geohash.php地图开发,geohash实现距离排序算法php

二、方案B：Geohash算法

Geohash算法是一种地址编码，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)、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。

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

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

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 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、一个PHP基类

geohash.class.php

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

'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，参数n代表Geohash，精确的位数，也就是大概距离；n=6时候，大概为附近1千米

$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

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。

注意：在数据库中给Geohash加上索引，用户位置频繁发生改变则会导致索引重建，这势必会给数据库造成很大的压力