(转)查找附近的xxx 球面距离以及Geohash方案探讨

最新推荐文章于 2024-08-06 07:00:00 发布

吕建奎

最新推荐文章于 2024-08-06 07:00:00 发布

阅读量813

点赞数

分类专栏：数据库 php 文章标签：数据库 php 查询附近

数据库同时被 2 个专栏收录

18 篇文章 0 订阅

订阅专栏

php

1 篇文章 0 订阅

订阅专栏

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：

    Php代码   
    
 $s = acos(cos($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：

    Php代码   
    
 $s = 2*asin(sqrt(pow(sin(($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:

    Php代码   
    
  
 <?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

    Sql代码   
    
 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

    Sql代码   
    
 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。

    Java代码   
    
  
 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

    Php代码   
    
  
 <?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

    Php代码   
    
  
 <?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。

吕建奎

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
(转)查找附近的xxx 球面距离以及Geohash方案探讨

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: ==========================
复制链接

扫一扫

专栏目录