PHP,Mysql-根据一个给定经纬度的点，进行附近地点查询–合理利用算法，效率提升2125倍

目前的工做是须要对用户的一些数据进行分析，每一个用户都有若干条记录，每条记录中有用户的一个位置，是用经度和纬度表示的。
还有一个给定的数据库，存储的是一些已知地点以及他们的经纬度，内有43W多条的数据。
如今须要拿用户的经纬度和已知地点进行距离匹配，若是它们之间的距离小于必定的数据，好比说500米，就认为用户是在这个地点。
MYSQL自己是支持空间索引的，可是在5.x的版本中，取消了对Distance()和Related()的支持，参考这里：MySQL 5.1参考手册 :: 19. 中的空间扩展 19.5.6. 测试几何类之间空间关系的函数， 没法使用空间的距离函数去直接去查询距离在必定范围内的点。因此，我首先想到的是，对每条记录，去进行遍历，跟数据库中的每个点进行距离计算，当距离小 于500米时，认为匹配。这样作确实可以获得结果，可是效率极其低下，由于每条记录都要去循环匹配40W条数据，其消耗的时间可想而知。通过记录，发现每 条记录处理的时间消耗达到1700ms，针对天天上亿的数据量，这样一个处理速度，让人情何以堪啊。。。
我本身也有个想法，就是找到每条记录所在点的经纬度周围的一个大概范围，比方说正方形的四个点，而后使用mysql的空间计算，使用MBR去得出点在这个矩形内的已知记录，而后进行匹配。惋惜，本身没想出能计算到四个点经纬度的方法。
意外的，查询到了一个关于这个计算附近地点搜索初探，里面使用python实现了这个想法。
因此参考了一下原文中的算法，使用PHP进行了实现。
实现原理也是很类似的，先算出该点周围的矩形的四个点，而后使用经纬度去直接匹配数据库中的记录。

红色部分为要求的搜索范围，绿色部分咱们能间接获得的结果范围

 

参考wiki百科上的一些球面计算公式：

• Great-circle distance
• Haversine formula

假设已知点的经纬度分别为$lng, $lat
先实现经度范围的查询，
在haversin公式中令φ1 = φ2，可得:

用PHP进行计算，就是：

Example

1 2 3

//$lat 已知点的纬度 $dlng =  2 * asin(sin( $distance / (2 * EARTH_RADIUS)) / cos ( deg2rad ( $lat ))); $dlng = rad2deg( $dlng ); //转换弧度

而后是纬度范围的查询，
在haversin公式中令 Δλ = 0，可得

在PHP中进行计算，就是：

Example

1 2	$dlat = $distance /EARTH_RADIUS; //EARTH_RADIUS地球半径 $dlat = rad2deg( $dlat ); //转换弧度

最后，就能够得出四个点的坐标：
left-top : (lat + dlat, lng – dlng)
right-top : (lat + dlat, lng + dlng)
left-bottom : (lat – dlat, lng – dlng)
right-bottom: (lat – dlat, lng + dlng)

我把以上方法写成了一个函数，综合起来就是：

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公里   *@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 )                  );   } //使用此函数计算获得结果后，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']} " ;

在lat和lng上创建一个联合索引后，使用此项查询，每条记录的查询消耗平均为0.8毫秒，相比之前的1700ms，真的是天壤之别啊。效率真真的是之前的2125倍~~

总结：这应该也不是效率最好的办法，可是效率比之前确实有明显的提高。请记住，总有办法更好的。

原文连接：http://digdeeply.org/archives/06152067.html