如何在类Yelp、Uber的位置服务场景中使用S2地理库？

周边餐厅检索场景S2接入流程 #

你可以直接按照以下步骤替换原有自行维护四叉树的方案：

• 预处理全量餐厅数据：为每个餐厅的经纬度生成对应检索精度层级的S2 Cell ID，和餐厅基础信息一并存入数据库，同时为S2 Cell ID字段建立普通索引即可。
  参考生成逻辑示例：S2CellId.FromLatLng(S2LatLng.FromDegrees(餐厅纬度, 餐厅经度)).parent(目标层级)
  建议本地生活场景选择15_{17级S2层级，对应精度10米}100米，完全覆盖周边检索的精度需求
• 处理用户查询请求：拿到用户经纬度和查询半径后，先将该圆形查询区域转换为S2 Cell覆盖集合，该集合会包含所有可能落在查询范围内的S2 Cell
• 召回候选数据：用覆盖集合中的所有S2 Cell ID作为检索条件，从数据库中批量命中对应Cell下的餐厅，得到初步候选集
• 精确过滤结果：对候选集做精确的球面距离计算，过滤掉超出查询半径的无效数据，返回最终结果即可

是否可以替代自行维护四叉树 #

完全可以，不需要再自行维护四叉树。
你自行维护四叉树需要额外处理节点分裂、邻接节点查询、多节点数据同步、精度适配等大量工程问题，S2已经把所有空间索引的底层逻辑封装完成，官方提供了多语言的实现库，直接调用即可，鲁棒性和查询效率都远高于自定义实现的四叉树。

底层逻辑认知验证 #

你的理解基本正确，补充两点细节即可：

• S2的四叉树是构建在单位球面上的，没有平面四叉树的投影变形问题，全球任意位置的Cell精度都是统一的，更适配跨地域的LBS服务
• 64位S2 Cell ID本身已经编码了四叉树的层级、节点路径等全部信息，且相邻位置的Cell ID因为希尔伯特曲线的特性，数值上大概率是连续的，天然适配数据库的范围查询特性，不需要额外做邻接节点的遍历逻辑

内容的提问来源于stack exchange，提问作者Dipen