省市区县边界 GeoJSON 怎么自动更新？定时任务+增量比对+版本化发布实战
维护全国省市区县geojson数据下载的这几个月里，我最大的教训不是清洗算法写得不好，而是"更新流程全靠手动"。民政部每季度都可能调一次行政区划代码，天地图边界偶尔推新版本，我每次都手动重新下载、比对、重新上传，偶尔还忘了刷缓存——直到有次线上用了三个月前的旧边界，用户私信问"这个县的界是不是不对"，我才下定决心把整套更新做成流水线。
起初我也天真地想过"就加个定时任务每天重跑一遍不就完了"，结果第一版就翻车：每天全量重传几百兆文件，既浪费带宽又容易把没变的数据也卷进回源，改一次线上累半天。后来才想明白，自动化的核心不是"每天跑"，而是"只在有变化时才动线上"。这篇就把这套自动化的做法和踩过的坑讲一遍，适合手里捧着一坨全国省市区县区划边界数据下载回来、又不想靠人肉刷新的人。
一、先搭一个"版本化 + 校验"的基准目录
在做任何自动化之前，先想清楚一个事：你总得有一个"最新真相源"。我把它落成一个目录，每次更新都从别的源往这里合并，而不是就地改：
data/admin-baseline/
├── _source/ # 各源原始下载（天地图/民政部代码/OSM）
├── _staging/ # 合并清洗后的中间结果
├── latest/ # 当前对外发布的权威版
└── archive/2026-08/ # 上个月快照，用于 diff我需要强调一点：这个基准目录不是给脚本用的摆设，它决定了你整个流水线能不能"可复现"。有了 manifest.json 里的版本号和 SHA-256，任何一次更新都能回放——哪一版跑出来的、从哪个源拉的、校验和是多少，全都对得上。这在系列-34、系列-49 里分别讲过校验和与代码口径，但放到自动化场景里它们才会真正发力：没有版本号和校验和，diff 脚本根本不知道该跟哪个基线比，也就谈不上"只传有变化的文件"。
二、定时拉取 + 增量比对，才是更新流水线的核心
流水线我拆成四个 stage，每个 stage 一个独立脚本，串在一条命令里：
| stage | 做什么 | 主要输出 |
|---|---|---|
| fetch | 按清单拉各源最新包到 _source | 原始包 + 下载时间戳 |
| merge | 按 adcode 主键合并去重、坐标对齐 | _staging 合并包 |
| diff | 与 latest 对比，生成变更清单 | changes.json（新增/消失/更名/边界变化） |
| publish | 仅上传有变化的文件 + 刷精准缓存 | R2 新文件 + 待刷新 URL 清单 |
diff 这一步复用 series-31 讲的那套"用 adcode 作主键 + 面积比"的比对脚本，只是加了一个判断：没有变化就不进 publish。这一步极其关键，它让整套链路做到"有更新才动线上"，这也是为什么自动化更新不会每天无谓地重传几百兆文件。我遇到过的最尴尬状况是上游源根本没更新，我却因为"怕漏"每天全量刷，最后数据没变、缓存倒是被反复刷新，反而把正常的边缘命中率冲低了——加了 diff 判断之后，一天不变化就一天不动源站，页面访问延迟也稳下来。
// diff.mjs —— 只看变化文件，降低重传与误刷风险
const hasChange = Object.keys(added).length || Object.keys(removed).length || boundaryDiff.length > 0;
if (!hasChange) {
console.log('[diff] 无变化，跳过 publish');
process.exit(0); // 关键：无变化直接停，不上传、不刷缓存
}三、更新之后，别让旧缓存把成果咬回去
数据更新到位只是第一步，真正折磨人的是边缘缓存。我的站是 ESA + Cloudflare Worker 双层的，更新文件后如果不刷对应 URL，用户在 CDN 边缘拿到的还是旧 JSON。这里有个红线我从 series-40 之后就一直守着：只做 files 级精准刷，绝不整站/hostname 全站刷——全站刷不但慢，还可能把其他没更新的数据也卷进一次新的回源，白白多耗流量。
我处理的逻辑很简单：diff 出来哪几个文件变了，就把那几个 URL 的列表传给刷新脚本，一条一条 files 级 purge，CF 层刷对应页 + sitemap，ESA 层单独用 Type:file 刷那几处。刷完再 curl -I 拉一下响应头，确认 Last-Modified / 校验和是新值才算数。
# 只刷有变化的那几个文件，绝不用 purge everything
CF_HOST="<你的CF托管域>"
curl -X POST "$CF_API/purge_cache" \
-H "Authorization: Bearer $CF_API_TOKEN" \
-d "{\"files\":[\"$CF_HOST/data/110105.geojson\"]}" # 单条，精准四、这套流水线帮我把"更新"从半天缩到十分钟
现在每次数据更新，我只要跑一条命令：拉源、合并、比对、上传、精准刷缓存，全自动。更新完还能把 changes.json 打一份出来，哪几个村的边界动了、哪个街道更名了，一目了然，直接拿去做 changelog 甚至发一条更新说明，对做全国村级geojson数据下载的读者也友好——村级数据更新最频繁，最需要这种自动化。如果你维护的是一整套全国省市区县geojson数据下载，这套流水线还能顺带把所有省份的 manifest 汇总成一张表，哪个省几天没更新一查便知，比翻单个文件踏实得多。
踩坑小结按重要程度排一下：第一，diff 一定要跑在 publish 之前，没变化就别动线上；第二，缓存刷新永远精准 files 级，全站刷是坑；第三，manifest 的版本号与校验和别省，它是自动化比对的地基。预览免费、导出付费（按次 ¥1.99）的节奏不变，数据仍走静态分发，这套流水线只是把"人肉更新"替换成"机器定时跑"，让全国省市区县乡镇街道村 geojson 数据下载的数据始终保持在最新版本。