查找附近的xxx 球面距离以及Geohash方案探讨

最新推荐文章于 2023-05-31 16:42:35 发布
最新推荐文章于 2023-05-31 16:42:35 发布
阅读量2.4k 收藏
点赞数
分类专栏： LBS 文章标签： distance sql 数据库 float mysql 算法

http://www.wubiao.info/372


随着移动终端的普及，很多应用都基于LBS功能，附近的某某（餐馆、银行、妹纸等等）。

基础数据中，一般保存了目标位置的经纬度；利用用户提供的经纬度，进行对比，从而获得是否在附近。

目标：
查找附近的XXX，由近到远返回结果，且结果中有与目标点的距离。

针对查找附近的XXX，提出两个方案，如下：

一、方案A:
=================================================================================================

抽象为球面两点距离的计算，即已知道球面上两点的经纬度；
点（纬度，经度），A($radLat1,$radLng1)、B($radLat2,$radLng2);

优点：通俗易懂，部署简单便捷

缺点：每次都会查询数据库，性能堪忧

1、推导

通过余弦定理以及弧度计算方法，最终推导出来的算式A为：

1
$s = acos(cos($radLat1)*cos($radLat2)*cos($radLng1-$radLng2)+sin($radLat1)*sin($radLat2))*$R;

目前网上大多使用Google公开的距离计算公司，推导算式B为：

1
$s = 2*asin(sqrt(pow(sin(($radLat1-$radLat2) /2 ),2)+cos($radLat1)*cos($radLat2)*pow(sin(($radLng1-$radLng2) /2 ),2)))*$R;

其中 :
$radLat1、$radLng1，$radLat2，$radLng2 为弧度

$R 为地球半径

2、通过测试两种算法，结果相同且都正确，但通过PHP代码测试，两点间距离，10W次性能对比，自行推导版本计算时长算式B较优，如下：

//算式A
0.56368780136108float(431)
0.57460689544678float(431)
0.59051203727722float(431)

//算式B
0.47404885292053float(431)
0.47808718681335float(431)
0.47946381568909float(431)

3、所以采用数学方法推导出的公式:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
<?php
 
     // 根据经纬度计算距离 其中A($lat1,$lng1)、B($lat2,$lng2)
     public static function getDistance($lat1,$lng1,$lat2,$lng2)
     {
         // 地球半径
         $R = 6378137;
 
         // 将角度转为狐度
         $radLat1 = deg2rad($lat1);
         $radLat2 = deg2rad($lat2);
         $radLng1 = deg2rad($lng1);
         $radLng2 = deg2rad($lng2);
 
         // 结果
         $s = acos(cos($radLat1)*cos($radLat2)*cos($radLng1-$radLng2)+sin($radLat1)*sin($radLat2))*$R;
 
         // 精度
         $s = round($s* 10000) /10000 ;
 
         return  round($s);
     }
 
?>

4、在实际应用中，需要从数据库中遍历取出符合条件，以及排序等操作，

将所有数据取出，然后通过PHP循环对比，筛选符合条件结果，显然性能低下；所以我们利用下Mysql存储函数来解决这个问题吧。

4.1、创建Mysql存储函数,并对经纬度字段建立索引

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
DELIMITER $$
 
CREATE DEFINER=`root`@`%` FUNCTION `GETDISTANCE`(lat1 DOUBLE, lng1 DOUBLE, lat2 DOUBLE, lng2 DOUBLE) RETURNS double
 
READS SQL DATA
 
DETERMINISTIC
 
BEGIN
 
DECLARE RAD DOUBLE;
 
DECLARE EARTH_RADIUS DOUBLE DEFAULT 6378137;
 
DECLARE radLat1 DOUBLE;
 
DECLARE radLat2 DOUBLE;
 
DECLARE radLng1 DOUBLE;
 
DECLARE radLng2 DOUBLE;
 
DECLARE s DOUBLE;
 
SET RAD = PI() / 180.0;
 
SET radLat1 = lat1 * RAD;
 
SET radLat2 = lat2 * RAD;
 
SET radLng1 = lng1 * RAD;
 
SET radLng2 = lng2 * RAD;
 
SET s = ACOS(COS(radLat1)*COS(radLat2)*COS(radLng1-radLng2)+SIN(radLat1)*SIN(radLat2))*EARTH_RADIUS;
 
SET s = ROUND(s * 10000) / 10000;
 
RETURN s;
 
END$$
 
DELIMITER ;

4.2、查询SQL

通过SQL，可设置距离以及排序；可搜索出符合条件的信息，以及有一个较好的排序

1
SELECT *,latitude,longitude,GETDISTANCE(latitude,longitude,30.663262,104.071619) AS distance FROM  mb_shop_ext where 1 HAVING distance<1000 ORDER BY distance ASC LIMIT 0,10

二、方案B
=================================================================================================

Geohash算法；geohash是一种地址编码，它能把二维的经纬度编码成一维的字符串。
比如，成都永丰立交的编码是wm3yr31d2524

优点:

1、利用一个字段，即可存储经纬度；搜索时，只需一条索引，效率较高
2、编码的前缀可以表示更大的区域，查找附近的，非常方便。 SQL中，LIKE ‘wm3yr3%’，即可查询附近的所有地点。
3、通过编码精度可模糊坐标、隐私保护等。

缺点: 距离和排序需二次运算（筛选结果中运行，其实挺快）

1、geohash的编码算法

成都永丰立交经纬度(30.63578,104.031601)

1.1、纬度范围(-90, 90)平分成两个区间(-90, 0)、(0, 90)， 如果目标纬度位于前一个区间，则编码为0，否则编码为1。
由于30.625265属于(0, 90)，所以取编码为1。
然后再将(0, 90)分成 (0, 45), (45, 90)两个区间，而39.92324位于(0, 45)，所以编码为0，
然后再将(0, 45)分成 (0, 22.5), (22.5, 45)两个区间，而39.92324位于(22.5, 45)，所以编码为1，
依次类推可得永丰立交纬度编码为101010111001001000100101101010。

1.2、经度也用同样的算法，对(-180, 180)依次细分，(-180，0)、(0,180) 得出编码110010011111101001100000000000

1.3、合并经纬度编码，从高到低，先取一位经度，再取一位纬度；得出结果 111001001100011111101011100011000010110000010001010001000100

1.4、用0-9、b-z（去掉a, i, l, o）这32个字母进行base32编码，得到(30.63578,104.031601)的编码为wm3yr31d2524。

1
2
3
4
5
6
11100 10011 00011 11110 10111 00011 00001 01100 00010 00101 00010 00100 => wm3yr31d2524
 
十进制  0   1   2   3   4   5   6   7   8   9   10  11  12  13  14  15
base32   0   1   2   3   4   5   6   7   8   9   b   c   d   e   f   g
十进制  16  17  18  19  20  21  22  23  24  25  26  27  28  29  30  31
base32   h   j   k   m   n   p   q   r   s   t   u   v   w   x   y   z

2、策略

1、在纬度和经度入库时，数据库新加一字段geohash，记录此点的geohash值

2、查找附近，利用 在SQL中 LIKE ‘wm3yr3%’；且此结果可缓存；在小区域内，不会因为改变经纬度，而重新数据库查询

3、查找出的有限结果，如需要求距离或者排序，可利用距离公式和二维数据排序；此时也是少量数据，会很快的。

3、PHP基类

geohash.class.php

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
<?php
 
/**
* Encode and decode geohashes
*
*/
 
class Geohash
{
     private $coding= "0123456789bcdefghjkmnpqrstuvwxyz" ;
     private $codingMap=array();
 
     public function Geohash()
     {
         for ($i=0; $i<32; $i++)
         {
             $this->codingMap[substr($this->coding,$i,1)]=str_pad(decbin($i), 5, "0" , STR_PAD_LEFT);
         }
 
     }
 
     public function decode($ hash )
     {
         $binary= "" ;
         $hl=strlen($ hash );
         for ($i=0; $i<$hl; $i++)
         {
             $binary.=$this->codingMap[substr($ hash ,$i,1)];
         }
 
         $bl=strlen($binary);
         $blat= "" ;
         $blong= "" ;
         for ($i=0; $i<$bl; $i++)
         {
             if ($i%2)
                 $blat=$blat.substr($binary,$i,1);
             else
                 $blong=$blong.substr($binary,$i,1);
 
         }
 
         $lat=$this->binDecode($blat,-90,90);
         $long=$this->binDecode($blong,-180,180);
 
         $latErr=$this->calcError(strlen($blat),-90,90);
         $longErr=$this->calcError(strlen($blong),-180,180);
 
         $latPlaces=max(1, -round(log10($latErr))) - 1;
         $longPlaces=max(1, -round(log10($longErr))) - 1;
 
         $lat=round($lat, $latPlaces);
         $long=round($long, $longPlaces);
 
         return array($lat,$long);
     }
 
     public function encode($lat,$long)
     {
         $plat=$this->precision($lat);
         $latbits=1;
         $err=45;
         while ($err>$plat)
         {
             $latbits++;
             $err/=2;
         }
 
         $plong=$this->precision($long);
         $longbits=1;
         $err=90;
         while ($err>$plong)
         {
             $longbits++;
             $err/=2;
         }
 
         $bits=max($latbits,$longbits);
 
         $longbits=$bits;
         $latbits=$bits;
         $addlong=1;
         while (($longbits+$latbits)%5 != 0)
         {
             $longbits+=$addlong;
             $latbits+=!$addlong;
             $addlong=!$addlong;
         }
 
         $blat=$this->binEncode($lat,-90,90, $latbits);
 
         $blong=$this->binEncode($long,-180,180,$longbits);
 
         $binary= "" ;
         $uselong=1;
         while (strlen($blat)+strlen($blong))
         {
             if ($uselong)
             {
                 $binary=$binary.substr($blong,0,1);
                 $blong=substr($blong,1);
             }
             else
             {
                 $binary=$binary.substr($blat,0,1);
                 $blat=substr($blat,1);
             }
             $uselong=!$uselong;
         }
 
         $ hash = "" ;
         for ($i=0; $i<strlen($binary); $i+=5)
         {
             $n=bindec(substr($binary,$i,5));
             $ hash =$ hash .$this->coding[$n];
         }
 
         return $ hash ;
     }
 
     private function calcError($bits,$min,$max)
     {
         $err=($max-$min) /2 ;
         while ($bits--)
             $err/=2;
         return $err;
     }
 
     private function precision($number)
     {
         $precision=0;
         $pt=strpos($number, '.' );
         if ($pt!== false )
         {
             $precision=-(strlen($number)-$pt-1);
         }
 
         return pow(10,$precision) /2 ;
     }
 
     private function binEncode($number, $min, $max, $bitcount)
     {
         if ($bitcount==0)
             return "" ;
         $mid=($min+$max) /2 ;
         if ($number>$mid)
             return "1" .$this->binEncode($number, $mid, $max,$bitcount-1);
         else
             return "0" .$this->binEncode($number, $min, $mid,$bitcount-1);
     }
 
     private function binDecode($binary, $min, $max)
     {
         $mid=($min+$max) /2 ;
 
         if (strlen($binary)==0)
             return $mid;
 
         $bit=substr($binary,0,1);
         $binary=substr($binary,1);
 
         if ($bit==1)
             return $this->binDecode($binary, $mid, $max);
         else
             return $this->binDecode($binary, $min, $mid);
     }
}
 
?>

三、测试

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
<?php
 
require_once( 'Mysql.class.php' );
require_once( 'geohash.class.php' );
 
//mysql
$conf = array(
 
     'host' => '127.0.0.1' ,
     'port' => 3306,
     'user' => 'root' ,
     'password' => '123456' ,
     'database' => 'mocube' ,
     'charset' => 'utf8' ,
     'persistent' => false
);
 
$mysql = new Db_Mysql($conf);
$geohash=new Geohash;
 
// 经纬度转换成Geohash
/*
 
$sql = 'select shop_id,latitude,longitude from mb_shop_ext' ;
 
$data = $mysql->queryAll($sql);
 
foreach($data as $val)
{
 
   $geohash_val = $geohash->encode($val[ 'latitude' ],$val[ 'longitude' ]);
 
   $sql = 'update mb_shop_ext set geohash= "' .$geohash_val. '" where shop_id = ' .$val[ 'shop_id' ];
 
   echo $sql;
 
   $re = $mysql->query($sql);
 
   var_dump($re);
 
}
*/
 
// 获取附近的信息
$n_latitude = $_GET[ 'la' ];
$n_longitude = $_GET[ 'lo' ];
 
// 开始
$b_time = microtime( true );
 
// 方案A，直接利用数据库存储函数，遍历排序
/*
$sql = 'SELECT *,latitude,longitude,GETDISTANCE(latitude,longitude,' .$n_latitude. ',' .$n_longitude. ') AS distance FROM  mb_shop_ext where 1 HAVING distance<1000 ORDER BY distance ASC' ;
 
$data = $mysql->queryAll($sql);
 
// 结束
$e_time = microtime( true );
 
echo $e_time - $b_time;
 
var_dump($data);
exit ;
*/
 
// 方案B geohash求出附近，然后排序
 
// 当前 geohash值
$n_geohash = $geohash->encode($n_latitude,$n_longitude);
 
// 附近
$n = $_GET[ 'n' ];
$like_geohash = substr($n_geohash, 0, $n);
 
$sql = 'select * from mb_shop_ext where geohash like "' .$like_geohash. '%"' ;
 
echo $sql;
 
$data = $mysql->queryAll($sql);
 
// 算出实际距离
foreach($data as $key=>$val)
{
     $distance = getDistance($n_latitude,$n_longitude,$val[ 'latitude' ],$val[ 'longitude' ]);
 
     $data[$key][ 'distance' ] = $distance;
 
     // 排序列
     $sortdistance[$key] = $distance;
}
 
// 距离排序
array_multisort($sortdistance,SORT_ASC,$data);
 
// 结束
$e_time = microtime( true );
 
echo $e_time - $b_time;
 
var_dump($data);
 
// 根据经纬度计算距离 其中A($lat1,$lng1)、B($lat2,$lng2)
function getDistance($lat1,$lng1,$lat2,$lng2)
{
     // 地球半径
     $R = 6378137;
 
     // 将角度转为狐度
     $radLat1 = deg2rad($lat1);
     $radLat2 = deg2rad($lat2);
     $radLng1 = deg2rad($lng1);
     $radLng2 = deg2rad($lng2);
 
     // 结果
     $s = acos(cos($radLat1)*cos($radLat2)*cos($radLng1-$radLng2)+sin($radLat1)*sin($radLat2))*$R;
 
     // 精度
     $s = round($s* 10000) /10000 ;
 
     return  round($s);
}
 
?>

四、总结

方案B的亮点在于：
1、搜索结果可缓存，重复使用，不会因为用户有小范围的移动，直接穿透数据库查询。
2、先缩小结果范围，再运算、排序，可提升性能。

254条记录，性能对比，

在实际应用场景中，方案B数据库搜索可内存缓存；且如数据量更大，方案B结果会更优。

方案A:
0.016560077667236
0.032402992248535
0.040318012237549

方案B
0.0079810619354248
0.0079669952392578
0.0064868927001953

五、其他

两种方案，根据应用场景以及负载情况合理选择，当然推荐方案B;
不管哪种方案，都记得，给列加上索引，利于数据库检索。


newjueqi
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
非常使用的 基于geohash 找最近位置java代码
03-12
非常使用的 基于geohash 找一定范围内的 最近位置java代码
GeoHash算法简介
罗布泊coding
07-19 1万+
一. 基本原理 GeoHash是一种地址编码方法。他能够把二维的空间经纬度数据编码成一个字符串。 我们知道，经度范围是东经180到西经180，纬度范围是南纬90到北纬90，我们设定西经为负，南纬为负，所以地球上的经度范围就是[-180， 180]，纬度范围就是[-90，90]。如果以本初子午线、赤道为界，地球可以分成4个部分。 如果纬度范围[-90°, 0°)用二进制0代表，（0°, 90°]用二进制1代表，经度范围[-180°, 0°)用二进制0代表，（0°, 180°]用二进制1代表，那么地球可以
Geohash算法
热门推荐
Usher_Ou的博客
01-27 2万+
用户附近位置计算 经纬度与物理距离介绍 经纬度是经度与纬度的合称组成一个坐标系统，称为地理坐标系统，它是一种利用三度空间的球面来定义地球上的空间的球面坐标系统，能够标示地球上的任何一个位置。 在一定误差范围内，通常情况下，经纬线和米的换算为：经度或者纬度0.00001度，约等于1米。以下表格列出更细致的换算关系： 在纬度相等的情况下 在经度相等的情况下 经度每隔0.00001度，距离相差约1米；每隔0.0001度，距离相差约10米；每隔0.001度，距离相差约100米；每隔0.01度，距离
Geohash的原理介绍、Redis的Geo命令总结、Python使用Redis的Geo模块
weixin_46307478的博客
02-16 4885
Geohash 一.GeoHash编码介绍 参考： https://hogwartsrico.github.io/2015/01/22/About-GeoHash/ Geohash原理 - 简书 (jianshu.com) 1.Geohash认识 GeoHash本质上是空间索引的一种方式，其基本原理是将地球理解为一个二维平面，将平面递归分解成更小的子块，每个子块在一定经纬度范围内拥有相同的编码。以GeoHash方式建立空间索引，可以提高对空间poi数据进行经纬度检索的效率。 GeoHash将二维的经纬度
GeoHash简述
XiaoCai
05-13 2685
       Geohash是Gustavo Niemeyer于 2008年发明的公共领域地理编码系统，它将地理位置编码为一串字母和数字的短字符串。GM Morton 在 1966 年引入了类似的想法。它是一种分层空间数据结构，将空间细分为网格形状的桶，这是所谓的Z 阶曲线的众多应用之一，通常是空间- 填充曲线。        Geohashes 提供了任意精度等属性，
XXX企业云数据中心技术方案样本.doc
12-14
XXX企业云数据中心技术方案样本.doc
XXX小区地下停车位营销方案.pdf
06-27
XXX小区地下停车位营销方案.pdfXXX小区地下停车位营销方案.pdfXXX小区地下停车位营销方案.pdfXXX小区地下停车位营销方案.pdfXXX小区地下停车位营销方案.pdfXXX小区地下停车位营销方案.pdf
XXX年网站最佳推广方案.doc
11-21
XXX年网站最佳推广方案.doc
xxx有限公司股权收购方案.doc
04-26
xxx有限公司股权收购方案 致：XX股份有限公司 　我所接受贵公司委托，为贵公司收购xxx有限公司(简称xxx公司)51%股权提出收购方案。我所律师经过认真阅读，研究贵公司提供的《xxx有限公司章程》(简称《xx公司章程》)...
用友XXX互联网络口碑营销方案.pptx
11-21
用友XXX互联网络口碑营销方案.pptx
GeoHash介绍及使用
ununie的博客
09-03 1万+
参考 GeoHash核心原理解析 GeoHash算法学习讲解、解析及原理分析 1、geohash是什么 通常我们使用一对(x,y)坐标来表示一个点的坐标。在地图上会有很多点、线、面等空间要素。如果我们要查询在自己位置附近1km以内的公交站。传统的想法是遍历所有的公交站，获取距离在1km以内的结果。然而这种方法太耗费时间和性能，没次都要计算点之间的距离。 可以理解geohash是一种算...
(转)查找附近的xxx 球面距离以及Geohash方案探讨
Black_Lotus
07-26 287
[b][size=medium]本博客内容转自:[url]http://www.wubiao.info/372[/url][/size][/b] 随着移动终端的普及，很多应用都基于LBS功能，附近的某某（餐馆、银行、妹纸等等）。 基础数据中，一般保存了目标位置的经纬度；利用用户提供的经纬度，进行对比，从而获得是否在附近。 目标： 查找附近的XXX，由近到远返回结果，且结果中有与...
根据经纬度查找最近的点
昨夜星辰的博客
06-07 1898
创建测试表 CREATE TABLE `t` ( `id` int(11) NOT NULL AUTO_INCREMENT COMMENT 'id', `longitude` decimal(16,8) DEFAULT NULL COMMENT '经度', `latitude` decimal(16,8) DEFAULT NULL COMMENT '纬度', `comment` varchar(255) DEFAULT NULL COMMENT '备注', PRIMARY KEY (
根据经纬度获取最近的地点
qq_16088377的博客
03-16 837
select * from *** where *** order by ACOS(SIN(($latitude * 3.1415) / 180 ) *SIN((lat * 3.1415) / 180 ) +COS(($latitude * 3.1415) / 180 ) * COS((lat * 3.1415) / 180 ) *COS(($longitude * 3.1415) / 180 - (lon * 3.1415) / 180 ) ) * 6380 limit 0.
python--根据任意非网格经纬度坐标，找到均匀网格点上最接近的经纬度坐标
【更新于公众号 | 简谱学记】
02-07 4505
需求：根据非规则经纬度坐标，查找均匀网格点上最接近的经纬度坐标，并提取该点上的变量。 思路： 1、首先选取一个较大的经纬度范围，将你的非规则经纬度坐标包含进去； 2、计算均匀网格点上经纬度与非规则经纬度坐标的绝对值距离； 3、选择绝对值距离最短的点的索引坐标； 4、根据索引坐标提取最邻近的经纬度坐标 5、选取最近邻经纬度坐标对应的变量 数据： 海表面高度异常数据：sla 分辨率：0.25X0.25 数据类型：2017年月平均数据（netcdf） 代码实现： 主要用到几个库：xarray、numpy、ma
根据经纬度自动寻找最近的点，并返回相应属性
hengcall的博客
09-21 2649
import pandas as pd import numpy as np from scipy.spatial.distance import cdist import scipy.stats as stats from pylab import * STA_tmin = 'F:/AAA/STA-T-TMAX-TMIN-CSV/STA-TMEAN.csv' PG_tmin = 'F:/AAA...
经纬度计算丢失经度计算
YOUR_HERO
08-21 1106
1.纬度相同，经度不同 在纬度相同的情况下： 经度每隔0.00001度，距离相差约1米； 每隔0.0001度，距离相差约10米； 每隔0.001度，距离相差约100米； 每隔0.01度，距离相差约1000米； 每隔0.1度，距离相差约10000米。 2.经度相同，纬度不同 纬度每隔0.00001度，距离相差约1.1米； 每隔0.0001度，距离相差约11米； 每隔...
Geohash算法原理及实现
最新发布
青鸟飞鱼
05-31 1109
最近需要实现一个功能，查找车辆附近的加油站，如果车和加油站距离在200米以内，则查找成功。 加油站数量肯定不小，能否缩小查找范围，否则以遍历形式，效率肯定高不了。 Geohash算法就是将经纬度编码，将二维变一维，给地址位置分区的一种算法。 基本原理 GeoHash是一种地址编码方法。他能够把二维的空间经纬度数据编码成一个字符串 我们知道，经度范围是东经180到西经180，纬度范围是南纬90到北纬90，我们设定西经为负，南纬为负，所以地球上的经度范围就是[-180， 180]，纬度范围就是[-90，90]
GeoHash算法的原理及实现
weixin_43990245的博客
03-27 3146
GeoHash ▶经纬度坐标 ​ 地球的经度范围为西经180到东经180，纬度范围为北纬90到南纬90，按照通常所说的上北下南左西右东，结合二维直角坐标系来理解，经度区间可以划分为左区间[-180,0)和右区间[0,180)两部分，同理纬度区间可以划分为左区间[-90,0)和[0,90)两部分 ▶1、是什么 ​ 一种地理编码，空间点索引算法，分级分数据结构，将地图划分为网格，可以提供任意精度的分段级别，一般分级为1-12级 ▶2、作用： ​ 对二维的有经度和维度的地理坐标进行编码，将二维坐标映射为一个字符串
帮我找找 基于xxx的查询分析系统设计与实现 的项目方案
03-08
基于xxx的查询分析系统设计与实现的项目方案需要考虑数据存储、查询语言、查询优化等方面。可以采用关系型数据库或者NoSQL数据库进行数据存储，使用SQL或者其他查询语言进行查询，同时需要进行查询优化以提高查询...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值