查詢附近點--Geohash方案討論

隨著移動終端的普及，很多應用都基於LBS功能，附近的某某（餐館、銀行、妹紙等等）。

基礎資料中，一般儲存了目標位置的經緯度；利用使用者提供的經緯度，進行對比，從而獲得是否在附近。

目標：
查詢附近的XXX，由近到遠返回結果，且結果中有與目標點的距離。

針對查詢附近的XXX，提出兩個方案，如下：

一、方案A:
=================================================================================================

抽象為球面兩點距離的計算，即已知道球面上兩點的經緯度；
點（緯度，經度），A($radLat1,$radLng1)、B($radLat2,$radLng2);

優點：通俗易懂，部署簡單便捷

缺點：每次都會查詢資料庫，效能堪憂

1、推導

通過餘弦定理以及弧度計算方法，最終推匯出來的算式A為：

$s = acos(cos($radLat1)*cos($radLat2)*cos($radLng1-$radLng2)+sin($radLat1)*sin($radLat2))*$R;

目前網上大多使用Google公開的距離計算公司，推導算式B為：

$s = 2*asin(sqrt(pow(sin(($radLat1-$radLat2)/2),2)+cos($radLat1)*cos($radLat2)*pow(sin(($radLng1-$radLng2)/2),2)))*$R;

其中 :
$radLat1、$radLng1，$radLat2，$radLng2 為弧度

$R 為地球半徑

2、通過測試兩種演算法，結果相同且都正確，但通過PHP程式碼測試，兩點間距離，10W次效能對比，自行推導版本計算時長算式B較優，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、所以採用數學方法推匯出的公式:

<?php

//根據經緯度計算距離其中A($lat1,$lng1)、B($lat2,$lng2)

public static function getDistance($lat1,$lng1,$lat2,$lng2)

{

//地球半徑

$R = 6378137;

//將角度轉為狐度

$radLat1 = deg2rad($lat1);

$radLat2 = deg2rad($lat2);

$radLng1 = deg2rad($lng1);

$radLng2 = deg2rad($lng2);

//結果

$s = acos(cos($radLat1)*cos($radLat2)*cos($radLng1-$radLng2)+sin($radLat1)*sin($radLat2))*$R;

//精度

$s = round($s* 10000)/10000;

return round($s);

}

?>

4、在實際應用中，需要從資料庫中遍歷取出符合條件，以及排序等操作，

將所有資料取出，然後通過PHP迴圈對比，篩選符合條件結果，顯然效能低下；所以我們利用下Mysql儲存函式來解決這個問題吧。

4.1、建立Mysql儲存函式,並對經緯度欄位建立索引

<?php

//根據經緯度計算距離其中A($lat1,$lng1)、B($lat2,$lng2)

public static function getDistance($lat1,$lng1,$lat2,$lng2)

{

//地球半徑

$R = 6378137;

//將角度轉為狐度

$radLat1 = deg2rad($lat1);

$radLat2 = deg2rad($lat2);

$radLng1 = deg2rad($lng1);

$radLng2 = deg2rad($lng2);

//結果

$s = acos(cos($radLat1)*cos($radLat2)*cos($radLng1-$radLng2)+sin($radLat1)*sin($radLat2))*$R;

//精度

$s = round($s* 10000)/10000;

return round($s);

}

?>

4.2、查詢SQL

通過SQL，可設定距離以及排序；可搜尋出符合條件的資訊，以及有一個較好的排序

1	`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演算法；geohash是一種地址編碼，它能把二維的經緯度編碼成一維的字串。
比如，成都永豐立交的編碼是wm3yr31d2524

優點:

1、利用一個欄位，即可儲存經緯度；搜尋時，只需一條索引，效率較高
2、編碼的字首可以表示更大的區域，查詢附近的，非常方便。 SQL中，LIKE ‘wm3yr3%’，即可查詢附近的所有地點。
3、通過編碼精度可模糊座標、隱私保護等。

缺點: 距離和排序需二次運算（篩選結果中執行，其實挺快）

1、geohash的編碼演算法

成都永豐立交經緯度(30.63578,104.031601)

1.1、緯度範圍(-90, 90)平分成兩個區間(-90, 0)、(0, 90)，如果目標緯度位於前一個區間，則編碼為0，否則編碼為1。
由於30.625265屬於(0, 90)，所以取編碼為1。
然後再將(0, 90)分成 (0, 45), (45, 90)兩個區間，而39.92324位於(0, 45)，所以編碼為0，
然後再將(0, 45)分成 (0, 22.5), (22.5, 45)兩個區間，而39.92324位於(22.5, 45)，所以編碼為1，
依次類推可得永豐立交緯度編碼為101010111001001000100101101010。

1.2、經度也用同樣的演算法，對(-180, 180)依次細分，(-180，0)、(0,180) 得出編碼110010011111101001100000000000

1.3、合併經緯度編碼，從高到低，先取一位經度，再取一位緯度；得出結果 111001001100011111101011100011000010110000010001010001000100

1.4、用0-9、b-z（去掉a, i, l, o）這32個字母進行base32編碼，得到(30.63578,104.031601)的編碼為wm3yr31d2524。

11100 10011 00011 11110 10111 00011 00001 01100 00010 00101 00010 00100 => wm3yr31d2524

十進位制 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

十進位制 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 z

2、策略

1、在緯度和經度入庫時，資料庫新加一欄位geohash，記錄此點的geohash值

2、查詢附近，利用在SQL中 LIKE ‘wm3yr3%’；且此結果可快取；在小區域內，不會因為改變經緯度，而重新資料庫查詢

3、查詢出的有限結果，如需要求距離或者排序，可利用距離公式和二維資料排序；此時也是少量資料，會很快的。

3、PHP基類

geohash.class.php

<?php

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、測試

<?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;

//經緯度轉換成Geohash

//獲取附近的資訊

$n_latitude = $_GET['la'];

$n_longitude = $_GET['lo'];

//開始

$b_time = microtime(true);

//方案A，直接利用資料庫儲存函式，遍歷排序

//方案B geohash求出附近，然後排序

//當前 geohash值

$n_geohash = $geohash->encode($n_latitude,$n_longitude);

//附近

$n = $_GET['n'];

$like_geohash = substr($n_geohash, 0, $n);

$sql = 'select * from mb_shop_ext where geohash like "'.$like_geohash.'%"';

echo $sql;

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

//算出實際距離

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;

}

//距離排序

array_multisort($sortdistance,SORT_ASC,$data);

//結束

$e_time = microtime(true);

echo $e_time - $b_time;

var_dump($data);

//根據經緯度計算距離其中A($lat1,$lng1)、B($lat2,$lng2)

function getDistance($lat1,$lng1,$lat2,$lng2)

{

//地球半徑

$R = 6378137;

//將角度轉為狐度

$radLat1 = deg2rad($lat1);

$radLat2 = deg2rad($lat2);

$radLng1 = deg2rad($lng1);

$radLng2 = deg2rad($lng2);

//結果

$s = acos(cos($radLat1)*cos($radLat2)*cos($radLng1-$radLng2)+sin($radLat1)*sin($radLat2))*$R;

//精度

$s = round($s* 10000)/10000;

return round($s);

}

?>

四、總結

方案B的亮點在於：
1、搜尋結果可快取，重複使用，不會因為使用者有小範圍的移動，直接穿透資料庫查詢。
2、先縮小結果範圍，再運算、排序，可提升效能。

254條記錄，效能對比，

在實際應用場景中，方案B資料庫搜尋可記憶體快取；且如資料量更大，方案B結果會更優。

方案A:
0.016560077667236
0.032402992248535
0.040318012237549

方案B
0.0079810619354248
0.0079669952392578
0.0064868927001953

五、其他

兩種方案，根據應用場景以及負載情況合理選擇，當然推薦方案B;
不管哪種方案，都記得，給列加上索引，利於資料庫檢索。

查詢附近點--Geohash方案討論

相關文章