一起来聊聊虚拟红包的技术实现

Posted 2020-09-04 xiangzhihong8

2017年1月20日，腾讯发布消息称将推出Q-Glass，除了一般VR眼镜的标配功能外，Q-Glass还能实现眨眼抢红包。听起来是不是很酷炫？上市时间可要在10年后。不过，2016年底支付宝首推AR实景红包，QQ也紧随其后，一场AR实景红包大战悄然打响。
作为最近两年比较热门的技术，VR技术悄然成为移动技术之后有一大竞相追逐的技术，目前市面上比较成熟和出名的VR开发商，诸如：Google VR，Oculus，HTC Vivi。而已Google VR最为成功并商业化。关于这个可以参考我之前的介绍Google VR实践

不过今天我要说的是VR在我们生活中的应用，并且是大家已经用过的，相信大家在2017年年底的时候，一定玩过支付宝/qq(AR虚拟现实)藏红包、找红包吧，想象一下，你可以把你的红包藏在世界各地的任意角落，让全世界的人通过扫描来找红包，是不是觉得很酷，那么要实现这种功能，怎么做呢？

相信大家都玩过AR红包，这里就不介绍如何玩了。

AR红包技术实现分析

其实AR红包综合了GIS(LBS)、图像识别与秒杀技术等技术：

藏红包

1. 藏红包的地点，即地球坐标（经纬度），在藏红包时会记录下这个红包的经纬度。
2. 藏红包的标识（图片），即藏红包现场拍的照片，在藏红包时，会存下这张图。
3. 藏好红包后，将生成的红包数据打包到服务器

找红包

1. 将你附近的红包展示出来，比如方圆2公里有哪些人藏了红包，并且把他们的坐标信息也在地图上展示出来，方便你前往找红包
2. 当你抵达红包坐标附近（比如50米内）时，你就可以拿起手机，根据红包提供的模糊化图片线索，扫描物体（即藏红包的图片），当你扫描的图片和藏红包时拍的图片完全匹配时，找红包成功。

当就这两个功能来说，主要涉及到以下技术：

1. 地理位置信息的处理：红包位置的展示（将你的位置以及附近藏的红包位置分别在地图上展示出来），近邻查询（根据你所在的经纬度，查找你附近的红包）
2. 图片相似度识别：找红包的人拍的照片 与 藏红包时拍下的照片 进行比对，相似度达到一定程度时，表示红包被找到了。
3. 秒杀特性：例如你在一处藏了一个红包，那么可能有很多人同时在抢（不过这个秒杀应该比不上双十一，因为是小范围秒杀）。

不过，这几个功能在PostgreSQL数据库中都可以高效的实现，是不是很棒？那么接下来我们来看看PostgreSQL如何处理这两项需求的吧，顺便看看性能如何？

PostGIS插件

在AR红包的业务中，地理位置信息的处理主要包括以下两个方面：

1. 根据你的位置，搜索附近的红包。即KNN搜索（如 select * from table where loc <-> poc<1公里orderbyloc<−>poc<1公里orderbyloc<−>poc）
2. 根据用户的位置，红包的位置，计算用户与红包的距离。而在这个模型中，有个最常见的外围插件–PostGIS

PostGIS在军工、科研、民用场景都非常的流行，包括我们常见的精细地表raster探测，天文研究、地图、路径规划等应用中都可以看到PostGIS的影子，本文只用到了PostGIS的一小部分功能：GIS数据类型、GIST索引、近邻查询。

来看一张PostGIS在实际应用的图解：

详细的用法和测试方法参考

《PostgreSQL 百亿地理位置数据 近邻查询性能》

更多文章和详细的PostGIS功能可以参考

《如何建立GIS测试环境 - 将openstreetmap的样本数据导入PostgreSQL PostGIS库》

《聊一聊双十一背后的技术 - 物流、动态路径规划》

图像近似度处理

在PostgreSQL的的生态圈中，有很多这样的插件来满足图片搜索的需求，同时也支持图像相似度值的计算

1，使用Haar wavelet算法的imgsmlr插件

https://github.com/postgrespro/imgsmlr

2，使用图片RGB点阵组成的数组来计算相似度的插件-smlar

《从相似度算法谈起 - Effective similarity search in PostgreSQL》

参考

《从相似度算法谈起 - Effective similarity search in PostgreSQL》

《PostgreSQL 在视频、图片去重，图像搜索业务中的应用》
https://github.com/postgrespro/imgsmlr

3，使用图片RGB点阵组成的数组转成tsvector来计算相似度的插件-RUM

RUM计算相似度时带上了位置信息，精确度更高。比如（0,1,2,3,4,5与0,0,2,3,4,5与5,1,4,2,3,0与2,3,4,5,0,1）。其中0,1,2,3,4,5是原始点阵的值，那么0,0,2,3,4,5可能是有一定误差的值(因为依旧是线性相关的)，而2,3,4,5,0,1出现了角度偏差（可以通过技术手段比如rum，把数据拉成环状修正），可能是图片拍摄角度造成的。但是5,1,4,2,3,0可能就不是那个图像了。

参考：
《从难缠的模糊查询聊开 - PostgreSQL独门绝招之一 GIN , GiST , SP-GiST , RUM 索引原理与技术背景》

AR 藏红包如何计算图片匹配

我们在AR藏红包的业务中，只需要用到计算近似值的功能即可，以上两个插件都可以很好的满足。比如使用RGB点阵时，在应用程序端生成RGB点阵，发送给数据库，与存储在数据库中的点阵进行相似度计算即可。

藏红包时的图像数字化流程如下：

1. 拍照，点阵RGB串成数组或转换为tsvector（带距离计算，相似度更加准确），将红包的位置信息、图片RGB点阵存储到数据库中

找红包，匹配图像时的流程如下：

1. 拍照，生成点阵，提交给服务端，进行图像匹配，匹配方法参考前面的三种方法之一即可，当然也可以考虑更高效的方法，搞进PostgreSQL的插件里面来。

注意，如果从服务端提取点阵，在客户端比对，这种做法虽然节省了服务端开销，但是这种做法可能存在漏洞，客户端可以被HACK，直接匹配上。

秒杀

目前业务层面只支持近距离找红包，所以通常来说，抢一个红包的人群不会太多。并且我们肯定会对操作数量限制的做淘汰操作。那么如果有上亿人同时秒杀一个红包怎么做呢？PostgreSQL同样有独门秘技来支持秒杀。

参考：

《聊一聊双十一背后的技术 - 不一样的秒杀技术, 裸秒》
《PostgreSQL 使用advisory lock或skip locked消除行锁冲突, 提高几十倍并发更新效率》

总结

随着AR的技术越来越流行，地理位置、图像、视频、声音等特殊数据类型的处理会越来越常见，数据库应该与时俱进，不能再仅仅存储和处理文本、数字这么简单的功能，其综合技术的发展将日新月异。
而另一方面，PostgreSQL的高扩展能力，为AR提供了坚实的技术基础，不仅能存，更能高效处理。