重点是分层协同设计：动态线程池按地理粒度调度，DTO用lng/lat双精度字段承载标准WGS84坐标，聚合前完成坐标校准、空间去重、网格归一清洗，交互依赖预聚合+分级缓存键实现毫秒响应。
直接说重点：这不是一个“拼工具”的活，而是一个分层协同设计的问题——动态线程池管并发弹性，DTO承载结构化位置注解，聚合逻辑在清洗后执行，交互响应靠轻量缓存与坐标预处理。四者必须对齐，否则容易出现“线程开得欢，点聚合不出来；DTO字段全，但坐标系错乱；页面点了半天，地图没反应”。
一、带位置注解的 DTO 要能被聚合逻辑直接识别
DTO 不是随便加个 @Data 就完事。关键是要让后续 GIS 处理环节（如 Folium 渲染、GeoPandas 聚合）能无感读取经纬度，且不依赖运行时反射解析。
- 字段命名统一用
lng/lat（非longitude/latitude或x/y），避免坐标系推断歧义 - 类型强制为
double（非String或BigDecimal），防止后续to_crs()报类型错误 - 加上
@JsonIgnore过滤掉非空间字段（如createAt,status），减小序列化体积 - 示例结构：
public class PoisDto { private String id; private String name; private double lng; // WGS84 经度（高德/百度返回需先转） private double lat; // WGS84 纬度 private String category; // getter/setter... }
⚠️ 注意：高德/腾讯/百度返回的坐标默认不是 WGS84，DTO 中的
lng/lat必须是已转换后的标准值，否则聚合圈会整体偏移（北京可能偏到天津）。
二、动态线程池要按地理粒度分层调度
不能所有城市 POI 都扔进同一个线程池。不同区域数据密度差异极大（如上海徐汇区 vs 新疆阿勒泰市），统一并发会导致：
- 密集区请求被限频或丢包
- 稀疏区线程空转、资源浪费
推荐做法是：按行政编码 + 分级并发策略
- 一级池（城市级）：
cityThreadPool，核心线程数 = 城市 POI 预估总量 ÷ 5000（每 5000 点启一个线程） - 二级池（网格级）：对单个城市再切为 0.02°×0.02° 的 GeoHash 网格，每个网格配独立
gridExecutor，最大线程数 ≤ 3 - 所有池均接入配置中心（如 Nacos/Apollo），支持运行时调
setCorePoolSize() - 关键参数示例（Nacos 配置项）：
thread-pool.city.beijing.core-size=8 thread-pool.grid.max-size=3 thread-pool.grid.keep-alive=60
这样既能抗住北京朝阳区万级 POI 并发拉取，又不会因拉萨某县只有 12 个点而占满线程。
三、聚合前必须完成三步清洗：坐标系 → 空间去重 → 网格归一
很多团队卡在“点了聚合没反应”，其实是清洗没做干净。真正有效的清洗链路是：
-
坐标系校准：判断来源（高德用 GCJ-02，百度用 BD-09），统一转为 WGS84（可用
coordtransform或pyproj） -
空间去重：同一地点多家连锁店（如 3 家星巴克在 5 米内），保留
score最高或updateTime最新的一条 -
网格归一（Grid Snap）：将经纬度四舍五入到指定精度（如
Math.round(lng * 1e4) / 1e4），让物理距离 < 11 米的点落在同一网格，为后续聚合提供稳定分组依据
✅ 这一步必须在 DTO 转
GeoDataFrame前完成。否则gpd.GeoDataFrame(...).dissolve(by='grid_id')会因浮点误差失败。
四、交互响应靠“预聚合 + 缓存键分级”
用户缩放地图时实时计算聚合点，性能必然崩。正确方式是：
- 后端按缩放级别（zoom 12–18）预生成多套聚合结果，存入 Redis
- 缓存 key 设计为：
agg:${city}:${zoom}:${gridPrecision}（如agg:shanghai:15:0.001） - 前端请求时带上当前视图边界
bounds=[swLng, swLat, neLng, neLat]，后端只查该范围内的预聚合簇 - 每簇 DTO 包含：
centerLng/centerLat（聚合中心）、count（点数量）、items[]（最多3个原始 DTO，用于点击下钻）
这样用户拖动地图时，前端只需请求新范围的缓存 key，毫秒级返回，无需等待实时计算。
整个流程跑通的关键，不在于某个组件多先进，而在于DTO 是空间可信的、线程池是地理感知的、清洗是坐标严谨的、交互是缓存驱动的。四个环扣紧了，聚合才真正“快”且“准”。
