导读：我们经常使用打车软件出行，也经常思考其架构设计。本文作者在所在国家也负责开发一款打车软件，并且开源了其中大部分代码，可以帮助我们更好了解网络约车软件的架构体系。本文由高可用架构翻译。
各位读者好，本文将给大家分享我们如何通过内存存储实现地图动画车效果。 我们公司也运营了一个类似 Uber 的软件 Namba Taxi，我们需要在客户端主屏幕上显示动画车。 这篇文章是关于功能如何完整实现的文章，主要目的不是介绍 Go 语言。
开始
这个故事始于2015年，我们的移动开发人员开发一款软件，工作主题是为出租车司机提供打车服务。 在应用程序中，动画汽车看起来像下面的图中动画那样 [1] 。
我们的第一个挑战是缺乏地图跟踪数据。我们每 15 秒获取一次位置数据。 我们不能简单减小上报间隔，因为当司机端程序上行数据时候，同时需要获取当前订单，下一个订单，以及一些警报功能（一个SOS按钮， 当司机按下它，其他司机就可以帮助他）。当我们减少更新间隔时，系统流量更大。 我们不确认我们是否能够扛住如此大的刷新。
实现的第一步
我们第一次的尝试比较简单：
处理请求并保存坐标。
创建另一个请求并为汽车设置动画。
显而易见，这样做存在一些问题，如大家在一些打车软件所见，我们不能正确地绘制汽车路线，汽车可能跑在田野，森林，湖泊和公寓上，用这种方法后效果看起来是这样的 [2]。
作为问题的解决方案，我们使用 OpenStreetMap Routeing Machine（OSRM）来规划线路并改进我们的算法，并使用相同的超时设置。
发起请求。
获取坐标。
将保存的坐标发送到服务器。
通过 OSRM 构建路线。
返回数据到客户端。
通过线路规划体系，现在似乎可以工作了，但我们又面临单向道路的问题
例如，司机停留在红点的十字路口。 但他的设备位置准确性有问题，导致数据标记在十字路口的对面。 在客户端，我们获取这些坐标，保存并发送到后端，OSRM 建立一个合法的路线，并返回给应用程序。因为客户端移动得非常快，所以这种情况路线规划很可笑。
我们以一种朴素的方式解决了这个问题。 我们检查两点之间的最短距离，并且不建立距离小于 20 米的路线。 使用该算法经过几天的测试后，我们决定发布我们的应用程序并希望获取一些反馈。
尽管如此，我们的版本还存在一些问题，所以我们决定进行第二次迭代。
第一是车费计算器，计算是在司机端（客户端）完成，这样避免发送无用的请求，可以节约很多服务端资源。 另一方面，为了安全等方面考虑，我们需要在服务器端复制数据并保存它。
此外，我们意识到每 15 秒一次上报太少，因为用户在屏幕打开后，15秒后才会看到车在移动。
此外，我们在司机端的 GPS 模块有很多问题，这个可能跟司机的手机设备相关。
最后，我们想要在主屏幕上渲染动画车。
还需要解决的问题
从司机收集更多的数据
在主屏幕上显示动画车
在服务器端存储行车过程中计费数据
节约移动流量
每秒收集一次数据
我想谈一谈有关节约移动流量带宽的问题。在我们国家，出租车收费非常便宜，我们像使用公共交通那样使用出租车。 例如，从城市的一边跑到另一边可能只需要 2 欧元，这就跟在巴黎坐地铁价格差不多。但另外一方面移动带宽成本还也很高，如果我们每秒节约 100 字节，那么我们将给为公司节省差不多 2000 美元。
数据追踪
司机位置（纬度，经度）
司机当前的 session 信息，在登录时我们会给司机端提供 session id
订单信息（订单 ID 和车费）
我们决定每一次数据上报应小于 100 字节。 我们寻找传输协议来解决这个问题
正如你可以看到，我们审视了以下几个协议：
HTTP
WebSockets
TCP
UDP
对我们来说理想的选择是 UDP，因为：
我们只发送数据报
我们不需要保证送达
极简主义
保存大量数据
只有 20 字节开销
在我们的国家的移动网络没有被阻止
至于数据序列化，我们考察了：
JSON
MsgPack
Protobuf
我们选择 ProtoBuf，因为它对小数据非常有效。
以看到最近的竞争对手是 PB 的三倍。（小编：可以参考 TimYang 的一条微博 [3] ）
每次上报总共的数据
42 字节的业务数据
加上 20 字节的 IP 报头
得到每次上报 62 字节数据
当我们获得数据时，我们考虑如何存储。
数据存储
我们需要存储这些数据：
标识司机的会话信息 session id
车牌号
订单 ID 和计费信息
执行搜索的最后位置
N 次最后位置以规划路线
使用的存储
使用 Percona 存储所有数据。 我们存储司机，订单，计费等。
Redis 作为用于缓存。
Elasticsearch 用于地理编码
如上所述，当有大量在线司机时候，使用这些存储来保存数据并不方便。 所以我们需要地理索引。
我们评估了两个地理索引：
KD 树
R 树。
我们对地理索引的要求：
搜索 N 个最近的点。
我们需要一个平衡树，以在最糟糕的情况下提供最好的搜索
KD 树
KD 树并不适合我们的需要，因为它是不平衡的，只能搜索一个最近的点。 我们可以在 kd-tree 上实现 k-nearest 邻居，但是没必要重造轮子，因为 R-tree 已经解决了这个问题。
R-树
它看起来像这样。 我们可以执行搜索 N 个最近点，并且它是平衡树。 我们选择了这个。
您可以得到它的 Go 语言实现源码 [5]。
另外，我们需要一个过期机制，因为我们需要使司机的超时机制，比如司机端 900 秒没有响应则在服务器删除会话。 所以我们需要 LRU 数据结构来存储最后的位置。 同时因为我们只存储 N 个位置。 如果我们尝试添加数据时候，队列存储已满，我们则删除最少使用的那个条目。
下面是我们的存储架构。
我们将所有数据存储在内存中。
我们使用 R-tree 执行搜索最近的司机。
此外，我们使用两个检索图，可以并按车牌号或session执行搜索
我们打车软件最终算法
这里是后端的最终算法：
使用 UDP 传输数据
尝试从存储获取司机
如果存储不存在 - 则从 Redis 获取司机
检查并验证数据
将司机保存到存储
如果不存在 - 初始化 LRU
-
更新 r-tree
HTTP 接口
我们实现了这些接口：
返回最近的司机；
从存储中删除司机（通过车牌号或session id）
获取行程信息
获取司机信息
结论
最后，我想给出我们在后端系统中总结的经验：
UDP Protobuf 以节省数据
内存存储
R 树获取最近的司机
LRU 缓存用于存储最后的 n 个位置
-
OSRM 用于地图匹配和定制路线
您可以在 github [5] 上查看上面整个过程的源代码。现在功能还比较简单，但实现了文章中描述的许多功能。
参考资源
GIF 动画下载：https://cdn-images-1.medium.com/max/1600/1*nI6cNApASR1mg6F5Sjgp7Q.gif
https://cdn-images-1.medium.com/max/1600/1*KfGB1SARPoqOUtPtl4NNBg.gif
http://weibo.com/10503/24F1QpDmL
https://github.com/dhconnelly/rtreego
https://github.com/maddevsio/openfreecabs
本文英文原文：https://blog.maddevs.io/how-we-built-a-backend-system-for-uber-like-map-with-animated-cars-on-it-using-go-29d5dcd517a#.npo2x5788
推荐阅读
本文由高可用架构翻译，转载请注明出处，技术原创及架构实践文章，欢迎通过公众号菜单「联系我们」进行投稿。
高可用架构
改变互联网的构建方式
长按二维码 关注「高可用架构」公众号
