
3.1 定义 geo_point 字段映射
PUT /places
{
"mappings": {
"properties": {
"name": { "type": "text" },
"location": { "type": "geo_point" }
}
}
}3.2 示例数据写入
POST /places/_doc
{
"name": "天安门",
"location": { "lat": 39.9087, "lon": 116.3975 }
}或者使用字符串方式：
"location": "39.9087,116.3975"四、Geo 查询实战：范围、距离、排序
4.1 按地理范围查询（圆形）
GET /places/_search
{
"query": {
"bool": {
"filter": {
"geo_distance": {
"distance": "5km",
"location": {
"lat": 39.91,
"lon": 116.40
}
}
}
}
}
}含义： 搜索距离 116.40, 39.91 坐标点 5 公里内的数据
4.2 多边形区域查询（Geo Shape）
PUT /areas
{
"mappings": {
"properties": {
"region": { "type": "geo_shape" }
}
}
}插入矩形区域：
POST /areas/_doc
{
"region": {
"type": "envelope",
"coordinates": [
[116.30, 39.95],
[116.50, 39.85]
]
}
}查询某点是否在区域内：
GET /areas/_search
{
"query": {
"geo_shape": {
"region": {
"shape": {
"type": "point",
"coordinates": [116.397, 39.907]
},
"relation": "within"
}
}
}
}4.3 地理距离排序（最近的排前）
GET /places/_search
{
"query": {
"match_all": {}
},
"sort": [
{
"_geo_distance": {
"location": {
"lat": 39.91,
"lon": 116.40
},
"order": "asc",
"unit": "km"
}
}
]
}五、图解地理查询工作机制
用户输入坐标 (lat, lon)
↓
+---------------------------+
| geo_distance / geo_shape |
+---------------------------+
↓
Elasticsearch 根据 Geo Index 算出命中坐标
↓
返回结果 + 距离字段 + 排序Elasticsearch 底层使用 Lucene 的 GeoHash 前缀索引或 BKD tree 结构进行空间索引优化。
六、精准搜索实战代码（Python + Kibana）
6.1 Python 查询附近餐馆
from elasticsearch import Elasticsearch
es = Elasticsearch()
location = { "lat": 39.91, "lon": 116.40 }
query = {
"query": {
"bool": {
"filter": {
"geo_distance": {
"distance": "2km",
"location": location
}
}
}
}
}
resp = es.search(index="places", body=query)
for hit in resp["hits"]["hits"]:
print(hit["_source"]["name"])6.2 Kibana DevTools 调试语句
GET /places/_search
{
"query": {
"bool": {
"filter": {
"geo_distance": {
"distance": "1000m",
"location": {
"lat": 39.90,
"lon": 116.39
}
}
}
}
}
}七、性能优化建议与注意事项
| 项目 | 优化建议 |
|---|---|
| 索引结构 | 使用 geo_point 简洁结构 |
| 查询方式 | 尽量使用 filter 而非 must 以提高缓存命中 |
| 地理排序 | 使用 _geo_distance + unit 控制精度 |
| 精度问题 | 浮点精度建议保留到 6 位经纬度 |
| 坐标格式 | 统一使用 lat, lon 对象方式，易维护 |
八、总结与最佳实践
| 能力 | Elasticsearch 表现 |
|---|---|
| 精确范围查找 | ✅ geo_distance |
| 区域多边形判断 | ✅ geo_shape |
| 排序支持 | ✅ 最近/最远排序 |
| 多格式写入 | ✅ 支持对象 / 字符串 |
| 集群扩展 | ✅ 大规模空间索引优化良好 |
推荐实践：
- 使用
geo_point满足大多数“附近搜索”场景 - 使用
geo_shape处理复杂地理边界（如行政区划） - 查询中地理条件尽量写在
filter中以加快查询 - 对查询频繁的“坐标点”数据，可增加 Redis 缓存