前几轮我们挖过监控、记账、流媒体、家庭服务器，这期换个几乎每个产品都躲不开、却最少被当成“自建选项”的领域：地图。
思路很简单——地图是互联网产品的隐形水电煤：外卖要选地址、跑步要画轨迹、后台要画热力图。但绝大多数开发者一想到地图就条件反射掏 Google Maps / Mapbox 的 API Key，然后被按次计费的教育劝退。实际上，从底图渲染、瓦片数据、地址搜索到路线规划，这条链路上的每一环都有成熟的开源替代，而且质量高到支撑过 Uber、komoot、Felt 这个级别的产品。
本期凑齐了一整套“自建地图栈”：8 个仓库覆盖渲染、切片、瓦片格式、免费托管、地理编码、路径规划、样式设计、数据可视化八个环节，能拼出一条完全不经过任何商业地图巨头的完整链路。其中没有一个是 AI 项目，全是闷声干活多年的基础设施工具。
github.com/maplibre/maplibre-gl-js ｜ Star 约 5000+ ｜ 基金会化持续活跃维护
一句话定位：开源地图渲染 SDK，Mapbox GL JS 的社区分叉，整个自建地图栈的地基。
它解决什么痛点：2020 年底，Mapbox 把自家的 GL JS 库在 v2 版本改成了专有许可，超出免费额度就要掏钱，前端圈一片哗然。社区当晚就基于最后一个开源版本分叉出了 MapLibre，从此 Web 端矢量地图渲染有了一个 BSD 协议、随便商用的自由版本。
核心拆解：WebGL 矢量瓦片渲染，样式规范与老版 Mapbox 兼容，所以网上大量现成样式教程都能直接套用；配套 Android、iOS、React Native 端，一套样式三端通用；近年的大版本还加入了地球仪投影（globe）和 3D 地形，效果上已经不虚商业产品。项目如今由 MapLibre 组织运营，多家地图公司和云厂商赞助，不是那种随时弃坑的 个人项目。用法就是 npm install maplibre-gl，给一个 style JSON 和一个容器 div，地图就起来了。
上手难度：⭐⭐（会前端就会用）
适用人群：所有需要在网页或 App 里放地图的开发者。商业方向：给客户交付位置类功能时不再转嫁 Mapbox 账单，报价空间直接多出一截。
github.com/onthegomap/planetiler ｜ Star 约 2500 ｜ 持续活跃维护
一句话定位：把 OpenStreetMap 原始数据“编译”成矢量瓦片的单机工具。
它解决什么痛点：自建地图的第一道坎是切片——把几百 GB 的 OSM 原始数据变成渲染引擎能读的瓦片。传统方案要么买云服务，要么搭 PostGIS + 切片服务 + 任务队列的重型管线，工程量劝退大部分人。
核心拆解：Planetiler 用 Java 写成，靠流式处理和内存映射文件，把这件事压缩成一条命令：下载数据、建索引、输出瓦片一气呵成。城市级数据笔记本就能跑，全球级数据按官方说法在高配单机上几小时量级也能完成。它内置了一套 OpenMapTiles 兼容的基础底图方案，零配置就能出图；想自定义图层（比如只保留水系和道路）可以写 Java profile 自己编排；输出直接支持 MBTiles 和 PMTiles，跟下一节的仓库无缝衔接。
上手难度：⭐⭐⭐（需要理解瓦片和图层的基本概念）
适用人群：GIS 工程师、做离线/内网地图的团队。商业方向：很多政企和涉密单位不允许内网系统连接外部地图服务，“私有化离线底图”是真实存在的付费需求，Planetiler 就是生产这条流水线的核心机器。
github.com/protomaps/PMTiles ｜ Star 约 1500 ｜ Protomaps 团队持续迭代
一句话定位：单文件“云优化”瓦片格式，本期第一个小而美。
它解决什么痛点：传统观念里，给网站提供瓦片就得跑一个 tile server——数据库、切片服务、缓存、监控一整套。PMTiles 的想法简单粗暴：把所有瓦片连同空间索引打包成一个文件，靠 HTTP Range Request 按需读取任意字节。于是 S3、Cloudflare R2、甚至 GitHub Pages 都能直接当地图后端，服务器整个砍掉。
核心拆解：v3 格式用 HV 分形目录组织空间索引，查找指定范围瓦片只需几次区间请求，不必下载全文件；配套 CLI 工具能与 MBTiles 互转，Planetiler 也能直接产出 PMTiles。据项目方介绍，这套格式已被多个商业地图产品采用，Protomaps 自己的全球底图服务就构建在它之上。更妙的是配合 Cloudflare R2 这类免出口流量的对象存储，全球分发的地图服务成本几乎只剩存储费。
上手难度：⭐⭐（转换命令一行）
适用人群：独立开发者和不想运维的小团队。商业方向：接“低成本地图上线”类项目，报价可以很低、利润率却极高，因为你的边际成本趋近于零。
openfreemap.org ｜ 开源新秀 ｜ 服务持续运营中
一句话定位：免费、无调用上限的地图瓦片托管服务，代码全部开源。
它解决什么痛点：渲染引擎开源了，瓦片数据从哪来还是问题。自己切、自己托管对 MVP 阶段太重。OpenFreeMap 的答案是：我帮你托管，不要钱、不要注册、不限调用次数——把它的 style URL 填进 MapLibre，你的地图就上线了。
核心拆解：据其官网介绍，它提供全球矢量瓦片和 Positron、Fiord 等数种经典开源风格，没有任何水印和 Rate Limit；整套运营栈开源，意味着哪天流量大了或者不放心了，可以照着架构自托管平滑迁移。项目的可持续性靠捐赠和赞助支撑，这种“先免费获客、架构随时可带走的模式”对初创非常友好。它本质上是本文 2、3 号仓库能力的一键商用封装，也是整条自建路线最好的入门入口。
上手难度：⭐（一行 style URL）
适用人群：个人项目、初创 MVP、黑客马拉松。商业方向：零成本完成产品验证，等调用量真的大到需要 SLA 时，再用 Planetiler + PMTiles 自建接管，全程不换前端代码。
github.com/komoot/photon ｜ Star 约 1900 ｜ komoot 维护多年
一句话定位：开源地理编码器，本期第二个小而美。
它解决什么痛点：地图显示出来了，用户在搜索框输“国贸”却一片空白——地理编码（地址转坐标、坐标转地址）是地图产品最容易漏掉、商业服务又按次收费的隐形刚需。
核心拆解：Photon 出自德国户外社区 komoot，服务于千万级用户的路线搜索，成熟度经过了真实流量检验。技术上是基于 Elasticsearch/Lucene 对 OSM 全量数据建索引，支持多语言名称、模糊匹配、POI 搜索和逆地理编码（坐标反查地址），对外暴露简洁的 REST API。Docker 一键起服务，把 OSM 区域数据导入后即可使用；官方还提供公共演示实例，接个小项目连自托管都可以先省了。中文地址搜索可用性取决于 OSM 本地数据质量，一线城市表现已经可用，这点建议先拿演示实例验证再上生产。
上手难度：⭐⭐⭐（Docker 简单，导入全量数据要点时间）
适用人群：本地生活、跑腿配送、仓储定位类应用的开发者。商业方向：把地址搜索做成自托管组件卖给外卖、物业、物流类客户，替代按次计费的编码 API。
github.com/valhalla/valhalla ｜ Star 约 4000 ｜ 社区接棒长期活跃维护
一句话定位：开源路径规划引擎，地图栈里商业价值最高的一环。
它解决什么痛点：搜索和路线是地图服务收费最狠的两块。显示可以白嫖，但“从 A 到 B 怎么走”一旦上量，账单非常可观。
核心拆解：Valhalla 用 C++ 编写，出身 Mapzen——这家 2018 年关停的地图公司留下的最贵重遗产，此后由社区接棒维护至今。它的招牌是“动态代价模型”：步行、骑行、驾车、卡车各自一套打分规则，还能自定义权重（比如“避开台阶的轮椅路线”），灵活性远超多数开源引擎。功能覆盖 turn-by-turn 导航指令、等时圈分析、距离矩阵；数据按行政区分块存储，按需加载，内存占用友好。Docker 加一份对应区域的 OSM 提取数据就能跑起来，出的是标准 JSON 接口。
上手难度：⭐⭐⭐
适用人群：做出行、配送、户外产品的团队。商业方向：同城配送调度、骑行路线 App 的私有化路线引擎，或给物流公司做内网部署——这类合同单价通常不低。
github.com/maplibre/maputnik ｜ Star 约 2000 ｜ 并入 MapLibre 组织维护
一句话定位：矢量地图样式的可视化编辑器，本期第三个小而美。
它解决什么痛点：MapLibre 的地图长相由一份几百行的 style JSON 决定，道路什么颜色、水域什么透明度、某图层在第几级缩放才显示——全靠手写 JSON 是名副其实的地狱。
核心拆解：Maputnik 把这件事变成所见即所得：左侧图层面板增删排序，右侧属性面板调色改字体，中间实时预览，缩放级联规则用界面点选配置。导出的 style JSON 直接喂给 MapLibre 使用，兼容主流矢量瓦片样式规范。它提供在线版开箱即用，也可以自己 Docker 部署一份给团队用。项目如今已收编进 MapLibre 组织下维护，和渲染引擎同步演进，属于那种“小而致命”的配套工具——本身不复杂，但没有它整条链路的设计环节就断了。
上手难度：⭐（设计师也能直接上手）
适用人群：需要定制地图外观的产品团队。商业方向：“把底图调成客户品牌色”是 GIS 项目里真实存在的付费项，配合 Maputnik 一小时能交付过去一天的活。
github.com/visgl/deck.gl ｜ Star 约 12000 ｜ visgl 组织活跃维护
一句话定位：大规模地理数据可视化框架，Uber 出品。
它解决什么痛点：把城市级车辆轨迹、百万个订单点位画上地图，常规方案要么卡死要么直接 OOM。数据大屏和出行分析这个场景，需要专门的 GPU 渲染层。
核心拆解：deck.gl 用 WebGL（并在向 WebGPU 演进）做批量渲染，内置几十种图层：散点、弧线、轨迹、3D 建筑、热力图、六边形聚合……百万级要素保持流畅交互。它与 MapLibre 底图可以叠加组合——底图管“地图长什么样”，deck.gl 管“数据怎么画”，正好补上这条自建栈的最后一环。React 支持一流，API 声明式，社区里大量出行、物流、政务可视化产品都构建在它之上，属于出身名门、久经战场的选手。
上手难度：⭐⭐⭐
适用人群：做数据产品、BI 大屏、地理分析的前端和数据工程师。商业方向：政企数据大屏、出行热力报告、给 SaaS 产品加地理分析模块，都是成熟变现路径。
| 仓库 | 环节 | Star（约数） | 上手难度 | 适用场景 |
|---|---|---|---|---|
| MapLibre GL JS | 前端渲染 | 5000+ | ⭐⭐ | 所有 Web/App 地图 |
| Planetiler | 数据切片 | 2500 | ⭐⭐⭐ | 自建/离线底图 |
| PMTiles | 瓦片格式 | 1500 | ⭐⭐ | 零服务器托管 |
| OpenFreeMap | 免费托管 | — | ⭐ | MVP 快速上线 |
| Photon | 地址搜索 | 1900 | ⭐⭐⭐ | 本地生活/配送 |
| Valhalla | 路线规划 | 4000 | ⭐⭐⭐ | 导航/物流调度 |
| Maputnik | 样式设计 | 2000 | ⭐ | 品牌定制底图 |
| deck.gl | 数据可视化 | 12000 | ⭐⭐⭐ | 大屏/地理分析 |
注：本篇成稿环境无实时联网核验通道，Star 数为写作时点的约数，请以各仓库页面实时数据为准。
flowchart TD
A["OSM 全球原始数据"] --> B["Planetiler 单机切片"]
B --> C["PMTiles 单文件瓦片"]
C --> D["R2/S3 静态托管"]
D --> E["MapLibre 渲染底图"]
F["Maputnik 可视化调样式"] --> E
E --> G["Photon 地址搜索"]
E --> H["Valhalla 路线规划"]
E --> I["deck.gl 海量数据可视化"]
J["OpenFreeMap 免费托管"] -->|懒人直连方案| E
上手路径建议从右往左：先用 OpenFreeMap + MapLibre 一晚上跑通 Demo，再按需引入 Photon 补搜索、Valhalla 补路线；等流量和 SLA 要求上来，才回过头用 Planetiler + PMTiles 把托管环节收回自家机房。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。