2. 程式人生 > >跟據經緯度實現附近搜尋Java實現

跟據經緯度實現附近搜尋Java實現

阿新 • • 發佈：2019-02-04

現在很多手機軟體都用附近搜尋功能，但具體是怎麼實現的呢》
在網上查了很多資料，mysql空間資料庫、矩形演算法、geohash我都用過了，當資料上了百萬之後mysql空間資料庫方法是最強最精確的（查詢前100條資料只需5秒左右）。

接下來推出一個原創計算方法，查詢速度是mysql空間資料庫演算法的2倍

$lng是你的經度，$lat是你的緯度

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


經測試，在100萬資料中取前100條資料只需2.5秒左右。

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

另外的幾種演算法還是在這裡展示一下：

一、距形演算法

define(EARTH_RADIUS, 6371);//地球半徑，平均半徑為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，預設值為0.5千米
 *@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)
                );
 }
//使用此函式計算得到結果後，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程式碼如下：

    /**
     * 預設地球半徑
     */
    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,從弧度轉換為角度
        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;
    }


二、 空間資料庫演算法

以下location欄位是跟據經緯度來生成的空間資料，如：
location欄位的type設為point
"update feed set location=GEOMFROMTEXT('point({$lat} {$lng})') where id='{$id}'"

mysql空間資料查詢

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演算法

 參考文件：

http://blog.csdn.net/wangxiafghj/article/details/9014363geohash  演算法原理及實現方式
http://blog.charlee.li/geohash-intro/  geohash：用字串實現附近地點搜尋
http://blog.sina.com.cn/s/blog_7c05385f0101eofb.html    查詢附近點--Geohash方案討論
http://www.wubiao.info/372        查詢附近的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   球面距離公式程式碼實現
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有以下幾個特點：

首先，geohash用一個字串表示經度和緯度兩個座標。某些情況下無法在兩列上同時應用索引 （例如MySQL 4之前的版本，Google App Engine的資料層等），利用geohash，只需在一列上應用索引即可。

其次，geohash表示的並不是一個點，而是一個矩形區域。比如編碼wx4g0ec19，它表示的是一個矩形區域。 使用者可以釋出地址編碼，既能表明自己位於北海公園附近，又不至於暴露自己的精確座標，有助於隱私保護。

第三，編碼的字首可以表示更大的區域。例如wx4g0ec1，它的字首wx4g0e表示包含編碼wx4g0ec1在內的更大範圍。 這個特性可以用於附近地點搜尋。首先根據使用者當前座標計算geohash（例如wx4g0ec1）然後取其字首進行查詢 （SELECT * FROM place WHERE geohash LIKE 'wx4g0e%'），即可查詢附近的所有地點。

查詢附近網點geohash演算法及實現 （Java版本），geohashjava


Geohash比直接用經緯度的高效很多。

Geohash演算法實現（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));
        }

}




球面距離公式：

package com.DistTest;
public class Test{
    private static final  double EARTH_RADIUS = 6371000;//赤道半徑(單位m)
    
    /**
     * 轉化為弧度(rad)
     * */
    private static double rad(double d)
    {
       return d * Math.PI / 180.0;
    }
    /**
     * 基於googleMap中的演算法得到兩經緯度之間的距離,計算精度與谷歌地圖的距離精度差不多，相差範圍在0.2米以下
     * @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
*/
}



附近網點距離排序 
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");// 動態載入mysql驅動
            // System.out.println("成功載入MySQL驅動程式");
            // 一個Connection代表一個數據庫連線
            conn = DriverManager.getConnection(url);
            // Statement裡面帶有很多方法，比如executeUpdate可以實現插入，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，否則返回空值
              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()){
                    //從資料庫取出地理座標
                    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); //二維陣列排序
            sqlTest.showArray(array);        //列印陣列

            
            
            
        } catch (SQLException e) {
            System.out.println("MySQL操作錯誤");
            e.printStackTrace();
        } finally {
            conn.close();
        }
 
    }
    /*
     * 二維陣列排序，比較array[][2]的值，返回二維陣列
     * */
    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;
    }
    
    /*列印陣列*/
    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，期待可以發現更好的方案。現在糾結了。

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

然後列舉一下需求：
1.實時性要高，有頻繁的更新和讀取
2.可按距離排序支援分頁
3.支援多條件篩選（一個經緯度資料還包含其他屬性，比如社交系統的性別、年齡）

方案簡單介紹：
1.sphinx geo索引
支援按照距離排序，並支援分頁。但是嘗試mva+geo失敗，還在找原因。
無法滿足高實時性需求。（可能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
支援按照距離排序，並支援分頁。支援多條件篩選。
可滿足實時性需求。
資源佔用大，資料量達到百萬級請流量在10w左右查詢速度明顯下降。

3.mysql+geohash/ mysql sql查詢
不支援按照距離排序（代價太大）。支援分頁。支援多條件篩選。
可滿足實時性需求。
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缺點不再贅述
不支援距離排序。支援分頁查詢。不支援多條件篩選。
可滿足實時性需求。
資源佔用最小。查詢速度很快。

------update
補充一下測試機配置：
1TB SATA硬碟。8GB RAM。I3 2350 雙核四執行緒

相關推薦

跟據經緯度實現附近搜尋Java實現

現在很多手機軟體都用附近搜尋功能，但具體是怎麼實現的呢》 在網上查了很多資料，mysql空間資料庫、矩形演算法、geohash我都用過了，當資料上了百萬之後mysql空間資料庫方法是最強最精確的（查詢前100條資料只需5秒左右）。 接下來推出一個原創計算方法，查詢速度是m

無權重最短路徑問題：廣度優先搜尋 & Java 實現

一、什麼是圖 通俗的說，圖就是由 頂點（Vertex） 和 邊（edge） 組成的。一般來說又分為 有向圖 和 無向圖，即頂點到頂點的邊是否是有方向區分的。 二、廣度優先搜尋 1. 概念 廣度優先搜尋（

基於圖的深度優先搜尋和廣度優先搜尋java實現

       為了解15puzzle問題，瞭解了一下深度優先搜尋和廣度優先搜尋。先來討論一下深度優先搜尋(DFS)，深度優先的目的就是優先搜尋距離起始頂點最遠的那些路徑，而廣度優先搜尋則是先搜尋距離起始頂點最近的那些路徑。我想著深度優先搜尋和回溯有什麼區別呢？百度一下，說回

用棧實現圖的深度優先搜尋Java實現

《演算法導論》一書中給出的深度優搜尋是使用遞迴方式實現的。相比較而言，用遞迴的方式實現必用非遞迴方式實現要好理解很多。但是一般而言所有的遞迴方式實現都可以用非遞迴方式實現來代替。這裡用一個棧結構來代替

處理器如何實現原子操作 java 實現原子操作 轉載

  原文地址：http://www.infoq.com/cn/articles/atomic-operation 1. 引言 原子（atom）本意是“不能被進一步分割的最小粒子”，而原子操作（atomic operation）意為"不可被中斷的一個或一系列操作" 。在多處理器上

劍指Offer:面試題7——用兩個棧實現佇列（java實現）

題目描述：用兩個棧來實現一個佇列，完成佇列的Push和Pop操作。 佇列中的元素為int型別。 首先定義兩個棧 Stack<Integer> stack1 = new Stack<Integer>();//作為進隊的埠 Stack

選取圖片裁剪並上傳功能的實現（後臺java實現）

頭像裁剪上傳功能，用到的技術有  jquery，springmvc，裁剪外掛用的是jcrop（中間遇到很多坑，最終跨越）。由於保密性我不能將別的原始碼傳送到網上，請大家見諒。 圖片上傳步驟： 1.使用者選擇圖片 2.將圖片傳入後臺：使用者選擇圖片的時候選擇的是各種各樣的，但

Java實現代理ip訪問網路的實現方式之Java實現切換ip訪問網路資源

用程式實現代理ip訪問網路資源是大家比較常用的一個功能，今天就來看一下如何用Java實現ip的切換代理訪問網路資源，廢話不多說，下面直接上程式碼： package ip_daili; import java.io.BufferedReader; import java.io

連結串列實現佇列（java實現）

package shuju_arguments; /** * * 使用連結串列資料結構來實現佇列 * **/ public class queue { //對頭指標 private node<Integer> first; //隊尾指標 priva

【LeetCode】TreeNode類實現解析（java實現）

在LeetCode中，TreeNode是經常用到的一個結構體，表示資料結構樹（Tree）中的一個節點。其官方定義如下： public class TreeNode { int val; TreeNode left; TreeNo

用堆實現優先順序佇列 Java實現

優先順序佇列分為最大優先順序佇列和最小優先順序佇列。本文介紹基於大根堆實現最大優先順序佇列。關於堆的介紹見另一篇博文： 堆這種資料結構 Java實現 最小優先順序佇列的實現可以在本文最後給出的github地址裡找到。 最大優先順序佇列包含四個操作：

一篇文章讓你瞭解動態陣列的資料結構的實現過程（Java 實現）

[TOC] ## 陣列基礎簡單回顧 1. 陣列是一種資料結構，用來儲存**同一型別值**的集合。 2. 陣列就是**儲存資料長度固定的容器**，保證**多個數據的資料型別要一致**。 3. 陣列是一種**引用資料型別**。 4. 簡單來說，陣列就是把需要儲存的資料排成一排進行存放。 5. 陣列的索引從 *

詳細分析連結串列的資料結構的實現過程（Java 實現）

[TOC] # 連結串列的資料結構的實現過程（Java 實現） ## 前言 在前面實現的三種線性資料結構：[動態陣列](https://www.cnblogs.com/txxunmei/p/12604177.html)、[棧和佇列](https://www.cnblogs.com/txxunmei/p/

詳細分析棧和佇列的資料結構的實現過程（Java 實現）

[TOC] # 棧和佇列的資料結構的實現過程（Java 實現） ## 棧的資料結構的實現 ### 棧的基礎知識回顧 1. 棧是一種**線性結構**。 2. **相比陣列，棧對應的操作是陣列的子集。** - 也就是棧可基於陣列實現，可以將棧看成一種特殊的陣列。 3. **棧只能從一端新增元素，

java 實現微信搜尋附近功能

一、需求：使用者訪問頁面時獲取使用者的經緯度，傳輸至後端，和後端文章表中的經緯度進行匹配，若存在當前使用者經緯度附近的文章，則返回該文章 二、資料庫表設計（簡要）： 1.文章表：article 2欄

java實現歸一數據化程序

++ top scan oid mini package void 歸一化 user package org.ansj.test; import java.io.BufferedReader;import java.io.BufferedWriter;import java

數據結構之中序遍歷轉興許遍歷（JAVA實現）（二）

百度 empty 表達 pty 中序 tor opera lin sem 算法流程： 主要分為四步： 1.當前字符為數字或者字母，則直接輸出 2.當前字符為)。則在棧中匹配輸出。一直匹配到)，則停止輸出（就是將）及其

java實現mysql數據庫讀寫分離之定義多數據源方式

修改 protect frame auto ret 更新數據 logs cannot initial 該示例是基於spring提供的AbstractRoutingDataSource，實現了一個動態數據源的功能，在spring配置中定義多個數據庫分為主、從數據庫，實現效

【算法與數據結構】漢諾塔問題Java實現

== oid logs pri pan pre nbsp 問題 移動 思路：遞歸 【代碼】 1 public class Main { 2 public static void hanoi(int n, int x, int y, int z) { 3

數據結構(三) 用java實現七種排序算法。

得到 最簡 上傳 根節點 位置 中間 log 說明 堆排序 　　　　　　很多時候，聽別人在討論快速排序，選擇排序，冒泡排序等，都覺得很牛逼，心想，臥槽，排序也分那麽多種，就覺得別人很牛逼呀，其實不然，當我們自己去了解學習後發現，並沒有想象中那麽難，今天就一起總結一下各種排序