根据经纬度实现附近搜索Java实现

现在很多手机软件都用附近搜索功能，但具体是怎么实现的呢》
在网上查了很多资料，mysql空间数据库、矩形算法、geohash我都用过了，当数据上了百万之后mysql空间数据库方法是最强最精确的（查询前100条数据只需5秒左右）。

接下来推出一个原创计算方法，查询速度是mysql空间数据库算法的2倍

$lng是你的经度，$lat是你的纬度

 

SELECT lng,lat,
        (POWER(MOD(ABS(lng - $lng),360),2) + POWER(ABS(lat - $lat),2)) AS distance
        FROM `user_location`
        ORDER BY distance LIMIT 100

 

经测试，在100万数据中取前100条数据只需2.5秒左右。

####################################

另外的几种算法还是在这里展示一下：

 

一、距形算法

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27

define(EARTH_RADIUS, 6371);//地球半径，平均半径为6371km  /**  *计算某个经纬度的周围某段距离的正方形的四个点  *  *@param lng float 经度  *@param lat float 纬度  *@param distance float 该点所在圆的半径，该圆与此正方形内切，默认值为0.5千米  *@return array 正方形的四个点的经纬度坐标  */  function returnSquarePoint($lng, $lat,$distance = 0.5){       $dlng =  2 * asin(sin($distance / (2 * EARTH_RADIUS)) / cos(deg2rad($lat)));     $dlng = rad2deg($dlng);       $dlat = $distance/EARTH_RADIUS;     $dlat = rad2deg($dlat);       return array(                 'left-top'=>array('lat'=>$lat + $dlat,'lng'=>$lng-$dlng),                 'right-top'=>array('lat'=>$lat + $dlat, 'lng'=>$lng + $dlng),                 'left-bottom'=>array('lat'=>$lat - $dlat, 'lng'=>$lng - $dlng),                 'right-bottom'=>array('lat'=>$lat - $dlat, 'lng'=>$lng + $dlng)                 );  } //使用此函数计算得到结果后，带入sql查询。 $squares = returnSquarePoint($lng, $lat); $info_sql = "select id,locateinfo,lat,lng from `lbs_info` where lat<>0 and lat>{$squares['right-bottom']['lat']} and lat<{$squares['left-top']['lat']} and lng>{$squares['left-top']['lng']} and lng<{$squares['right-bottom']['lng']} ";

 

 

java代码如下：

 

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37

/**  * 默认地球半径  */ private static double EARTH_RADIUS = 6371;   /**  * 计算经纬度点对应正方形4个点的坐标  *  * @param longitude  * @param latitude  * @param distance  * @return  */ public static Map<String, double[]> returnLLSquarePoint(double longitude,         double latitude, double distance) {     Map<String, double[]> squareMap = new HashMap<String, double[]>();     // 计算经度弧度,从弧度转换为角度     double dLongitude = 2 * (Math.asin(Math.sin(distance             / (2 * EARTH_RADIUS))             / Math.cos(Math.toRadians(latitude))));     dLongitude = Math.toDegrees(dLongitude);     // 计算纬度角度     double dLatitude = distance / EARTH_RADIUS;     dLatitude = Math.toDegrees(dLatitude);     // 正方形     double[] leftTopPoint = { latitude + dLatitude, longitude - dLongitude };     double[] rightTopPoint = { latitude + dLatitude, longitude + dLongitude };     double[] leftBottomPoint = { latitude - dLatitude,             longitude - dLongitude };     double[] rightBottomPoint = { latitude - dLatitude,             longitude + dLongitude };     squareMap.put("leftTopPoint", leftTopPoint);     squareMap.put("rightTopPoint", rightTopPoint);     squareMap.put("leftBottomPoint", leftBottomPoint);     squareMap.put("rightBottomPoint", rightBottomPoint);     return squareMap; }

 

 

二、 空间数据库算法

以下location字段是跟据经纬度来生成的空间数据，如：
location字段的type设为point
"update feed set location=GEOMFROMTEXT('point({$lat} {$lng})') where id='{$id}'"

mysql空间数据查询

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

SET @center = GEOMFROMTEXT('POINT(35.801559 -10.501577)');         SET @radius = 4000;         SET @bbox = CONCAT('POLYGON((',         X(@center) - @radius, ' ', Y(@center) - @radius, ',',         X(@center) + @radius, ' ', Y(@center) - @radius, ',',         X(@center) + @radius, ' ', Y(@center) + @radius, ',',         X(@center) - @radius, ' ', Y(@center) + @radius, ',',         X(@center) - @radius, ' ', Y(@center) - @radius, '))'         ); SELECT id,lng,lat,         SQRT(POW( ABS( X(location) - X(@center)), 2) + POW( ABS(Y(location) - Y(@center)), 2 )) AS distance         FROM `user_location` WHERE 1=1         AND INTERSECTS( location, GEOMFROMTEXT(@bbox) )         AND SQRT(POW( ABS( X(location) - X(@center)), 2) + POW( ABS(Y(location) - Y(@center)), 2 )) < @radius         ORDER BY distance LIMIT 20

三、geo算法

 

 参考文档：

http://blog.csdn.net/wangxiafghj/article/details/9014363geohash  算法原理及实现方式
http://blog.charlee.li/geohash-intro/  geohash：用字符串实现附近地点搜索
http://blog.sina.com.cn/s/blog_7c05385f0101eofb.html    查找附近点--Geohash方案讨论
http://www.wubiao.info/372        查找附近的xxx 球面距离以及Geohash方案探讨
http://en.wikipedia.org/wiki/Haversine_formula       Haversine formula球面距离公式
http://www.codecodex.com/wiki/Calculate_Distance_Between_Two_Points_on_a_Globe   球面距离公式代码实现
http://developer.baidu.com/map/jsdemo.htm#a6_1   球面距离公式验证  
http://www.wubiao.info/470     Mysql or Mongodb LBS快速实现方案


geohash有以下几个特点：

首先，geohash用一个字符串表示经度和纬度两个坐标。某些情况下无法在两列上同时应用索引 （例如MySQL 4之前的版本，Google App Engine的数据层等），利用geohash，只需在一列上应用索引即可。

其次，geohash表示的并不是一个点，而是一个矩形区域。比如编码wx4g0ec19，它表示的是一个矩形区域。 使用者可以发布地址编码，既能表明自己位于北海公园附近，又不至于暴露自己的精确坐标，有助于隐私保护。

第三，编码的前缀可以表示更大的区域。例如wx4g0ec1，它的前缀wx4g0e表示包含编码wx4g0ec1在内的更大范围。 这个特性可以用于附近地点搜索。首先根据用户当前坐标计算geohash（例如wx4g0ec1）然后取其前缀进行查询 （SELECT * FROM place WHERE geohash LIKE 'wx4g0e%'），即可查询附近的所有地点。

查找附近网点geohash算法及实现 （Java版本），geohashjava

Geohash比直接用经纬度的高效很多。

Geohash算法实现（Java版本）

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109

package com.DistTest; import java.util.BitSet; import java.util.HashMap;   public class Geohash {           private static int numbits = 6 * 5;         final static char[] digits = { '0', '1', '2', '3', '4', '5', '6', '7', '8',                         '9', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'j', 'k', 'm', 'n', 'p',                         'q', 'r', 's', 't', 'u', 'v', 'w', 'x', 'y', 'z' };                  final static HashMap<Character, Integer> lookup = new HashMap<Character, Integer>();         static {                 int i = 0;                 for (char c : digits)                         lookup.put(c, i++);         }           public double[] decode(String geohash) {                 StringBuilder buffer = new StringBuilder();                 for (char c : geohash.toCharArray()) {                           int i = lookup.get(c) + 32;                         buffer.append( Integer.toString(i, 2).substring(1) );                 }                                  BitSet lonset = new BitSet();                 BitSet latset = new BitSet();                                  //even bits                 int j =0;                 for (int i=0; i< numbits*2;i+=2) {                         boolean isSet = false;                         if ( i < buffer.length() )                           isSet = buffer.charAt(i) == '1';                         lonset.set(j++, isSet);                 }                                  //odd bits                 j=0;                 for (int i=1; i< numbits*2;i+=2) {                         boolean isSet = false;                         if ( i < buffer.length() )                           isSet = buffer.charAt(i) == '1';                         latset.set(j++, isSet);                 }                //中国地理坐标：东经73°至东经135°，北纬4°至北纬53°                 double lon = decode(lonset, 70, 140);                 double lat = decode(latset, 0, 60);                                  return new double[] {lat, lon};                }                  private double decode(BitSet bs, double floor, double ceiling) {                 double mid = 0;                 for (int i=0; i<bs.length(); i++) {                         mid = (floor + ceiling) / 2;                         if (bs.get(i))                                 floor = mid;                         else                                 ceiling = mid;                 }                 return mid;         }                           public String encode(double lat, double lon) {                 BitSet latbits = getBits(lat, 0, 60);                 BitSet lonbits = getBits(lon, 70, 140);                 StringBuilder buffer = new StringBuilder();                 for (int i = 0; i < numbits; i++) {                         buffer.append( (lonbits.get(i))?'1':'0');                         buffer.append( (latbits.get(i))?'1':'0');                 }                 return base32(Long.parseLong(buffer.toString(), 2));         }           private BitSet getBits(double lat, double floor, double ceiling) {                 BitSet buffer = new BitSet(numbits);                 for (int i = 0; i < numbits; i++) {                         double mid = (floor + ceiling) / 2;                         if (lat >= mid) {                                 buffer.set(i);                                 floor = mid;                         } else {                                 ceiling = mid;                         }                 }                 return buffer;         }           public static String base32(long i) {                 char[] buf = new char[65];                 int charPos = 64;                 boolean negative = (i < 0);                 if (!negative)                         i = -i;                 while (i <= -32) {                         buf[charPos--] = digits[(int) (-(i % 32))];                         i /= 32;                 }                 buf[charPos] = digits[(int) (-i)];                   if (negative)                         buf[--charPos] = '-';                 return new String(buf, charPos, (65 - charPos));         }   }

球面距离公式：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60

package com.DistTest; public class Test{     private static final  double EARTH_RADIUS = 6371000;//赤道半径(单位m)           /**      * 转化为弧度(rad)      * */     private static double rad(double d)     {        return d * Math.PI / 180.0;     }     /**      * 基于googleMap中的算法得到两经纬度之间的距离,计算精度与谷歌地图的距离精度差不多，相差范围在0.2米以下      * @param lon1 第一点的精度      * @param lat1 第一点的纬度      * @param lon2 第二点的精度      * @param lat3 第二点的纬度      * @return 返回的距离，单位m      * */     public static double GetDistance(double lon1,double lat1,double lon2, double lat2)     {        double radLat1 = rad(lat1);        double radLat2 = rad(lat2);        double a = radLat1 - radLat2;        double b = rad(lon1) - rad(lon2);        double s = 2 * Math.asin(Math.sqrt(Math.pow(Math.sin(a/2),2)+Math.cos(radLat1)*Math.cos(radLat2)*Math.pow(Math.sin(b/2),2)));        s = s * EARTH_RADIUS;        s = Math.round(s * 10000) / 10000;        return s;     }           public static void main(String []args){           double lon1=109.0145193757;            double lat1=34.236080797698;           double lon2=108.9644583556;           double lat2=34.286439088548;           double dist;           String geocode;                       dist=Test.GetDistance(lon1, lat1, lon2, lat2);           System.out.println("两点相距：" + dist + " 米");                                   Geohash geohash = new Geohash();           geocode=geohash.encode(lat1, lon1);           System.out.println("当前位置编码：" + geocode);                      geocode=geohash.encode(lat2, lon2);           System.out.println("远方位置编码：" + geocode);          }     //wqj7j37sfu03h2xb2q97     /* 永相逢超市 108.83457500177 34.256981052624 wqj6us6cmkj5bbfj6qdg s6q08ubhhuq7 */ }

附近网点距离排序

 

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96

package com.DistTest;    import java.sql.DriverManager; import java.sql.ResultSet; import java.sql.SQLException; import java.sql.Connection; import java.sql.Statement;       public class sqlTest {           public static void main(String[] args) throws Exception {         Connection conn = null;         String sql;         String url = "jdbc:mysql://132.97.**.**/test?"                 + "user=***&password=****&useUnicode=true&characterEncoding=UTF8";            try {             Class.forName("com.mysql.jdbc.Driver");// 动态加载mysql驱动             // System.out.println("成功加载MySQL驱动程序");             // 一个Connection代表一个数据库连接             conn = DriverManager.getConnection(url);             // Statement里面带有很多方法，比如executeUpdate可以实现插入，更新和删除等             Statement stmt = conn.createStatement();             sql = "select * from retailersinfotable limit 1,10";             ResultSet rs = stmt.executeQuery(sql);// executeQuery会返回结果的集合，否则返回空值               double lon1=109.0145193757;                double lat1=34.236080797698;             System.out.println("当前位置：");             int i=0;             String[][] array = new String[10][3];             while (rs.next()){                     //从数据库取出地理坐标                     double lon2=Double.parseDouble(rs.getString("Longitude"));                     double lat2=Double.parseDouble(rs.getString("Latitude"));                                           //根据地理坐标，生成geohash编码                       Geohash geohash = new Geohash();                     String geocode=geohash.encode(lat2, lon2).substring(0, 9);                                           //计算两点间的距离                       int dist=(int) Test.GetDistance(lon1, lat1, lon2, lat2);                                               array[i][0]=String.valueOf(i);                     array[i][1]=geocode;                     array[i][2]=Integer.toString(dist);                                               i++;                           //    System.out.println(lon2+"---"+lat2+"---"+geocode+"---"+dist);                    }               array=sqlTest.getOrder(array); //二维数组排序             sqlTest.showArray(array);        //打印数组                                                     } catch (SQLException e) {             System.out.println("MySQL操作错误");             e.printStackTrace();         } finally {             conn.close();         }        }     /*      * 二维数组排序，比较array[][2]的值，返回二维数组      * */     public static String[][] getOrder(String[][] array){         for (int j = 0; j < array.length ; j++) {             for (int bb = 0; bb < array.length - 1; bb++) {                 String[] ss;                 int a1=Integer.valueOf(array[bb][2]);  //转化成int型比较大小                 int a2=Integer.valueOf(array[bb+1][2]);                 if (a1>a2) {                     ss = array[bb];                     array[bb] = array[bb + 1];                     array[bb + 1] = ss;                                       }             }         }         return array;     }           /*打印数组*/     public static void showArray(String[][] array){           for(int a=0;a<array.length;a++){               for(int j=0;j<array[0].length;j++)                   System.out.print(array[a][j]+" ");               System.out.println();           }     }   }

 

 

一直在琢磨LBS，期待可以发现更好的方案。现在纠结了。

简单列举一下已经了解到的方案：
1.sphinx geo索引
2.mongodb geo索引
3.mysql sql查询
4.mysql+geohash
5.redis+geohash

然后列举一下需求：
1.实时性要高，有频繁的更新和读取
2.可按距离排序支持分页
3.支持多条件筛选（一个经纬度数据还包含其他属性，比如社交系统的性别、年龄）

方案简单介绍：
1.sphinx geo索引
支持按照距离排序，并支持分页。但是尝试mva+geo失败，还在找原因。
无法满足高实时性需求。（可能是不了解实时增量索引配置有误）
资源占用小，速度快

2.mongodb geo索引
支持按照距离排序，并支持分页。支持多条件筛选。
可满足实时性需求。
资源占用大，数据量达到百万级请流量在10w左右查询速度明显下降。

3.mysql+geohash/ mysql sql查询
不支持按照距离排序（代价太大）。支持分页。支持多条件筛选。
可满足实时性需求。
资源占用中等，查询速度不及mongodb。
且geohash按照区块将球面转化平面并切割。暂时没有找到跨区块查询方法（不太了解）。

4.redis+geohash
geohash缺点不再赘述
不支持距离排序。支持分页查询。不支持多条件筛选。
可满足实时性需求。
资源占用最小。查询速度很快。

------update
补充一下测试机配置：
1TB SATA硬盘。8GB RAM。I3 2350 双核四线程

 

 

 

评论

1 楼 yuanyuan2597 2016-01-26  

那请问，按照你的方法进行修改调用。
SELECT location_x,location_y,(POWER(MOD(ABS(location_x - 114.058996),360),2) + POWER(ABS(location_y - 22.614936),2)) AS distance FROM o_score_record ORDER BY distance LIMIT 100;

distance 的单位是什么呢？米吗？还是公里？