elasticsearch 经纬度查询

curl -XPUT "http://localhost:9200/shop/" -d '{
  "mappings": {
    "shop": {
      "properties": {
        "name": {
          "type": "string"
        },
        "location": {
          "type": "geo_point",//经纬度类型
"lat_lon": true,
"fielddata": {
      "format":    "compressed", //压缩模式，节省内存
      "precision": "3m"
    }
        }
      }
    }
  }
}';

curl -XPUT http://localhost:9200/shop/shop/1 -d'
{"name": "北京", "location" : "39.9047253699,116.4072154982"}
';
curl -XPUT http://localhost:9200/shop/shop/2 -d'
{"name": "顺义", "location" : "40.1299127031,116.6569478577"}
';
curl -XPUT http://localhost:9200/shop/shop/3 -d'
{"name": "天津", "location" : "39.0850853357,117.1993482089"}
';
curl -XPUT http://localhost:9200/shop/shop/4 -d'
{"name": "上海", "location" : "31.2304324029,121.4737919321"}
';

curl -XGET "http://localhost:9200/shop/shop/_search?pretty" -d '{
  "query": {
    "filtered": {
      "filter": {
        "geo_distance": {
          "distance": "28km",
  "type":    "indexed",
  "distance_type": "sloppy_arc",
          "location": {
            "lat":  39.9682060617,
            "lon":  116.4107280170
          }
        }
      }
    }
  },
  "sort": [     //按距离排序
    {
      "_geo_distance": {
        "location": {
          "lat":  39.9682060617,
          "lon":  116.4107280170
        },
        "order":         "asc",
        "unit":          "km",
        "distance_type": "sloppy_arc" //推荐适应此模式 plane 不准，精度太差
      }
    }
  ]
}'

再举一个更加实际的例子
curl -XGET "http://localhost:9200/shop/shop/_search?pretty" -d '{
  "query" : {
    "function_score" : {
      "query" : {
        "bool" : {
          "filter" : {
"geo_distance": {
"distance": "28km",
"type":    "indexed",
"distance_type": "sloppy_arc",
"location": {
            "lat":  39.9682060617,
            "lon":  116.4107280170
}
}
          }
        }
      },
      "functions" : [ {
        "script_score" : {
          "script" : {
            "inline" : "return 0"
          }
        }
      },{
     "gauss": {   //按举例远近打分
                  "location": {
                     "origin": "39.9682060617,116.4107280170",
                     "scale": "5km",
                     "offset": "0",
                     "decay": 0.5
                  }
               },
               "weight": "1"
      } ],
      "score_mode" : "sum",
      "boost_mode" : "replace"
    }
  }
}'
此时你会看到北京的得分是0.25分，因为差5公里，衰减0.5， 北京距此坐标7公里，所以取值0.25.

2.3 版本的mapping 可以写成
curl -XPUT "http://localhost:9200/shop/" -d '{
  "mappings": {
    "shop": {
      "properties": {
        "name": {
          "type": "string"
        },
        "location": {
          "type": "geo_point",
"lat_lon": true, //倒排索引
"geohash": true,
"geohash_prefix":     true,
"geohash_precision":  "50m"
        }
      }
    }
  }
}';
其实它还支持多个地址，例如
curl -XPUT http://localhost:9200/ext-shop/ext-shop/5 -d'
{"name": "京津冀", "location" : [[116.4072154982,39.9047253699],[116.6569478577,40.1299127031]]}
';
佩服ES的强大