1. 程式人生 > >基於LBS功能應用的Geohash方案

基於LBS功能應用的Geohash方案

隨著移動終端的普及,很多應用都基於LBS功能,附近的某某(餐館、銀行、妹紙等等)。

基礎資料中,一般儲存了目標位置的經緯度;利用使用者提供的經緯度,進行對比,從而獲得是否在附近。

目標:

查詢附近的某某某,由近到遠返回結果,且結果中有與目標點的距離。

針對查詢附近的某某某,提出兩個方案,如下:

一、方案A:

抽象為球面兩點距離的計算,即已知道球面上兩點的經緯度;

點(緯度,經度),A($radLat1,$radLng1)、B($radLat2,$radLng2);

優點:通俗易懂,部署簡單便捷

缺點:每次都會查詢資料庫,效能堪憂

1、推導

通過餘弦定理以及弧度計算方法,最終推匯出來的算式A為:

$s = acos(cos($radLat1) * cos($radLat2) * cos($radLng1 - $radLng2) + sin($radLat1) * sin($radLat2)) * $R;

目前網上大多使用Google公開的距離計算公司,推導算式B為:

$s = 2*asin(sqrt(pow(sin(($radLat1-$radLat2)/2),2)+cos($radLat1)*cos($radLat2)*pow(sin(($radLng1-$radLng2)/2),2)))*$R;

其中 :

$radLat1、$radLng1,$radLat2,$radLng2 為弧度

$R 為地球半徑

2、兩種演算法

通過測試兩種演算法,結果相同且都正確,但通過PHP程式碼測試,兩點間距離,10W次效能對比,自行推導版本計算時長算式B較優,如下:

//算式A
0.56368780136108float(431)
0.57460689544678float(431)
0.59051203727722float(431)

//算式B
0.47404885292053float(431)
0.47808718681335float(431)
0.47946381568909float(431)

3、所以採用數學方法推匯出的公式:

<?php
    //根據經緯度計算距離 其中A($lat1,$lng1)、B($lat2,$lng2)
public static function getDistance($lat1,$lng1,$lat2,$lng2) { //地球半徑 $R = 6378137; //將角度轉為狐度 $radLat1 = deg2rad($lat1); $radLat2 = deg2rad($lat2); $radLng1 = deg2rad($lng1); $radLng2 = deg2rad($lng2); //結果 $s = acos(cos($radLat1)*cos($radLat2)*cos($radLng1-$radLng2)+sin($radLat1)*sin($radLat2))*$R; //精度 $s = round($s* 10000)/10000; return round($s); } ?>

4、實際應用中

在實際應用中,需要從資料庫中遍歷取出符合條件,以及排序等操作,將所有資料取出,然後通過PHP迴圈對比,篩選符合條件結果,顯然效能低下;所以我們利用下Mysql儲存函式來解決這個問題吧。

1)、建立MySQL儲存函式,並對經緯度欄位建立索引

DELIMITER $$
CREATE DEFINER=`root`@`%` FUNCTION `GETDISTANCE`(lat1 DOUBLE, lng1 DOUBLE, lat2 DOUBLE, lng2 DOUBLE) RETURNS double
READS SQL DATA
DETERMINISTIC
BEGIN
DECLARE RAD DOUBLE;
DECLARE EARTH_RADIUS DOUBLE DEFAULT 6378137;
DECLARE radLat1 DOUBLE;
DECLARE radLat2 DOUBLE;
DECLARE radLng1 DOUBLE;
DECLARE radLng2 DOUBLE;
DECLARE s DOUBLE;
SET RAD = PI() / 180.0;
SET radLat1 = lat1 * RAD;
SET radLat2 = lat2 * RAD;
SET radLng1 = lng1 * RAD;
SET radLng2 = lng2 * RAD;
SET s = ACOS(COS(radLat1)*COS(radLat2)*COS(radLng1-radLng2)+SIN(radLat1)*SIN(radLat2))*EARTH_RADIUS;
SET s = ROUND(s * 10000) / 10000;
RETURN s;
END$$
DELIMITER ;

2)、查詢SQL

通過SQL,可設定距離以及排序;可搜尋出符合條件的資訊,以及有一個較好的排序

SELECT *,latitude,longitude,GETDISTANCE(latitude,longitude,30.663262,104.071619) AS distance FROM  mb_shop_ext where 1 HAVING distance<1000 ORDER BY distance ASC LIMIT 0,10

二、方案B:Geohash演算法

Geohash演算法是一種地址編碼,它能把二維的經緯度編碼成一維的字串。比如,成都永豐立交的編碼是wm3yr31d2524

優點:

1)、利用一個欄位,即可儲存經緯度;搜尋時,只需一條索引,效率較高

2)、編碼的字首可以表示更大的區域,查詢附近的,非常方便。 SQL中,LIKE 'wm3yr3%',即可查詢附近的所有地點。

3)、通過編碼精度可模糊座標、隱私保護等。

缺點: 

距離和排序需二次運算(篩選結果中執行,其實挺快)

1、geohash的編碼演算法

成都永豐立交經緯度(30.63578,104.031601)

1)、緯度範圍(-90, 90)平分成兩個區間(-90, 0)、(0, 90), 如果目標緯度位於前一個區間,則編碼為0,否則編碼為1。

由於30.625265屬於(0, 90),所以取編碼為1。

然後再將(0, 90)分成 (0, 45), (45, 90)兩個區間,而39.92324位於(0, 45),所以編碼為0

然後再將(0, 45)分成 (0, 22.5), (22.5, 45)兩個區間,而39.92324位於(22.5, 45),所以編碼為1

依次類推可得永豐立交緯度編碼為101010111001001000100101101010。

2)、經度也用同樣的演算法,對(-180, 180)依次細分,(-180,0)、(0,180) 得出編碼110010011111101001100000000000

3)、合併經緯度編碼,從高到低,先取一位經度,再取一位緯度;得出結果 111001001100011111101011100011000010110000010001010001000100

4)、用0-9、b-z(去掉a, i, l, o)這32個字母進行base32編碼,得到(30.63578,104.031601)的編碼為wm3yr31d2524。

11100 10011 00011 11110 10111 00011 00001 01100 00010 00101 00010 00100 => wm3yr31d2524
 
十進位制    0   1   2   3   4   5   6   7   8   9   10  11  12  13  14  15
base32   0   1   2   3   4   5   6   7   8   9   b   c   d   e   f   g
十進位制  16  17  18  19  20  21  22  23  24  25  26  27  28  29  30  31
base32   h   j   k   m   n   p   q   r   s   t   u   v   w   x   y   z

2、策略

1)、在緯度和經度入庫時,資料庫新加一欄位geohash,記錄此點的geohash值

2)、查詢附近,利用 在SQL中 LIKE 'wm3yr3%';且此結果可快取;在小區域內,不會因為改變經緯度,而重新資料庫查詢

3)、查找出的有限結果,如需要求距離或者排序,可利用距離公式和二維資料排序;此時也是少量資料,會很快的。

3、一個PHP基類

geohash.class.php

<?php
/**
* Encode and decode geohashes
*/
class Geohash {
    private $coding = "0123456789bcdefghjkmnpqrstuvwxyz";
    private $codingMap = array();
 
    public function Geohash() {
        for($i = 0; $i < 32; $i++) {
            $this->codingMap[substr($this->coding, $i, 1)] = str_pad(decbin($i), 5, "0", STR_PAD_LEFT);
        }
    }
 
    public function decode($hash) {
        $binary = "";
        $hl = strlen($hash);
        for($i = 0; $i < $hl; $i++) {
            $binary .= $this->codingMap[substr($hash, $i, 1)];
        }
 
        $bl = strlen($binary);
        $blat = "";
        $blong = "";
        for ($i = 0; $i < $bl; $i++) {
            if ($i%2) {
                $blat = $blat.substr($binary, $i, 1);
	    } else {
                $blong = $blong.substr($binary, $i, 1);
	    }
        }
 
        $lat = $this->binDecode($blat, -90, 90);
        $long = $this->binDecode($blong, -180, 180);
 
        $latErr = $this->calcError(strlen($blat), -90, 90);
        $longErr = $this->calcError(strlen($blong), -180, 180);
 
        $latPlaces = max(1, -round(log10($latErr))) - 1;
        $longPlaces = max(1, -round(log10($longErr))) - 1;
 
        $lat = round($lat, $latPlaces);
        $long = round($long, $longPlaces);
 
        return array($lat,$long);
    }
 
    public function encode($lat,$long) {
        $plat = $this->precision($lat);
        $latbits = 1;
        $err = 45;
        while($err > $plat) {
            $latbits++;
            $err/ = 2;
        }
 
        $plong = $this->precision($long);
        $longbits = 1;
        $err = 90;
        while($err > $plong) {
            $longbits++;
            $err /= 2;
        }
        $bits = max($latbits,$longbits);
        $longbits = $bits;
        $latbits = $bits;
        $addlong = 1;
        while (($longbits+$latbits) % 5 != 0) {
            $longbits += $addlong;
            $latbits += !$addlong;
            $addlong = !$addlong;
        }
        $blat = $this->binEncode($lat, -90, 90, $latbits);
        $blong = $this->binEncode($long, -180, 180, $longbits);
        $binary = "";
        $uselong = 1;
        while (strlen($blat)+strlen($blong)) {
            if ($uselong) {
                $binary = $binary.substr($blong, 0, 1);
                $blong = substr($blong, 1);
            } else {
                $binary = $binary.substr($blat, 0, 1);
                $blat = substr($blat, 1);
            }
            $uselong = !$uselong;
        }
        $hash = "";
        for ($i = 0; $i < strlen($binary); $i += 5) {
            $n = bindec(substr($binary, $i, 5));
            $hash = $hash . $this->coding[$n];
        }
        return $hash;
    }
 
    private function calcError($bits, $min, $max) {
        $err = ($max - $min) / 2;
        while ($bits--) {
            $err /= 2;
	}
        return $err;
    }
 
    private function precision($number) {
        $precision = 0;
        $pt = strpos($number,'.');
        if ($pt! == false) {
            $precision = -(strlen($number) - $pt - 1);
        }
        return pow(10, $precision) / 2;
    }
 
    private function binEncode($number, $min, $max, $bitcount) {
        if ($bitcount == 0) {
            return "";
	}
        $mid = ($min + $max) / 2;
        if ($number > $mid) {
            return "1" . $this->binEncode($number, $mid, $max, $bitcount - 1);
        } else {
            return "0" . $this->binEncode($number, $min, $mid, $bitcount - 1);
	}
    }
 
    private function binDecode($binary, $min, $max) {
        $mid = ($min + $max) / 2;
 
        if (strlen($binary) == 0) {
            return $mid;
	} 
        $bit = substr($binary, 0, 1);
        $binary = substr($binary, 1);
 
        if ($bit == 1) {
            return $this->binDecode($binary, $mid, $max);
        } else {
            return $this->binDecode($binary, $min, $mid);
        }
    }
}
?>

三、測試

<?php
require_once('Mysql.class.php');
require_once('geohash.class.php');
//mysql
$conf = array(
    'host'  = > '127.0.0.1',
    'port'  = > 3306,
    'user'  = > 'root',
    'password'  = > '123456',
    'database'  = > 'mocube',
    'charset'  = > 'utf8',
    'persistent'  = > false
);
 
$mysql = new Db_Mysql($conf);
$geohash = new Geohash;
 
//經緯度轉換成Geohash
$sql = 'select shop_id,latitude,longitude from mb_shop_ext';
$data = $mysql->queryAll($sql);
foreach($data as $val) {
  $geohash_val = $geohash->encode($val['latitude'],$val['longitude']);
  $sql = 'update mb_shop_ext set geohash = "'.$geohash_val.'" where shop_id = '.$val['shop_id'];
  echo $sql;
  $re = $mysql->query($sql);
  var_dump($re);
}
//獲取附近的資訊
$n_latitude = $_GET['la'];
$n_longitude = $_GET['lo'];
//開始
$b_time = microtime(true);
 
//方案A,直接利用資料庫儲存函式,遍歷排序
$sql = 'SELECT *,latitude,longitude,GETDISTANCE(latitude,longitude,'.$n_latitude.','.$n_longitude.') AS distance FROM  mb_shop_ext where 1 HAVING distance<1000 ORDER BY distance ASC';
$data = $mysql->queryAll($sql);
//結束
$e_time = microtime(true);
echo $e_time - $b_time;
var_dump($data);
exit;

//方案B geohash求出附近,然後排序
//當前 geohash值
$n_geohash = $geohash->encode($n_latitude,$n_longitude);
//附近,引數n代表Geohash,精確的位數,也就是大概距離;n=6時候,大概為附近1千米
$n = $_GET['n'];
$like_geohash = substr($n_geohash, 0, $n);
$sql = 'select * from mb_shop_ext where geohash like "'.$like_geohash.'%"';
echo $sql;
$data = $mysql->queryAll($sql);
//算出實際距離
foreach($data as $key =>$val) {
    $distance = getDistance($n_latitude, $n_longitude, $val['latitude'], $val['longitude']);
    $data[$key]['distance'] = $distance;
    //排序列
    $sortdistance[$key] = $distance;
}
//距離排序
array_multisort($sortdistance,SORT_ASC,$data);
//結束
$e_time = microtime(true);
echo $e_time - $b_time;
var_dump($data);
//根據經緯度計算距離 其中A($lat1,$lng1)、B($lat2,$lng2)
function getDistance($lat1, $lng1, $lat2, $lng2) {
    //地球半徑
    $R = 6378137;
    //將角度轉為狐度
    $radLat1 = deg2rad($lat1);
    $radLat2 = deg2rad($lat2);
    $radLng1 = deg2rad($lng1);
    $radLng2 = deg2rad($lng2);
    //結果
    $s = acos(cos($radLat1)*cos($radLat2)*cos($radLng1-$radLng2)+sin($radLat1)*sin($radLat2))*$R;
    //精度
    $s = round($s* 10000)/10000;
    return  round($s);
}
?>

四、總結

方案B的亮點在於:

1、搜尋結果可快取,重複使用,不會因為使用者有小範圍的移動,直接穿透資料庫查詢。

2、先縮小結果範圍,再運算、排序,可提升效能。

254條記錄,效能對比,在實際應用場景中,方案B資料庫搜尋可記憶體快取;且如資料量更大,方案B結果會更優。

方案A:
0.016560077667236
0.032402992248535
0.040318012237549

方案B
0.0079810619354248
0.0079669952392578
0.0064868927001953

兩種方案,根據應用場景以及負載情況合理選擇,當然推薦方案B。
不管哪種方案,都記得,給列加上索引,利於資料庫檢索。

注意:在資料庫中給Geohash加上索引,使用者位置頻繁發生改變則會導致索引重建,這勢必會給資料庫造成很大的壓力