一、背景与问题分析
在本地生活服务类应用中,家政上门到家平台的核心难点之一是如何高效地将用户订单派发给合适的服务人员。传统的"全城抢单"模式存在响应慢、服务半径不可控、服务人员负载不均等问题。
区域派单的核心思路是:将城市划分为多个服务区域,每个区域绑定若干服务人员,用户下单后根据地址匹配到对应区域,再由调度策略选择最优服务人员。
本文围绕这一思路,介绍区域派单的整体架构设计,并给出两段核心代码实现。
二、整体架构设计
区域派单系统可以拆分为以下几个核心模块:
1. 区域划分模块
采用GeoHash算法将经纬度编码为字符串前缀,前缀长度决定了区域粒度。例如GeoHash精度为6位时,覆盖范围约为1.2km×0.6km,适合家政服务的日常调度半径。区域划分支持两级结构:
- 一级区域(行政区):对应城市中的区/街道,用于宏观管理。
- 二级区域(服务网格):基于GeoHash对一级区域进一步细分,每个网格绑定服务人员池。
2. 服务人员绑定模块
服务人员注册时选择或自动分配所属服务网格。一个服务人员可以绑定多个相邻网格,以应对跨区订单的弹性调度需求。
3. 订单匹配与派单模块
用户下单时,系统根据用户地址的经纬度计算GeoHash值,匹配到对应的服务网格,再从该网格的服务人员池中按策略(距离最近、评分最高、负载最低等)选出最优人选进行派单。
4. 兜底与溢出策略
当目标网格内无可用服务人员时,系统自动向相邻网格扩展搜索,保证订单不会因区域限制而无人接单。
三、核心代码实现
GeoHash区域编码与网格匹配
以下代码实现了一个GeoHash工具类,用于将经纬度编码为区域标识,并判断两个坐标是否属于同一服务网格。
class GeoHashEncoder: """基于GeoHash的区域编码器,用于家政平台服务网格划分""" BASE32 = '0123456789bcdefghjkmnpqrstuvwxyz' def __init__(self, precision=6): self.precision = precision def encode(self, latitude, longitude): """将经纬度编码为GeoHash字符串""" lat_range = [-90.0, 90.0] lon_range = [-180.0, 180.0] geohash = [] bits = [16, 8, 4, 2, 1] bit = 0 ch = 0 even = True while len(geohash) < self.precision: if even: mid = (lon_range[0] + lon_range[1]) / 2 if longitude >= mid: ch |= bits[bit] lon_range[0] = mid else: lon_range[1] = mid else: mid = (lat_range[0] + lat_range[1]) / 2 if latitude >= mid: ch |= bits[bit] lat_range[0] = mid else: lat_range[1] = mid even = not even bit += 1 if bit == 5: geohash.append(self.BASE32[ch]) bit = 0 ch = 0 return ''.join(geohash) def get_grid_id(self, latitude, longitude): """获取服务网格ID,即GeoHash前缀""" return self.encode(latitude, longitude)[:self.precision] def is_same_grid(self, lat1, lon1, lat2, lon2): """判断两个坐标是否属于同一服务网格""" grid1 = self.get_grid_id(lat1, lon1) grid2 = self.get_grid_id(lat2, lon2) return grid1 == grid2
区域派单调度器
以下代码实现了派单调度器的核心逻辑,包括按网格查找服务人员、评分排序、负载过滤和相邻网格溢出。
from dataclasses import dataclass, field from typing import Optional from collections import defaultdict class ServiceWorker: """服务人员信息""" worker_id: str name: str grid_ids: list # 绑定的服务网格列表 rating: float = 0.0 # 综合评分 current_orders: int = 0 # 当前进行中订单数 max_orders: int = 5 # 最大并发接单数 def is_available(self): return self.current_orders < self.max_orders class DispatchScheduler: """区域派单调度器""" def __init__(self): self.grid_workers = defaultdict(list) # grid_id -> [ServiceWorker] self.worker_map = {} # worker_id -> ServiceWorker def register_worker(self, worker: ServiceWorker): """注册服务人员并绑定到对应网格""" self.worker_map[worker.worker_id] = worker for grid_id in worker.grid_ids: self.grid_workers[grid_id].append(worker) def dispatch(self, grid_id: str, exclude_ids: set = None) -> Optional[ServiceWorker]: """ 根据网格ID派单,优先同网格,其次相邻网格 exclude_ids: 已尝试过的服务人员ID集合,用于重试时排除 """ exclude_ids = exclude_ids or set() # 第一步:在同网格内查找可用服务人员 candidates = [ w for w in self.grid_workers.get(grid_id, []) if w.is_available and w.worker_id not in exclude_ids ] if candidates: # 按评分降序、当前订单数升序排列,选出最优人员 candidates.sort(key=lambda w: (-w.rating, w.current_orders)) return candidates[0] # 第二步:同网格无可用人员,向相邻网格溢出搜索 neighbor_grids = self._get_neighbor_grids(grid_id) for neighbor_id in neighbor_grids: neighbors = [ w for w in self.grid_workers.get(neighbor_id, []) if w.is_available and w.worker_id not in exclude_ids ] if neighbors: neighbors.sort(key=lambda w: (-w.rating, w.current_orders)) return neighbors[0] return None # 所有网格均无可用人员 def _get_neighbor_grids(self, grid_id: str) -> list: """获取相邻网格ID列表(简化实现:截取前缀匹配)""" prefix = grid_id[:-1] return [gid for gid in self.grid_workers if gid.startswith(prefix) and gid != grid_id]
四、设计要点总结
关于GeoHash精度的选择:精度过高会导致网格过小,大量网格内无服务人员;精度过低则区域划分失去意义。建议根据城市密度和服务人员数量做压测调优,一般家政场景取5~7位即可。
关于派单策略的扩展:上述代码中的排序策略是"评分优先+负载最低",实际项目中可以引入更多维度,比如服务人员与用户的实际距离(通过路网距离而非直线距离)、历史服务完成率、用户偏好标签匹配等。
关于并发安全:在高并发抢单场景下,current_orders的更新需要加分布式锁或使用数据库乐观锁,避免超派。
关于区域动态调整:城市的服务需求会随时间变化(如新小区交付、商圈迁移),建议设计定时任务根据历史订单热力图动态调整网格划分和服务人员绑定关系。
以上是家政同城服务平台区域派单系统的核心设计思路和关键代码实现,整体思路是"GeoHash网格化 + 多级调度 + 溢出兜底",这套方案在本地生活服务领域有广泛的适用性。