Google地图大数据量处理的探讨

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

最近用到了Google地图进行开发,对Google地图的API有了初步的认识。使用Google API开发一般都会用到Marker,用来标注位置。本文将对显示大数据量的Marker进行研究和讨论。

问题提出:

   如果你需要在地图上展示大数据量的Marker,就会发现两个问题。

  1、性能问题:如果在地图上添加越多的Marker,使用起来就会感觉速度越慢。速度的快慢还取决浏览器和计算机的配置。在google浏览器上会比IE上快很多。

   2、可用性问题。地图上Marker越多,就会越不宜用。当然这还取决于Marker的密集度。如果这些Marker都很分散,关系不是很大。如果很密集,用户就看不到地图上的东西了。如下图:显示10个、100个问题不大。当显示1000个的时候,地图被这些Marker占据了。

    显示10个marker,没有什么问题

显示100个,感觉有点拥挤了。

显示1000个,根本看不到地图上任何东西了。

 

解决方案:

方案一:减少显示数量

1、在我们系统中,可以通过一个搜索框。比如:通过搜索,在地图上标注深圳所有沃尔玛超市的位置。

2、加过滤。原则跟上面一样,减少显示的Marker。如:加一个过滤机制,只标注人口超越100W的城市。

方案二:集群显示

    前面两种都是通过减少marker显示的数量来解决问题的,下面看看如果不减少marker的数量来到底同样的效果。方案就是通过集群的方式。根据一定规则将Marker划分到不同的群中。根据地图的不同缩放级别显示不同的marker集群。当地图缩放的时候,继续将更多的相关的marker集中在这个组中,用这个组代替marker显示。当放大到一定级别再显示marker本身。如1000个marker展示为下图:

当缩小地图显示层级时,继续进行相关集群:

但放大地图显示层级的时候分散集群:

那又根据什么规则来集群的呢?下面介绍三种集群的方式:

1、基于网格:将地图分割成很多网格。根据地图不同的缩放级别的在同一个网格中的marker集群在一个分组中。

2、基于距离:这个很好理解,将距离近的marker显示在一个分组中。

3、基于分区:我们可以将地图分成不同的分区,比如根据省份将地图分成不同的分区。将省份中的marker集中在一起显示。

示例:

下面我通过例子来实现以上的效果。

1、使用MarkerClusterer,MarkerClusterer是一个google地图第三方的类库。它是基于网格分组的。

创建地图:

1
2
3
4
5
6
7
// 创建地图
var  options = {
zoom: 12,
center: new  google.maps.LatLng(22.50, 114.07),
   mapTypeId: google.maps.MapTypeId.ROADMAP
};
var  map = new  google.maps.Map(document.getElementById( 'map' ), options);

在可视的地图范围内创建1000个marker,并使用MarkerClusterer显示

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
google.maps.event.addListenerOnce(map, 'bounds_changed' , function () {
 
   // 获取地图分界线
   var  bounds = map.getBounds();
   
   // 获取地图的角
   var  southWest = bounds.getSouthWest();
   var  northEast = bounds.getNorthEast();
   
   // 计算地图从上到下的距离
   var  latSpan = northEast.lat() - southWest.lat();
   
   // 计算地图从左到右的距离
   var  lngSpan = northEast.lng() - southWest.lng();
   
   // 创建数据保存Marker对象
   var  markers = [];
   
   // 创建一个循环
   for  ( var  i = 0; i < 1000; i++) {
     
     //创建随机数
     var  lat = southWest.lat() + latSpan * Math.random();
     var  lng = southWest.lng() + lngSpan * Math.random();
     var  latlng = new  google.maps.LatLng(lat, lng);
     
     // 创建Marker,注意它没有添加到地图上面
     var  marker = new  google.maps.Marker({
       position: latlng
     });
 
     // 将Marker添加到数组中
     markers.push(marker);
    
   }
 
   //创建一个MarkerClusterer对象,将marker数组对象传递给它
   var  markerclusterer = new  MarkerClusterer(map, markers);
       
});

2、使用markermanager。markermanager是基于分区的方式的。

    下面我在定义两个省份的marker:湖南和广东。湖南这个分区中定义长沙、常德、永州三个城市。广东定义广州、深圳、东莞三个城市。但层级大于6显示城市,否则显示省份的集群。代码如下:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
( function () {
 
   window.onload = function () {
 
     // 创建地图
   var  options = {
       zoom: 5,
       center: new  google.maps.LatLng(26.41, 111.61),
       mapTypeId: google.maps.MapTypeId.ROADMAP
   };
     var  map = new  google.maps.Map(document.getElementById( 'map' ), options);
     
     // 初始化MarkerManager 
     var  mgr = new  MarkerManager(map);
 
 
       // 创建表示湖南的marker
       var  hunan = new  google.maps.Marker({
       position: new  google.maps.LatLng(28.19, 112.98),
           icon: 'img/cluster.png'
       });
 
       // 给hunan添加一个点击事件
       google.maps.event.addListener(hunan, 'click' , function () {
 
           //设置地图的层级
           map.setZoom(7);
 
           // 设置中心点
           map.setCenter(hunan.getPosition());
 
       });
 
       // 创建表示广东的marker
       var  guangdong = new  google.maps.Marker({
       position: new  google.maps.LatLng(22.50, 114.07),
           icon: 'img/cluster.png'
       });
 
       // 给hunan添加一个点击事件
       google.maps.event.addListener(guangdong, 'click' , function () {
 
           //设置地图的层级
           map.setZoom(7);
 
           // 设置中心点
           map.setCenter(guangdong.getPosition());
 
       });
 
 
       var  states = [hunan, guangdong];
     // 创建湖南和广东省的城市
     var  cities = [
       // 永州
       new  google.maps.Marker({ position: new  google.maps.LatLng(26.41155054662258, 111.610107421875) }),
       // 常德
       new  google.maps.Marker({ position: new  google.maps.LatLng(29.017748018496046, 111.68701171875) }),
       // 衡阳
       new  google.maps.Marker({ position: new  google.maps.LatLng(28.22697003891834, 112.91748046875) }),
       // 广州
       new  google.maps.Marker({ position: new  google.maps.LatLng(23.120153621695614, 113.2470703125) }),
       // 深圳
       new  google.maps.Marker({ position: new  google.maps.LatLng(22.512556954051437, 114.0380859375) }),
       //东莞
       new  google.maps.Marker({ position: new  google.maps.LatLng(22.998851594142913, 113.75244140625) })
     ];
 
     // 在使用MarkerManager之前,确保MarkerManager已经加载
     google.maps.event.addListener(mgr, 'loaded' , function () {
       
       // 这些marker在 1 到 5显示
       mgr.addMarkers(states, 1, 5);
       
       // 这些marker在大于6显示
       mgr.addMarkers(cities, 6);
 
       // 将MarkerManager添加到地图上
       mgr.refresh();
       
     });
 
   };
         
})();

集群显示:


点击集群,分散显示marker。


总结:本文就google地图大数据量的显示进行了探索,介绍了几种大数据量处理的方式。

代码下载:http://files.cnblogs.com/zhuqil/WebApplication2.rar




本文转自麒麟博客园博客,原文链接:http://www.cnblogs.com/zhuqil/archive/2011/01/23/google_map_massive_data_handle.html,如需转载请自行联系原作者

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps&nbsp;
相关文章
|
2月前
|
SQL 监控 大数据
"解锁实时大数据处理新境界:Google Dataflow——构建高效、可扩展的实时数据管道实践"
【8月更文挑战第10天】随着大数据时代的发展,企业急需高效处理数据以实现即时响应。Google Dataflow作为Google Cloud Platform的强大服务,提供了一个完全托管的流处理与批处理方案。它采用Apache Beam编程模型,支持自动扩展、高可用性,并能与GCP服务无缝集成。例如,电商平台可通过Dataflow实时分析用户行为日志:首先利用Pub/Sub收集数据;接着构建管道处理并分析这些日志;最后将结果输出至BigQuery。Dataflow因此成为构建实时数据处理系统的理想选择,助力企业快速响应业务需求。
141 6
|
4月前
|
域名解析 JavaScript 网络协议
技术心得记录:如何使用google地图的api(整理)
技术心得记录:如何使用google地图的api(整理)
372 0
|
5月前
|
SQL 存储 人工智能
Google BigQuery深度解析:云端大数据分析服务的威力
【4月更文挑战第8天】本文是关于Google Cloud Platform的BigQuery在大数据和云技术领域的应用分析。BigQuery的核心特性包括无服务器、全托管架构,实现高性能的超大规模并行处理,并严格遵循安全与合规标准。在实战应用中,它用于数据湖分析、机器学习与AI,以及实时数据分析与BI。BigQuery的极致性能、易用性和与GCP生态的整合,使其成为云端大数据分析的强大工具,适用于各种行业场景,帮助企业释放数据价值。作者将持续分享相关技巧和最佳实践。
606 0
|
5月前
|
数据可视化 定位技术 API
Google Earth Engine(GEE) ——土著土地地图数据集
Google Earth Engine(GEE) ——土著土地地图数据集
56 1
|
5月前
|
定位技术 API
Google Earth Engine(GEE)——如何给地图添加一个不同底图
Google Earth Engine(GEE)——如何给地图添加一个不同底图
120 0
|
5月前
|
机器学习/深度学习 编解码 人工智能
Google Earth Engine(GEE)——2019年数字地球非洲的耕地范围地图
Google Earth Engine(GEE)——2019年数字地球非洲的耕地范围地图
43 0
|
5月前
|
JSON 定位技术 API
谷歌地图接口Google Maps APIs中地图样式设计配置调整与JSON或URL导出
谷歌地图接口Google Maps APIs中地图样式设计配置调整与JSON或URL导出
|
5月前
|
存储 弹性计算 大数据
【云计算与大数据技术】Google、亚马逊、IBM、阿里云等云计算应用平台介绍讲解(超详细)
【云计算与大数据技术】Google、亚马逊、IBM、阿里云等云计算应用平台介绍讲解(超详细)
358 0
|
JSON 小程序 定位技术
Google Maps APIs地图样式的设计与导出方法
本文介绍在谷歌地图API(Google Maps APIs)中,设计地图样式并将设计好的样式通过JSON或URL导出的方法~
282 1
Google Maps APIs地图样式的设计与导出方法
|
JavaScript 前端开发 定位技术
最佳网络地图服务对比分析:Google Maps 与 OpenStreetMap
最佳网络地图服务对比分析:Google Maps 与 OpenStreetMap
527 0
最佳网络地图服务对比分析:Google Maps 与 OpenStreetMap