他山之石-查找附近点--Geohash方案讨论
2016-01-19 19:58
525 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:
目前网上大多使用Google公开的距离计算公司,推导算式B为:
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:
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。
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
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。
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
三、测试
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。
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; |
$s=2*asin(sqrt(pow(sin(($radLat1-$radLat2) /2 ),2)+cos($radLat1)*cos($radLat2)*pow(sin(($radLng1-$radLng2) /2 ),2)))*$R; |
$radLat1、$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,$lng2) publicstaticfunctiongetDistance($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; returnround($s); } ?>
4、在实际应用中,需要从数据库中遍历取出符合条件,以及排序等操作,
将所有数据取出,然后通过PHP循环对比,筛选符合条件结果,显然性能低下;所以我们利用下Mysql存储函数来解决这个问题吧。
4.1、创建Mysql存储函数,并对经纬度字段建立索引。
<?php //根据经纬度计算距离其中A($lat1,$lng1)、B($lat2,$lng2) publicstaticfunctiongetDistance($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; returnround($s); } ?>
4.2、查询SQL
通过SQL,可设置距离以及排序;可搜索出符合条件的信息,以及有一个较好的排序
1 | SELECT*,latitude,longitude,GETDISTANCE(latitude,longitude,30.663262,104.071619)ASdistanceFROMmb_shop_extwhere1HAVINGdistance<1000ORDERBYdistanceASCLIMIT0,10 |
=================================================================================================
Geohash算法;geohash是一种地址编码,它能把二维的经纬度编码成一维的字符串。
比如,成都永丰立交的编码是wm3yr31d2524
优点:
1、利用一个字段,即可存储经纬度;搜索时,只需一条索引,效率较高
2、编码的前缀可以表示更大的区域,查找附近的,非常方便。SQL中,LIKE‘wm3yr3%’,即可查询附近的所有地点。
3、通过编码精度可模糊坐标、隐私保护等。
缺点:距离和排序需二次运算(筛选结果中运行,其实挺快)
1、geohash的编码算法
成都永丰立交经纬度(30.63578,104.031601)
1.1、纬度范围(-90,90)平分成两个区间(-90,0)、(0,90),如果目标纬度位于前一个区间,则编码为0,否则编码为1。
由于30.625265属于(0,90),所以取编码为1。
然后再将(0,90)分成(0,45),(45,90)两个区间,而39.92324位于(0,45),所以编码为0,
然后再将(0,45)分成(0,22.5),(22.5,45)两个区间,而39.92324位于(22.5,45),所以编码为1,
依次类推可得永丰立交纬度编码为101010111001001000100101101010。
1.2、经度也用同样的算法,对(-180,180)依次细分,(-180,0)、(0,180)得出编码110010011111101001100000000000
1.3、合并经纬度编码,从高到低,先取一位经度,再取一位纬度;得出结果111001001100011111101011100011000010110000010001010001000100
1.4、用0-9、b-z(去掉a,i,l,o)这32个字母进行base32编码,得到(30.63578,104.031601)的编码为wm3yr31d2524。
111001001100011111101011100011000010110000010001010001000100=>wm3yr31d2524 十进制0123456789101112131415 base320123456789bcdefg 十进制16171819202122232425262728293031 base32hjkmnpqrstu v wxyz |
1、在纬度和经度入库时,数据库新加一字段geohash,记录此点的geohash值
2、查找附近,利用在SQL中LIKE‘wm3yr3%’;且此结果可缓存;在小区域内,不会因为改变经纬度,而重新数据库查询
3、查找出的有限结果,如需要求距离或者排序,可利用距离公式和二维数据排序;此时也是少量数据,会很快的。
3、PHP基类
geohash.class.php
<?PHP
classGeohash
{
private$coding="0123456789bcdefghjkmnpqrstuvwxyz";
private$codingMap=array();
publicfunctionGeohash()
{
for($i=0;$i<32;$i++)
{
$this->codingMap[substr($this->coding,$i,1)]=str_pad(decbin($i),5,"0",STR_PAD_LEFT);
}
}
publicfunctiondecode($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,$longPlaces);
returnarray($lat,$long);
}
publicfunctionencode($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$hash;
}
privatefunctioncalcError($bits,$min,$max)
{
$err=($max-$min)/2;
while($bits--)
$err/=2;
return$err;
}
privatefunctionprecision($number)
{
$precision=0;
$pt=strpos($number,'.');
if($pt!==false)
{
$precision=-(strlen($number)-$pt-1);
}
returnpow(10,$precision)/2;
}
privatefunctionbinEncode($number,$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,$bitcount-1);
}
privatefunctionbinDecode($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)
functiongetDistance($lat1,$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;
returnround($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。
相关文章推荐
- Netty 介绍
- sql语句总结
- centos6.5下yum安装最新版本mysql5.7
- halcon模板匹配
- 学习笔记------数据结构(C语言版)进制转换
- CentOS6安装Mysql5.7.10亲测
- CentOS6安装Mysql5.7.10亲测
- Java中的访问修饰符,this关键字,内部类
- Linux下gcc生成和使用静态库和动态库详解
- hdoj2050折线分割平面
- UIImageView常用操作
- 伴随着三维全息投影技术的升级,物理屏幕将彻底消失
- leetcode之delete Node in a linked list
- Fragment的生命周期
- Jav多线程
- JavaMail实现QQ邮箱发送报错问题的处理
- mina框架详解
- iOSUI-UITableView属性,方法大全
- bzoj1597 土地购买
- java.lang.ClassNotFoundException与java.lang.NoClassDefFoundError的区别