干这行十二年，见过太多老板因为ES数据倾斜拍大腿。特别是搞地图、物流、即时零售的兄弟，一上Geo点，集群直接变单点。CPU飙红，查询卡顿，老板问“为啥这么卡”，你只能尴尬地笑。其实真不是ES不行，是你没搞懂Geo空间均匀分布的门道。
很多人以为，把经纬度扔进ES就完事了。天真。大错特错。
我见过最离谱的案例，某头部外卖平台，初期为了省事，直接用默认的Geo Point类型。结果呢？热点区域的数据全挤在一个分片里。比如市中心，那数据量是郊区的几十倍。查询一个周边搜索，其他分片还在睡觉，主分片已经累吐血了。这就是典型的Geo空间均匀分布没做好。
别信那些“加索引就行”的鬼话。加索引只是第一步，怎么分片才是核心。
首先，你得接受一个现实：地球是圆的，但ES处理的是平面网格。这就有了天然的矛盾。如果你直接用Lat/Lon，高纬度地区的点会被压缩，低纬度地区被拉伸。这种不均匀，会导致分片负载极度失衡。
我的建议是，换用Geo Hash或者更高级的Geo Tile。
Geo Hash有个毛病，边界效应太明显。两个点离得近，但Hash值可能差十万八千里。这会导致查询时，ES得扫很多无关的分片。虽然能解决一部分均匀问题，但不够优雅。
现在更推荐用Geo Tile。特别是64位的Geo Tile。它能更好地模拟空间连续性。把经纬度转换成Tile ID，然后以这个ID作为分片键。这样，空间上相近的点，大概率落在同一个分片。不仅查询快，而且数据分布更均匀。
但是，这里有个坑。很多团队直接拿业务主键或者时间戳做分片。千万别这么干。时间序列数据，前期写入量巨大，后期几乎没人查。这种倾斜，比Geo点更可怕。
一定要用Geo Tile ID做主分片键。或者，至少把Geo Tile ID作为复合分片键的一部分。
比如，你可以用 geo_tile_id 和 business_date 组合。这样既保证了空间上的均匀，又照顾到了时间序列的写入性能。当然，这需要你在数据建模阶段就做好规划。别等数据进来了，再想办法洗数据。那时候，哭都来不及。
还有，别忽视副本数。很多老板为了省钱，副本设成0。或者设成1。在Geo查询场景下，副本数至少得是2。为什么？因为Geo查询通常是读多写少。副本不仅能提高可用性，还能分担读压力。如果主分片因为热点数据卡住了，副本可以顶上去。
另外，查询策略也很关键。别一上来就搞半径搜索。半径搜索在数据量大时，性能很差。建议先用Geo Tile做初步过滤，缩小范围，再在子集中做精确计算。这种“粗筛+精算”的策略，能提升好几倍的效率。
我有个客户，之前用半径搜索，QPS只有几百。改成Tile过滤后，QPS飙到几千。老板高兴得请我们吃火锅。那火锅真香，但背后的技术债，是他们之前偷懒欠下的。
最后，监控不能少。别等崩了才看。要实时监控每个分片的负载。如果发现某个分片数据量异常大，那就是Geo空间均匀分布出了问题。这时候，可能需要重新索引，调整分片策略。
记住，没有完美的架构，只有最适合的。Geo点分布不均，不是ES的锅，是你的设计没跟上。别总怪工具不好用，先看看自己有没有用心。
这行水很深，但也很有趣。看着数据从混乱到有序，那种成就感，比拿奖金还爽。希望这篇文章，能帮你少加几天班。毕竟，头发只有一根，别让它掉光了。
本文关键词：es geo 空间均匀
