据经纬度实现附近搜索Java实现

本文转载自 http://hai0378.iteye.com/blog/2213829

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

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：

/**

 * 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

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）

Geohash比直接用经纬度的高效很多。

Geohash算法实现（Java版本）

 

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));

        }
 
}

 

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
*/
}

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。