PHP,Mysql-根據一個給定經緯度的點，進行附近地點查詢–合理利用算法，效率提升2125倍

目前的工做是須要對用戶的一些數據進行分析，每一個用戶都有若干條記錄，每條記錄中有用戶的一個位置，是用經度和緯度表示的。
還有一個給定的數據庫，存儲的是一些已知地點以及他們的經緯度，內有43W多條的數據。
如今須要拿用戶的經緯度和已知地點進行距離匹配，若是它們之間的距離小於必定的數據，好比說500米，就認爲用戶是在這個地點。
MYSQL自己是支持空間索引的，可是在5.x的版本中，取消了對Distance()和Related()的支持，參考這裏：MySQL 5.1參考手冊 :: 19. 中的空間擴展 19.5.6. 測試幾何類之間空間關係的函數， 沒法使用空間的距離函數去直接去查詢距離在必定範圍內的點。因此，我首先想到的是，對每條記錄，去進行遍歷，跟數據庫中的每個點進行距離計算，當距離小 於500米時，認爲匹配。這樣作確實可以獲得結果，可是效率極其低下，由於每條記錄都要去循環匹配40W條數據，其消耗的時間可想而知。通過記錄，發現每 條記錄處理的時間消耗達到1700ms，針對天天上億的數據量，這樣一個處理速度，讓人情何以堪啊。。。
我本身也有個想法，就是找到每條記錄所在點的經緯度周圍的一個大概範圍，比方說正方形的四個點，而後使用mysql的空間計算，使用MBR去得出點在這個矩形內的已知記錄，而後進行匹配。惋惜，本身沒想出能計算到四個點經緯度的方法。
意外的，查詢到了一個關於這個計算附近地點搜索初探，裏面使用python實現了這個想法。
因此參考了一下原文中的算法，使用PHP進行了實現。
實現原理也是很類似的，先算出該點周圍的矩形的四個點，而後使用經緯度去直接匹配數據庫中的記錄。

紅色部分爲要求的搜索範圍，綠色部分咱們能間接獲得的結果範圍

 

參考wiki百科上的一些球面計算公式：

• Great-circle distance
• Haversine formula

假設已知點的經緯度分別爲$lng, $lat
先實現經度範圍的查詢，
在haversin公式中令φ1 = φ2，可得:

用PHP進行計算，就是：

Example

1 2 3

//$lat 已知點的緯度 $dlng =  2 * asin(sin( $distance / (2 * EARTH_RADIUS)) / cos ( deg2rad ( $lat ))); $dlng = rad2deg( $dlng ); //轉換弧度

而後是緯度範圍的查詢，
在haversin公式中令 Δλ = 0，可得

在PHP中進行計算，就是：

Example

1 2	$dlat = $distance /EARTH_RADIUS; //EARTH_RADIUS地球半徑 $dlat = rad2deg( $dlat ); //轉換弧度

最後，就能夠得出四個點的座標：
left-top : (lat + dlat, lng – dlng)
right-top : (lat + dlat, lng + dlng)
left-bottom : (lat – dlat, lng – dlng)
right-bottom: (lat – dlat, lng + dlng)

我把以上方法寫成了一個函數，綜合起來就是：

Example

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); //地球半徑，平均半徑爲6371km   /**   *計算某個經緯度的周圍某段距離的正方形的四個點   *   *@param lng float 經度   *@param lat float 緯度   *@param distance float 該點所在圓的半徑，該圓與此正方形內切，默認值爲0.5公里   *@return array 正方形的四個點的經緯度座標   */   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 )                  );   } //使用此函數計算獲得結果後，帶入sql查詢。 $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']} " ;

在lat和lng上創建一個聯合索引後，使用此項查詢，每條記錄的查詢消耗平均爲0.8毫秒，相比之前的1700ms，真的是天壤之別啊。效率真真的是之前的2125倍~~

總結：這應該也不是效率最好的辦法，可是效率比之前確實有明顯的提高。請記住，總有辦法更好的。

原文連接：http://digdeeply.org/archives/06152067.html