資訊專欄INFORMATION COLUMN
摘要：本篇文章已授權(quán)微信公眾號(hào)郭霖獨(dú)家發(fā)布老規(guī)矩先上圖最近沒有什么時(shí)間，后面項(xiàng)目再補(bǔ)上詳細(xì)說明百度地圖新增點(diǎn)聚合功能。百度地圖是把整個(gè)地球是按照一個(gè)平面來展開，并且通過墨卡托投影投射到坐標(biāo)軸上面。上圖很明顯墨卡托投影把整張世界地圖投影成。
本篇文章已授權(quán)微信公眾號(hào) guolin_blog （郭霖）獨(dú)家發(fā)布
老規(guī)矩先上圖
最近 沒有什么時(shí)間，后面項(xiàng)目再補(bǔ)上詳細(xì)說明
百度地圖SDK新增點(diǎn)聚合功能。通過該功能，可通過縮小地圖層級(jí)，將定義范圍內(nèi)的多個(gè)標(biāo)注點(diǎn)，聚合顯示成一個(gè)標(biāo)注點(diǎn)，解決加載大量點(diǎn)要素到地圖上產(chǎn)生覆蓋現(xiàn)象的問題，并提高性能。
加入異步添加屏幕上圖片，
只加載屏幕范圍內(nèi)的圖片
優(yōu)化渲染邏輯
大大減少運(yùn)算的時(shí)間（經(jīng)過測(cè)試1W張不同經(jīng)緯度的圖片 300-500ms 可以計(jì)算完畢）
1、如何添加點(diǎn)聚合功能到項(xiàng)目中；
2、整體結(jié)構(gòu)分析；
3、核心算法分析。
如官網(wǎng)所示，添加點(diǎn)聚合的方法分為三步：
1、聲明點(diǎn)聚合管理類為全局變量，并初始化。核心代碼如下圖：
MarkerOptions opts = new MarkerOptions().position(cluster.getPosition())
.icon(BitmapDescriptorFactory.fromBitmap(XX));
Marker marker = (Marker) mMap.addOverlay(opts);
如上圖，點(diǎn)聚合有四個(gè)類
1、Cluster數(shù)據(jù)：主要是聚合后的數(shù)據(jù)類型
2、四叉樹：記錄初始范圍內(nèi)的所有圖片并以四叉樹的數(shù)據(jù)結(jié)構(gòu)組織。核心算法需要用到的數(shù)據(jù)結(jié)構(gòu)，后面再講；
3、點(diǎn)聚合算法：基于四叉樹的核心算法。后面講；
4、Cluster管理：對(duì)外接口，通過調(diào)用核心算法實(shí)現(xiàn)點(diǎn)聚合功能、
整個(gè)功能的主要流程有兩條：
1、添加item：Cluster管理類添加item接口 算法類添加item接口：記錄所有的圖片信息 四叉樹類添加item接口：已四叉樹的結(jié)構(gòu)記錄所有圖片信息
2、獲取聚合后的集合：Cluster管理類獲取聚合接口 算法類核心算法接口：通過核心算法獲取聚合后的集合
首先要說一個(gè)概念：世界寬度。
百度地圖是把整個(gè)地球是按照一個(gè)平面來展開，并且通過墨卡托投影投射到xy坐標(biāo)軸上面。上圖：
很明顯墨卡托投影把整張世界地圖投影成
X∈ [0,1] ; Y∈ [0,1]。
的一個(gè)正方型區(qū)域。
X 表示的是經(jīng)度，Y表示的是緯度。
（其實(shí)確認(rèn)來說是投影一個(gè)上下無限延伸的長(zhǎng)方體，只是Y屬于[0,1]這個(gè)范圍已經(jīng)足夠我們使用）上圖說明：
從上面看出 -85°的緯度對(duì)應(yīng)Y坐標(biāo)是1，那么-90°呢，你們自己可以去算一下，是+∞ （正無窮）。
至于為什么講這個(gè)，因?yàn)橛?jì)算搜索范圍的時(shí)候，所有的經(jīng)緯度都需要換算成Point 來計(jì)算，是不是很方便性，而且不易出錯(cuò)。
真是感嘆偉人的強(qiáng)大！
SphericalMercatorProjection.java
四叉樹的基本思想是把空間遞歸劃分為不同層次的樹結(jié)構(gòu)。它把已知的空間等分成四個(gè)相等的子空間，如此遞歸下去，直到滿足當(dāng)層數(shù)目量超過50，或者層級(jí)數(shù)大于40則停止分割。示意圖如下：
遍歷QuadItem,只加載屏幕內(nèi)的點(diǎn)，生成四叉樹，方便搜索。
如果圖片已被visitedCandidate記錄，則continue下面步驟，直到需要處理的圖片沒有被visitedCandidates記錄；
對(duì)上一次屏幕上的點(diǎn)QuadItem先進(jìn)行處理；
根據(jù)MAX_DISTANCE_IN_DP及圖片位置計(jì)算出searchBounds;
通過四叉樹得到searchBounds內(nèi)所有的圖片；
如果圖片數(shù)量為1，記錄并跳到步驟2；
遍歷得到的圖片；
依次對(duì)得到的圖片進(jìn)行處理，
如果圖片到中心點(diǎn)的距離比distanceToCluster（此圖片與包含此圖片的前cluster的距離）小，把圖片加入結(jié)果集，并移除前Cluster擁有該圖片的引用，并記錄此次更小的距離，跳步驟8繼續(xù)遍歷剩余項(xiàng)。
1.聚合觸發(fā)口 ClusterManager.java
@Override
public void onMapStatusChangeFinish(MapStatus mapStatus) {
if (mRenderer instanceof BaiduMap.OnMapStatusChangeListener) {
((BaiduMap.OnMapStatusChangeListener) mRenderer).onMapStatusChange(mapStatus);
}
// 屏幕縮放范圍太小，不進(jìn)行觸發(fā)聚合功能
if (mPreviousCameraPosition != null
&& Math.abs((int) mPreviousCameraPosition.zoom - (int) mapStatus.zoom) < 1
&& mPreviousCameraPosition.target.latitude == mapStatus.target.latitude
&& mPreviousCameraPosition.target.longitude == mapStatus.target.longitude) {
return;
}
//記錄
mPreviousCameraPosition = mapStatus;
//算法運(yùn)算，計(jì)算出聚合后結(jié)果集，并且addMarker 到屏幕上
cluster(mapStatus.zoom,mapStatus.bound);
}
對(duì)地圖進(jìn)行手勢(shì)操作，都會(huì)進(jìn)行觸發(fā)這個(gè)函數(shù)，并進(jìn)行聚合操作
2.算法運(yùn)算 NonHierarchicalDistanceBasedAlgorithm.java
@Override
public Set> getClusters(double zoom, LatLngBounds visibleBounds) {
...
}
這個(gè)函數(shù)有點(diǎn)多，不過在github 上面的demo 已經(jīng)注釋滿滿，請(qǐng)移步github 查看。
3.渲染UI(addMarker)
class DefaultClusterRenderer {
class CreateMarkerTask {
...
}
}
private void perform(MarkerModifier markerModifier) {
// Don"t show small clusters. Render the markers inside, instead.
markRemoveAndAddLock.lock();
//真正添加Marker 的地方
Marker marker = mClusterToMarker.get(cluster);
if (marker == null || (marker != null
&& mMarkerToCluster.get(marker).getSize() != cluster.getSize())) {
//異步加載占時(shí)不添加Marker
Integer size = onReadyAddCluster.get(cluster);
if (size == null || size != cluster.getSize()) {
onReadyAddCluster.put(cluster,cluster.getSize());
onBeforeClusterRendered(cluster, new MarkerOptions()
.position(cluster.getPosition()));
}
}
markRemoveAndAddLock.unlock();
newClusters.add(cluster);
}
主要添加圖片的是onBeforeClusterRendered 這一個(gè)函數(shù)， 我們看一下實(shí)現(xiàn)：
