根据经纬度实现附近搜索Java实现

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

$locationX是你的经度，$locationY是你的纬度

select g.*,(POWER(MOD(ABS(locationX - $locationX ),360),2) + POWER(ABS(locationY - $locationX ),2)) AS distance  from gym g 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 distanceFROM `user_location` WHERE 1=1AND INTERSECTS( location, GEOMFROMTEXT(@bbox) )AND SQRT(POW( ABS( X(location) - X(@center)), 2) + POW( ABS(Y(location) - Y(@center)), 2 )) < @radiusORDER 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），geohashjava

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 bitsint 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 bitsj=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;elseceiling = 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));}}

球面距离公式：

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
*/
}

附近网点距离排序

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");// 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

转发自：http://hai0378.iteye.com/blog/2213829