如何使用 Google App Engine Search API 找到最近的文档？

Question

GAE Search 索引中有大约 400,000 个文档。所有文档都有一个locationGeoPoint 属性，并且分布在全球各地。一些文件可能与任何其他文件相距超过 4000 公里，而另一些文件可能彼此相距几米。

我想找到最接近特定坐标集的文档，但发现以下代码给出了错误的结果：

from google.appengine.api import search

# coords are in the form of a tuple e.g. (50.123, 1.123)
search.Document(
    doc_id='meaningful-unique-id',
    fields=[search.GeoField(name='location' 
                            value=search.GeoPoint(coords[0], coords[1]))])

# find document function radius is in metres
def find_document(coords, radius=1000000):
    sort_expr = search.SortExpression(
        expression='distance(location, geopoint(%.3f, %.3f))' % coords,
        direction=search.SortExpression.ASCENDING,
        default_value=0)

    search_query = search.Query(
        query_string='distance(location, geopoint(%.3f, %.3f)) < %d' \
                    % (coords[0], coords[1], radius),
        options=search.QueryOptions(
            limit=1,
            ids_only=True,
            sort_options=search.SortOptions(expressions=[sort_expr])))

    index = search.Index(name='document-index')
    return index.search(search_query)

使用此代码，我将得到一致但不正确的结果。例如，搜索离伦敦最近的文件表明最近的文件在苏格兰。我已经验证了有数千个更接近的文件。

我将问题缩小到radius 参数太大。如果半径降至 12 公里左右（radius=12000），我会得到正确的结果。 12公里半径内一般不超过1000个文档。 （可能与search.SortOptions(limit=1000)有关。）

问题是，如果我在地球上一个数千英里没有任何文件的稀疏区域，我的搜索功能将不会返回任何带有radius=12000（12 公里）的内容。无论我身在何处，我都希望它能够将最近的文件返回给我。如何通过一次调用 Search API 始终如一地完成此任务？

Answer 1

我有完全相同的问题，我认为不可能。当您自己发现可能的结果多于返回的结果时，就会出现问题。谷歌算法在加载限制后退出，然后对结果进行排序。

我已经看到了与您相同的集群及其搜索 API 的一部分。

一个技巧是将您的搜索细分为子部门，同时进行多个调用，然后合并和排序结果。

Answer 2

好主意，为什么不保留/记录 3 点的距离，然后据此计算。

Answer 3

我认为问题如下。 您的查询将选择最多 10K 个文档，然后根据您的距离排序表达式对这些文档进行排序并返回。 （也就是说，排序实际上并不是对所有 400k 文档进行排序。） 所以我怀疑一些地理上更接近的点不包括在这个 10k 选择中。 这就是缩小搜索半径时效果更好的原因，因为该半径内的总点数较少。

基本上，您希望以一种对您查询的内容有意义的方式将您的查询“命中”降低到 10k。 您可以通过至少几种方式来解决这个问题，您可以将它们组合起来：

• 添加排名，以便按排名顺序返回最“重要”的文档（根据您的域中有意义的某些标准），然后这些文档将按距离排序。
• 过滤一个或多个文档字段（例如，“业务类别”，如果您的文档包含有关企业的信息）以减少候选文档的数量。

（我不相信搜索 API 文档中目前没有这个 10k 阈值；我已经提交了一张票以添加它）。