您的位置：首页 > 其它

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：

$s=acos(cos($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)
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

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();
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。

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