mysql实现地理位置搜索

随着LBS应用的遍地开花,在数据库中实现基于地理位置的搜索显得尤为重要.今天研究了下,顺便做个小结.

首先设计好一个简单的数据表,用来存放经纬度信息:

CREATE TABLE `index` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `lat` double NOT NULL,
  `lng` double NOT NULL,
  PRIMARY KEY (`id`)
) ENGINE=MyISAM DEFAULT CHARSET=utf8;

创建完成后我们可以查看一下,应该是这个样子

mysql> desc `index`;
+-------+---------+------+-----+---------+----------------+
| Field | Type    | Null | Key | Default | Extra          |
+-------+---------+------+-----+---------+----------------+
| id    | int(11) | NO   | PRI | NULL    | auto_increment |
| lat   | double  | NO   |     | NULL    |                |
| lng   | double  | NO   |     | NULL    |                |
+-------+---------+------+-----+---------+----------------+
3 rows in set (0.00 sec)

接着我们来制造点儿数据,便于等下测试,写了个python脚本来实现:

import MySQLdb
import random

try:
    conn=MySQLdb.connect(host='localhost',user='eslizn',passwd='123456',db='geo',port=3306)
    cur=conn.cursor()
    for i in range(2000000):
        lat = random.randint(-9000000,9000000)/100000.0
        lng = random.randint(-18000000,18000000)/100000.0
        sql = "insert into `index` (`lat`,`lng`) values (%f,%f)" % (lat,lng)
        cur.execute(sql)
        print "[%d]%s" % (i,sql)
    cur.close()
    conn.close()
except MySQLdb.Error,e:
     print "Mysql Error %d: %s" % (e.args[0], e.args[1])

为了便于等下测试添加索引和没有添加索引的效果,还需要复制一份表出来做对照:

mysql> create table unindex select * from `index`;
Query OK, 2000838 rows affected (0.93 sec)
Records: 2000838  Duplicates: 0  Warnings: 0

对index表的lat,lng字段设置一个B-tree索引:

mysql> ALTER TABLE `index` ADD INDEX `lat_lng` USING BTREE (`lat`, `lng`) ;
Query OK, 2000838 rows affected (10.94 sec)
Records: 2000838  Duplicates: 0  Warnings: 0

根据两点的经纬度计算其距离以前也做过,不过毕竟图样,直接就拿平面上的那一套弄上了,这样简直就是大错特错,首先,虽然纬度转换成距离是乘以一个常量,但是计算经度的距离则是需要通过三角函数来计算,具体计算公式如下:

R = earth’s radius
Δlat = lat2− lat1
Δlng = lng2− lng1
a = sin²(Δlat/2) + cos(lat1) * cos(lat2) * sin²(Δlng/2)
c = 2*atan2(√a, √(1−a))
dist = R*c

根据公式编写Sql查询语句:

mysql> set @er=6366.564864;#earth’s radius (km)
Query OK, 0 rows affected (0.00 sec)
mysql> set @lat=56.14262; #Search origin lat
Query OK, 0 rows affected (0.00 sec)
mysql> set @lng=37.605853; #Search origin lng
Query OK, 0 rows affected (0.00 sec)
mysql> set @dist=20;#Search radius (km)
Query OK, 0 rows affected (0.00 sec)
mysql> SELECT id,lat,lng,@er*2*ASIN(SQRT(POWER(SIN((@lat - lat)*pi()/180 / 2), 2
) +  COS(@lat * pi()/180) * COS(lat * pi()/180) *  POWER(SIN((@lng - lng) * pi()
/180 / 2), 2) )) as dist FROM `unindex` having dist < @dist ORDER BY dist;
+---------+----------+----------+------------------+
| id      | lat      | lng      | dist             |
+---------+----------+----------+------------------+
| 1618442 | 56.12129 | 37.51233 | 6.25753112752837 |
|   53613 | 56.05718 | 37.70809 | 11.4140654631309 |
| 1485350 | 56.24562 | 37.68273 |  12.392725454166 |
|  757733 | 56.09484 |   37.418 | 12.7905134964855 |
| 1657748 | 56.15971 | 37.38095 | 14.0488218629237 |
|  481209 |  56.2635 | 37.40645 | 18.2296307623964 |
+---------+----------+----------+------------------+
6 rows in set (2.17 sec)

虽然实现了查询,但是时间着实蛋疼(由于没有设置条件,mysql进行了表扫描,约200万条记录,你说疼不疼).所以必须修改下思路,圈出大致范围后进行查询.

首先要计算出经纬度范围,由于经度这个bitch的存在,我们又得进行三角函数计算:

set @lat=56.14262;
set @lng=37.605853;
set @dist=20;#km
set @lat_length=20003.93/180;#lat length
set @lat_left=@lat-(@dist/@lat_length);
set @lat_right=@lat+(@dist/@lat_length);
set @lng_left=@lng-@dist/abs(cos(radians(@lat))*@lat_length);
set @lng_right=@lng+@dist/abs(cos(radians(@lat))*@lat_length);

进行查询:

mysql> set @er=6366.564864;#km
Query OK, 0 rows affected (0.00 sec)
mysql> set @lat=56.14262;
Query OK, 0 rows affected (0.00 sec)
mysql> set @lng=37.605853;
Query OK, 0 rows affected (0.00 sec)
mysql> set @dist=20;#km
Query OK, 0 rows affected (0.00 sec)
mysql> set @lat_length=20003.93/180;#lat length
Query OK, 0 rows affected (0.00 sec)
mysql> set @lat_left=@lat-(@dist/@lat_length);
Query OK, 0 rows affected (0.00 sec)
mysql> set @lat_right=@lat+(@dist/@lat_length);
Query OK, 0 rows affected (0.00 sec)
mysql> set @lng_left=@lng-@dist/abs(cos(radians(@lat))*@lat_length);
Query OK, 0 rows affected (0.00 sec)
mysql> set @lng_right=@lng+@dist/abs(cos(radians(@lat))*@lat_length);
Query OK, 0 rows affected (0.00 sec)
mysql> SELECT id,lat,lng,@er*2*ASIN(SQRT(POWER(SIN((@lat - lat)*pi()/180 / 2), 2
) +  COS(@lat * pi()/180) * COS(lat * pi()/180) *  POWER(SIN((@lng - lng) * pi()
/180 / 2), 2) )) as dist FROM `unindex` WHERE lat BETWEEN @lat_left AND @lat_rig
ht AND lng BETWEEN @lng_left AND @lng_right having dist < @dist ORDER BY dist;
+---------+----------+----------+------------------+
| id      | lat      | lng      | dist             |
+---------+----------+----------+------------------+
| 1618442 | 56.12129 | 37.51233 | 6.25753112752837 |
|   53613 | 56.05718 | 37.70809 | 11.4140654631309 |
| 1485350 | 56.24562 | 37.68273 |  12.392725454166 |
|  757733 | 56.09484 |   37.418 | 12.7905134964855 |
| 1657748 | 56.15971 | 37.38095 | 14.0488218629237 |
|  481209 |  56.2635 | 37.40645 | 18.2296307623964 |
+---------+----------+----------+------------------+
6 rows in set (0.30 sec)

通过结果可以看出查询结果有很大的改善,但是事实上我们还可以进行优化,因为我们现在所操作的是没有建立索引的数据表,接下来我们改用建立过索引的数据表看看效果:

mysql> set @er=6366.564864;#km
Query OK, 0 rows affected (0.00 sec)
mysql> set @lat=56.14262;
Query OK, 0 rows affected (0.00 sec)
mysql> set @lng=37.605853;
Query OK, 0 rows affected (0.00 sec)
mysql> set @dist=20;#km
Query OK, 0 rows affected (0.00 sec)
mysql> set @lat_length=20003.93/180;#lat length
Query OK, 0 rows affected (0.00 sec)
mysql> set @lat_left=@lat-(@dist/@lat_length);
Query OK, 0 rows affected (0.00 sec)
mysql> set @lat_right=@lat+(@dist/@lat_length);
Query OK, 0 rows affected (0.00 sec)
mysql> set @lng_left=@lng-@dist/abs(cos(radians(@lat))*@lat_length);
Query OK, 0 rows affected (0.00 sec)
mysql> set @lng_right=@lng+@dist/abs(cos(radians(@lat))*@lat_length);
Query OK, 0 rows affected (0.00 sec)
mysql>
mysql> SELECT id,lat,lng,@er*2*ASIN(SQRT(POWER(SIN((@lat - lat)*pi()/180 / 2), 2
) +  COS(@lat * pi()/180) * COS(lat * pi()/180) *  POWER(SIN((@lng - lng) * pi()
/180 / 2), 2) )) as dist FROM `index` WHERE lat BETWEEN @lat_left AND @lat_right
 AND lng BETWEEN @lng_left AND @lng_right having dist < @dist ORDER BY dist;
+---------+----------+----------+------------------+
| id      | lat      | lng      | dist             |
+---------+----------+----------+------------------+
| 1618442 | 56.12129 | 37.51233 | 6.25753112752837 |
|   53613 | 56.05718 | 37.70809 | 11.4140654631309 |
| 1485350 | 56.24562 | 37.68273 |  12.392725454166 |
|  757733 | 56.09484 |   37.418 | 12.7905134964855 |
| 1657748 | 56.15971 | 37.38095 | 14.0488218629237 |
|  481209 |  56.2635 | 37.40645 | 18.2296307623964 |
+---------+----------+----------+------------------+
6 rows in set (0.04 sec)

至此,我们就实现了一个类似微信的"查看附近的人"的功能

题外话: sae海外线路最近抽的不行,还是找机会备案了走国内流量吧. python越用越顺手

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏数据库新发现

Oracle9i新特性-使用DBMS_METADATA包获得对象DDL语句

从Oracle9i开始Oracle提供了一个新的系统包DBMS_METADATA,可以用于提取对象创建的DDL语句。

15220
来自专栏Java Web

模仿天猫实战【SSM版】——项目起步

38740
来自专栏乐沙弥的世界

SQL server 2005 切换分区表

如转载,请注明出处:http://blog.csdn.net/robinson_0612/archive/2009/11/10/4794371.aspx

10430
来自专栏杨建荣的学习笔记

生产环境大型sql语句调优实战第一篇(二) (r2笔记32天)

继续昨天的部分,上一篇的链接为: http://blog.itpub.net/23718752/viewspace-1217012/ 对这条大sql的性能瓶颈进...

28360
来自专栏Grace development

电商系统设计之商品 (下)

完成上述流程则是完成了一笔交易,经常网上购物的童鞋都懂这个。今天我们讲下从商品系统到交易系统和订单系统的存储过程及其设计上的应该注意的“坑”。

1.1K20
来自专栏芋道源码1024

电商系统设计之订单

1. 前言2. 付款2.1 成功2.2 人祸2.4 天灾2.4 注释2.5 表结构2.5.1 交易表2.5.2 支付记录表2.5.3 订单表3. 运输4. 收货...

18430
来自专栏乐沙弥的世界

Oracle 索引质量分析

      索引质量的高低对数据库整体性能有着直接的影响。良好高质量的索引使得数据库性能得以数量级别的提升,而低效冗余的索引则使得数据库性能缓慢如牛,即便是使用...

9510
来自专栏Grace development

电商系统设计之订单

用户交易将经历一段艰辛的历程,一般用户感觉不到,实际程序是经历了一段生死离别。具体付款流程如下

19820
来自专栏杨建荣的学习笔记

关于物化视图疑问(32天)

--初始化操作, 创建两个用户一个,testo,一个test. 在testo上创建表,test上创建物化视图。 SQL> create user testo ...

36950
来自专栏Java学习123

ORACLE数据库日常维护

63780

扫码关注云+社区

领取腾讯云代金券