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

来自专栏源哥的专栏

字符串分拆函数

在Oracle中,如果一个包含分隔符的字符串(比如说“55*62*77”,这个字符串是用*号做分隔符,可以拆分成三个数“55”,“62”和“77”),要将它们拆...

492
来自专栏乐沙弥的世界

CASE语句与CASE表达式

case语句与case表达式是plsql流程控制的重要组成部分,尽管其使用方法较为简单,但容易混淆。本文将描述case语句与case表达式并给出演示...

622
来自专栏王磊的博客

MongoDB Query 的几个方法

Query.All("name", "a", "b");//通过多个元素来匹配数组 Query.And(Query.EQ("name", "a"), Query...

2608
来自专栏函数式编程语言及工具

泛函编程(8)-数据结构-Tree

    上节介绍了泛函数据结构List及相关的泛函编程函数设计使用,还附带了少许多态类型(Polymorphic Type)及变形(Type Variance)...

1807
来自专栏IT探索

mysql用法进阶

select name from table_name order by convert(name using gbk) asc

1143
来自专栏python3

mysql-完整性约束

mysql> create table tb1(id int not null default 2,num int not null);  # 创建tb1表并约...

561
来自专栏乐沙弥的世界

PL/SQL-->UTL_FILE包的使用介绍

    在PL/SQL中,UTL_FILE包提供了文本文件输入和输出互功能。也就是说我们可以通过该包实现从操作系统级别来实现文件读取输入或者是写入到操作系统文件...

521
来自专栏c#开发者

获取数据字典

 表结构信息查询 SELECT      TableName=CASE WHEN C.column_id= THEN O.name ELSE N'' END,...

3655
来自专栏数据和云

高手过招:用SQL解决环环相扣的刑侦推理问题(苏旭辉版本)

本文是继 杨长老 刑侦高考:如何用SQL解决环环相扣的刑侦推理问题 之后,苏旭辉的一个版本,希望大家能够在高手的过招中,看到喜爱、坚持、执着与技艺。

912
来自专栏AhDung

【T-SQL】获取指定日期的常用前后节点(月初月末周一周末等等)

782

扫码关注云+社区