據經緯度實現附近搜索Java實現

時間  2019-11-18
標籤 經緯度 實現 附近 搜索 java 欄目 Java 简体版
原文   原文鏈接

本文轉載自 http://hai0378.iteye.com/blog/2213829html

如今不少手機軟件都用附近搜索功能，但具體是怎麼實現的呢？
在網上查了不少資料，mysql空間數據庫、矩形算法、geohash我都用過了，當數據上了百萬以後mysql空間數據庫方法是最強最精確的（查詢前100條數據只需5秒左右）。

接下來推出一個原創計算方法，查詢速度是mysql空間數據庫算法的2倍

$lng是你的經度，$lat是你的緯度java

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

經測試，在100萬數據中取前100條數據只需2.5秒左右。

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

另外的幾種算法仍是在這裏展現一下：python

 

1、距形算法mysql

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']} ";

java代碼以下：git

/** * 默認地球半徑 */

private static double EARTH_RADIUS = 6371; /** * 計算經緯度點對應正方形4個點的座標 * * @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[]>(); // 計算經度弧度,從弧度轉換爲角度

    double dLongitude = 2 * (Math.asin(Math.sin(distance / (2 * EARTH_RADIUS)) / Math.cos(Math.toRadians(latitude)))); dLongitude = Math.toDegrees(dLongitude); // 計算緯度角度

    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; }

2、 空間數據庫算法redis

如下location字段是跟據經緯度來生成的空間數據，如：
location字段的type設爲point
"update feed set location=GEOMFROMTEXT('point({$lat} {$lng})') where id='{$id}'"

mysql空間數據查詢算法

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

3、GEO算法sql

參考文檔：

http://blog.csdn.net/wangxiafghj/article/details/9014363geohash  算法原理及實現方式
http://blog.charlee.li/geohash-intro/  geohash：用字符串實現附近地點搜索
http://blog.sina.com.cn/s/blog_7c05385f0101eofb.html    查找附近點--Geohash方案討論
http://www.wubiao.info/372        查找附近的xxx 球面距離以及Geohash方案探討
http://en.wikipedia.org/wiki/Haversine_formula       Haversine formula球面距離公式
http://www.codecodex.com/wiki/Calculate_Distance_Between_Two_Points_on_a_Globe   球面距離公式代碼實現
http://developer.baidu.com/map/jsdemo.htm#a6_1   球面距離公式驗證  
http://www.wubiao.info/470     Mysql or Mongodb LBS快速實現方案


geohash有如下幾個特色：

首先，geohash用一個字符串表示經度和緯度兩個座標。某些狀況下沒法在兩列上同時應用索引 （例如MySQL 4以前的版本，Google App Engine的數據層等），利用geohash，只需在一列上應用索引便可。

其次，geohash表示的並非一個點，而是一個矩形區域。好比編碼wx4g0ec19，它表示的是一個矩形區域。 使用者能夠發佈地址編碼，既能代表本身位於北海公園附近，又不至於暴露本身的精確座標，有助於隱私保護。

第三，編碼的前綴能夠表示更大的區域。例如wx4g0ec1，它的前綴wx4g0e表示包含編碼wx4g0ec1在內的更大範圍。 這個特性能夠用於附近地點搜索。首先根據用戶當前座標計算geohash（例如wx4g0ec1）而後取其前綴進行查詢 （SELECT * FROM place WHERE geohash LIKE 'wx4g0e%'），便可查詢附近的全部地點。mongodb

查找附近網點geohash算法及實現 （Java版本）

Geohash比直接用經緯度的高效不少。

Geohash算法實現（Java版本）數據庫

 

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);

                }

               //中國地理座標：東經73°至東經135°，北緯4°至北緯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));

        }
 
}

 

package com.DistTest;

public class Test{

    private static final  double EARTH_RADIUS = 6371000;//赤道半徑(單位m)

     

    /**

     * 轉化爲弧度(rad)

     * */

    private static double rad(double d)

    {

       return d * Math.PI / 180.0;

    }

    /**

     * 基於googleMap中的算法獲得兩經緯度之間的距離,計算精度與谷歌地圖的距離精度差很少，相差範圍在0.2米如下

     * @param lon1 第一點的精度

     * @param lat1 第一點的緯度

     * @param lon2 第二點的精度

     * @param lat3 第二點的緯度

     * @return 返回的距離，單位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("兩點相距：" + dist + " 米");

           

           

          Geohash geohash = new Geohash();

          geocode=geohash.encode(lat1, lon1);

          System.out.println("當前位置編碼：" + geocode);

          

          geocode=geohash.encode(lat2, lon2);

          System.out.println("遠方位置編碼：" + geocode);
 

       }

    //wqj7j37sfu03h2xb2q97

    /*
永相逢超市
108.83457500177
34.256981052624
wqj6us6cmkj5bbfj6qdg
s6q08ubhhuq7
*/
}
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");// 動態加載mysql驅動

            // System.out.println("成功加載MySQL驅動程序");

            // 一個Connection表明一個數據庫鏈接

            conn = DriverManager.getConnection(url);

            // Statement裏面帶有不少方法，好比executeUpdate能夠實現插入，更新和刪除等

            Statement stmt = conn.createStatement();

            sql = "select * from retailersinfotable limit 1,10";

            ResultSet rs = stmt.executeQuery(sql);// executeQuery會返回結果的集合，不然返回空值

              double lon1=109.0145193757; 

              double lat1=34.236080797698;

            System.out.println("當前位置：");

            int i=0;

            String[][] array = new String[10][3];

            while (rs.next()){

                    //從數據庫取出地理座標

                    double lon2=Double.parseDouble(rs.getString("Longitude"));

                    double lat2=Double.parseDouble(rs.getString("Latitude"));

                     

                    //根據地理座標，生成geohash編碼

                      Geohash geohash = new Geohash();

                    String geocode=geohash.encode(lat2, lon2).substring(0, 9);

                     

                    //計算兩點間的距離

                      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); //二維數組排序

            sqlTest.showArray(array);        //打印數組
 

             

             

             

        } catch (SQLException e) {

            System.out.println("MySQL操做錯誤");

            e.printStackTrace();

        } finally {

            conn.close();

        }

  

    }

    /*

     * 二維數組排序，比較array[][2]的值，返回二維數組

     * */

    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]);  //轉化成int型比較大小

                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;

    }

     

    /*打印數組*/

    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，期待能夠發現更好的方案。如今糾結了。

簡單列舉一下已經瞭解到的方案：
1.sphinx geo索引
2.mongodb geo索引
3.mysql sql查詢
4.mysql+geohash
5.redis+geohash

而後列舉一下需求：
1.實時性要高，有頻繁的更新和讀取
2.可按距離排序支持分頁
3.支持多條件篩選（一個經緯度數據還包含其餘屬性，好比社交系統的性別、年齡）

方案簡單介紹：
1.sphinx geo索引
支持按照距離排序，並支持分頁。可是嘗試mva+geo失敗，還在找緣由。
沒法知足高實時性需求。（多是不瞭解實時增量索引配置有誤）
資源佔用小，速度快

2.mongodb geo索引
支持按照距離排序，並支持分頁。支持多條件篩選。
可知足實時性需求。
資源佔用大，數據量達到百萬級請流量在10w左右查詢速度明顯降低。

3.mysql+geohash/ mysql sql查詢
不支持按照距離排序（代價太大）。支持分頁。支持多條件篩選。
可知足實時性需求。
資源佔用中等，查詢速度不及mongodb。
且geohash按照區塊將球面轉化平面並切割。暫時沒有找到跨區塊查詢方法（不太瞭解）。

4.redis+geohash
geohash缺點再也不贅述
不支持距離排序。支持分頁查詢。不支持多條件篩選。
可知足實時性需求。
資源佔用最小。查詢速度很快。

------update補充一下測試機配置：1TB SATA硬盤。8GB RAM。I3 2350 雙核四線程。

相關文章
相關標籤/搜索
每日一句
    每一个你不满意的现在，都有一个你没有努力的曾经。
本站公眾號
   歡迎關注本站公眾號,獲取更多信息
聯繫我們 最近搜索 最新文章 沪ICP备13005482号-10 MyBatis教程 SQL 教程 MySQL教程 Java 教程 Thymeleaf 教程 Hibernate教程 Spring教程 Redis教程