Proximity Service Design근접 서비스 설계

기능:
- 현재 위치 기준 반경 N km 내 장소 검색
- 카테고리/키워드 필터
- 장소 상세 정보 조회

규모:
- 장소 데이터: 5억 개 (읽기 중심)
- QPS: 5,000 (검색), 50 (쓰기)
- 지연시간: 200ms 이하

1. 균등 격자(Even Grid): 단순, 데이터 불균형
2. GeoHash: Base32 인코딩, 계층적 분할
   - 접두사 공유 = 근접 지역
   - 단점: 경계 문제 (neighboring cells 추가 조회)
3. QuadTree: 밀도 기반 동적 분할
   - 리프당 최대 100개 장소
   - 도시: 더 깊은 트리, 농촌: 얕은 트리
4. H3 (Uber): 육각형 격자, 균등 면적

import geohash2 as gh

def search_nearby(lat: float, lon: float, radius_km: float):
    # 반경에 따른 GeoHash 정밀도 선택
    precision = get_precision(radius_km)
    # 예: 반경 1km → precision 6 (약 1.2km × 0.6km)

    center_hash = gh.encode(lat, lon, precision=precision)

    # 중심 + 8방향 인접 셀 (경계 문제 해결)
    neighbors = gh.neighbors(center_hash) + [center_hash]

    # 각 셀의 장소 조회 (Redis GeoSearch 또는 DB)
    places = []
    for cell in neighbors:
        places.extend(get_places_by_geohash(cell))

    # 정확한 거리 계산으로 필터링
    return [p for p in places if haversine(lat, lon, p.lat, p.lon) <= radius_km]

[Client] → [API Gateway] → [Location Service]
                                ↓
                    [GeoHash Index (Redis)]
                    [Place Service (캐시)]
                                ↓
                        [Place DB (MySQL)]

Redis GeoSearch:
  GEOADD places 126.978 37.566 "restaurant_1"
  GEORADIUS places 126.978 37.566 1 km COUNT 20

장소 데이터: 읽기 중심 → Replica 활용
GeoHash 결과: Redis (TTL 10분)
인기 지역: CDN 엣지 캐싱

쓰기 (새 장소 등록):
  DB Write → Invalidate Cache → 비동기 인덱스 업데이트