查找附近點--Geohash方案討論
隨著移動終端的普及，很多應用都基于LBS功能，附近的某某（餐館、銀行、妹紙等等）。
基礎數據中，一般保存了目標位置的經緯度；利用用戶提供的經緯度，進行對比，從而獲得是否在附近。
目標：
查找附近的XXX，由近到遠返回結果，且結果中有與目標點的距離。
針對查找附近的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：每次都會查詢數據庫，性能堪憂
1、推導
通過余弦定理以及弧度計算方法，最終推導出來的算式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
$R 為地球半徑
2、通過測試兩種算法，結果相同且都正確，但通過PHP代碼測試，兩點間距離，10W次性能對比，自行推導版本計算時長算式B較優，如下：
//算式A
0.56368780136108float(431)
0.57460689544678float(431)
0.59051203727722float(431)
//算式B
0.47404885292053float(431)
0.47808718681335float(431)
0.47946381568909float(431)
3、所以采用數學方法推導出的公式:
<?php
//根據經緯度計算距離 其中A($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($s);
}
?>
4、在實際應用中，需要從數據庫中遍歷取出符合條件，以及排序等操作，
將所有數據取出，然后通過PHP循環對比，篩選符合條件結果，顯然性能低下；所以我們利用下Mysql存儲函數來解決這個問題吧。
4.1、創建Mysql存儲函數,并對經緯度字段建立索引
<?php
//根據經緯度計算距離 其中A($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，可設置距離以及排序；可搜索出符合條件的信息，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符串。
比如，成都永豐立交的編碼是wm3yr31d2524
優點:
1、利用一個字段，即可存儲經緯度；搜索時，只需一條索引，效率較高
2、編碼的前綴可以表示更大的區域，查找附近的，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坐標、隱私保護等。
缺點: 距離和排序需二次運算（篩選結果中運行，其實挺快）
1、geohash的編碼算法
成都永豐立交經緯度(30.63578,104.031601)
1.1、緯度范圍(-90, 90)平分成兩個區間(-90, 0)、(0, 90)，如果目標緯度位于前一個區間，則編碼為0，否則編碼為1。
由于30.625265屬于(0, 90)，所以取編碼為1。
然后再將(0, 90)分成 (0, 45), (45, 90)兩個區間，而39.92324位于(0, 45)，所以編碼為0，
然后再將(0, 45)分成 (0, 22.5), (22.5, 45)兩個區間，而39.92324位于(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、經度也用同樣的算法，對(-180, 180)依次細分，(-180，0)、(0,180) 得出編碼110010011111101001100000000000
1.3、合并經緯度編碼，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，數據庫新加一字段geohash，記錄此點的geohash值
2、查找附近，利用 在SQL中 LIKE ‘wm3yr3%’；且此結果可緩存；在小區域內，不會因為改變經緯度，而重新數據庫查詢
3、查找出的有限結果，如需要求距離或者排序，可利用距離公式和二維數據排序；此時也是少量數據，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
//獲取附近的信息
$n_latitude = $_GET['la'];
$n_longitude = $_GET['lo'];
//開始
$b_time = microtime(true);
//方案A，直接利用數據庫存儲函數，遍歷排序
//方案B geohash求出附近，然后排序
//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的亮點在于：
1、搜索結果可緩存，重復使用，不會因為用戶有小范圍的移動，直接穿透數據庫查詢。
2、先縮小結果范圍，再運算、排序，可提升性能。
254條記錄，性能對比，
在實際應用場景中，方案B數據庫搜索可內存緩存；且如數據量更大，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，利于數據庫檢索。