转自：挖土豆的人 《查找附近点–Geohash方案讨论》 http://blog.sina.com.cn/s/blog_7c05385f0101eofb.html
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：
| | $s = acos(cos($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：
| | $s = 2*asin(sqrt(pow(sin(($radLat1-$radLat2)/2),2)+cos($radLat1)*cos($radLat2)*pow(sin(($radLng1-$radLng2)/2),2)))*$R; |
其中 :
$radLat1、$radLng1，$radLat2，$radLng2 为弧度
$R 为地球半径
2、通过测试两种算法，结果相同且都正确，但通过PHP代码测试，两点间距离，10W次性能对比，自行推导版本计算时长算式B较优，如下：
//算式A
0.56368780136108float(431)
0.57460689544678float(431)
0.59051203727722float(431)
//算式B
0.47404885292053float(431)
0.47808718681335float(431)
0.47946381568909float(431)
3、所以采用数学方法推导出的公式:
<?php
//
根据经纬度计算距离 其中A($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($s);
}
?>
|
4、在实际应用中，需要从数据库中遍历取出符合条件，以及排序等操作，
将所有数据取出，然后通过PHP循环对比，筛选符合条件结果，显然性能低下；所以我们利用下Mysql存储函数来解决这个问题吧。
4.1、创建Mysql存储函数,并对经纬度字段建立索引
<?php
//
根据经纬度计算距离 其中A($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);
}
?>
|
4.2、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 |
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101010111001001000100101
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110010011111101001100000
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 111001001100011111101011
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。
|
|
11100 10011 00011 11110 10111 00011 00001 01100 00010 00101 00010 00100 => wm3yr31d2524
十进制
base32
十进制
base32
v
w
|
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
class Geohash
{
private $coding=
"0123456789bcdefghjkmnpqr
;
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
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
//
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
//
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。
PS.
经过本人的简单笨拙的测试，各个前段字符串的距离大概是以下
* 各个位置的距离
ws1000000000=0
ws1000000001=0
ws1000000010=0
ws1000000100=1
ws1000001000=4
ws1000010000=19
ws1000100000=141
ws1001000000=611
ws1010000000=4520
ws1100000000=19568
ws2000000000=212616
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
