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：
查找附近的某某某，由近到远返回结果，且结果中有与目标点的距离。
针对查找附近的某某某，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
$R 为地球半径
2、两种算法
通过测试两种算法，结果相同且都正确，但通过PHP代码测试，两点间距离，10W次性能对比，自行推导版本计算时长算式B较优，如下：
//算式A
0.56368780136108float(431)
0.57460689544678float(431)
0.59051203727722float(431)
//算式B
0.47404885292053float(431)
0.47808718681335float(431)
0.47946381568909float(431)3、所以采用数学方法推导出的公式:
<?php
//根据经纬度计算距离 其中A($lat1,$lng1)、B($lat2,$lng2)
public static function getDistance($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、实际应用中
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。
1）、创建MySQL存储函数,并对经纬度字段建立索引
DELIMITER $$ CREATE DEFINER=`root`@`%` FUNCTION `GETDISTANCE`(lat1 DOUBLE, lng1 DOUBLE, lat2 DOUBLE, lng2 DOUBLE) RETURNS double READS SQL DATA DETERMINISTIC BEGIN DECLARE RAD DOUBLE; DECLARE EARTH_RADIUS DOUBLE DEFAULT 6378137; DECLARE radLat1 DOUBLE; DECLARE radLat2 DOUBLE; DECLARE radLng1 DOUBLE; DECLARE radLng2 DOUBLE; DECLARE s DOUBLE; SET RAD = PI() / 180.0; SET radLat1 = lat1 * RAD; SET radLat2 = lat2 * RAD; SET radLng1 = lng1 * RAD; SET radLng2 = lng2 * RAD; SET s = ACOS(COS(radLat1)*COS(radLat2)*COS(radLng1-radLng2)+SIN(radLat1)*SIN(radLat2))*EARTH_RADIUS; SET s = ROUND(s * 10000) / 10000; RETURN s; END$$ DELIMITER ;
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
SELECT *,latitude,longitude,GETDISTANCE(latitude,longitude,30.663262,104.071619) AS distance FROM mb_shop_ext where 1 HAVING distance<1000 ORDER BY distance ASC LIMIT 0,10
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 z2、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
<?php
/**
* Encode and decode geohashes
*/
class Geohash {
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
);
$mysql = new Db_Mysql($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
可换一种方案：使用Redis来实现LBS的应用
5421
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
