您的位置：首页 > 其它

查找附近点--Geohash方案讨论

2015-08-29 13:48 459 查看

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)

publicstatic

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)

publicstatic

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)ASdistanceFROMmb_shop_extwhere1HAVINGdistance<1000ORDERBYdistanceASCLIMIT0,10

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。

111001001100011111101011100011000010110000010001010001000100=>wm3yr31d2524

十进制0123456789101112131415

base320123456789bcdefg

十进制16171819202122232425262728293031

base32hjkmnpqrstu

wxyz

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

classGeohash

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

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

);

$mysql=newDb_Mysql($conf);

$geohash=newGeohash;

//

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Bgeohash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*frommb_shop_extwheregeohashlike"'

.$like_geohash.

'%"'

echo

$sql;

$data=$mysql->queryAll($sql);

//

算出实际距离

foreach($dataas$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。

内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理

标签：

相关文章推荐

新的分享

章节导航