坐标距离位置,你用的是那种呢?

mysql:利用mysql提供的函数st_distance ,换算出距离坐标的距离(米),然后进行排序

st_distance 函数是从mysql5.6.1才加入的。其中redis也提供了坐标最近数据查询, geo,坏处无法做到分页,是一维存储

redis使用Zset结构存储,将经度值、纬度值转换为一个值,二维量变成一维量找附近的位置,效率极高,不过限于平面,且无法分页

MongoDB更为灵活,通过建立地理位置索引,来实现附近的地理位置查找,可以支持平面、球面,还可分页,功能更为丰富完善。

关系型数据库(mysql):
特性:

    关系型数据库是指采用了关系模型来组织数据的数据库;
    关系型数据库的最大特点就是事务的一致性
    简单来说,关系模型指的就是二维表格模型,关系型数据库就是由二维表及其之间的关联组成的数据组织

优点:

    容易理解;
    使用方便;
    易于维护;
    支持SQL,可用于复杂的查询

缺点:

    为了维护一执行需要消耗大量的性能,
    影响读写
    固定的表结构
    高并发读写需求
    海量数据的高效率读写

非关系型数据库(mongodb):
特性:

    使用键值对存储数据
    分布式
    不支持ACID特性
    非关系型数据库严格上来说,不算是一种数据库,应该是一种数据结构化存储方法的集合

优点:

    无需经过sql层的解析,读写性能高;
    基于键值对,数据没有耦合性,容易扩展;
    存储数据的格式,nosql使用key:val的形式,文档的形式,图片形式等等,而关系型数据库则只支持基础类型

缺点:

    不提供sql支持,学习成本高
    无事务处理,附加功能和报表支持也不好

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
距离加权插值(inverse distance weighted interpolation)是一种基于距离的插值方法,用于估计未知位置的值。Java实现反距离算法的步骤如下: 1.定义一个方法,传入三个参数:已知点的经纬度坐标、已知点的值和待估点的经纬度坐标。 2.计算待估点与已知点之间的距离。可以使用Haversine公式计算球面距离。 3.计算距离的倒数作为权重。权重可以使用以下公式计算:weight = 1 / (distance ^ p),其中p是一个指数(一般取2)。 4.根据权重对已知点的值进行加权平均。加权平均可以使用以下公式计算:value = sum(weight * knownValue) / sum(weight),其中sum(weight)是所有已知点的权重之和。 5.返回待估点的估计值。 下面是一个Java示例代码: ```java public static double inverseDistanceWeightedInterpolation(double[][] knownLocations, double[] knownValues, double[] unknownLocation, double p) { double sumWeight = 0.0; double sumWeightedValue = 0.0; for (int i = 0; i < knownLocations.length; i++) { double distance = haversineDistance(knownLocations[i], unknownLocation); double weight = Math.pow(1.0 / distance, p); sumWeight += weight; sumWeightedValue += weight * knownValues[i]; } return sumWeightedValue / sumWeight; } public static double haversineDistance(double[] location1, double[] location2) { double earthRadius = 6371.0; // km double lat1 = Math.toRadians(location1[0]); double lon1 = Math.toRadians(location1[1]); double lat2 = Math.toRadians(location2[0]); double lon2 = Math.toRadians(location2[1]); double dLat = lat2 - lat1; double dLon = lon2 - lon1; double a = Math.sin(dLat / 2) * Math.sin(dLat / 2) + Math.cos(lat1) * Math.cos(lat2) * Math.sin(dLon / 2) * Math.sin(dLon / 2); double c = 2 * Math.atan2(Math.sqrt(a), Math.sqrt(1 - a)); return earthRadius * c; } ``` 其中,`knownLocations`是一个二维数组,每一行表示一个已知点的经纬度坐标;`knownValues`是一个一维数组,每个元素表示一个已知点的值;`unknownLocation`是一个一维数组,表示待估点的经纬度坐标;`p`是一个指数,用于控制权重的衰减速度。函数返回待估点的估计值。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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