跟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

$lng是你的经度，$lat是你的纬度

1 SELECT lng,lat,
2         (POWER(MOD(ABS(lng - $lng),360),2) + POWER(ABS(lat - $lat),2)) AS distance
3         FROM `user_location`
4         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：

ps:赤道半径 6378.137km

平均地球半径 6371.004km

一、距形算法

 1 define(EARTH_RADIUS, 6371);//地球半径，平均半径为6371km
 2  /**
 3  *计算某个经纬度的周围某段距离的正方形的四个点
 4  *
 5  *@param lng float 经度
 6  *@param lat float 纬度
 7  *@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
 8  *@return array 正方形的四个点的经纬度坐标
 9  */
10  function returnSquarePoint($lng, $lat,$distance = 0.5){
11
12     $dlng =  2 * asin(sin($distance / (2 * EARTH_RADIUS)) / cos(deg2rad($lat)));
13     $dlng = rad2deg($dlng);
14
15     $dlat = $distance/EARTH_RADIUS;
16     $dlat = rad2deg($dlat);
17
18     return array(
19                 ‘left-top‘=>array(‘lat‘=>$lat + $dlat,‘lng‘=>$lng-$dlng),
20                 ‘right-top‘=>array(‘lat‘=>$lat + $dlat, ‘lng‘=>$lng + $dlng),
21                 ‘left-bottom‘=>array(‘lat‘=>$lat - $dlat, ‘lng‘=>$lng - $dlng),
22                 ‘right-bottom‘=>array(‘lat‘=>$lat - $dlat, ‘lng‘=>$lng + $dlng)
23                 );
24  }
25 //使用此函数计算得到结果后，带入sql查询。
26 $squares = returnSquarePoint($lng, $lat);
27 $info_sql = "select id,locateinfo,lat,lng from `lbs_info` where lat<>0 and lat>{$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：

 1 /**
 2  * 默认地球半径
 3  */
 4 private static double EARTH_RADIUS = 6371;
 5
 6 /**
 7  * 计算经纬度点对应正方形4个点的坐标
 8  *
 9  * @param longitude
10  * @param latitude
11  * @param distance
12  * @return
13  */
14 public static Map<String, double[]> returnLLSquarePoint(double longitude,
15         double latitude, double distance) {
16     Map<String, double[]> squareMap = new HashMap<String, double[]>();
17     // 计算经度弧度,从弧度转换为角度
18     double dLongitude = 2 * (Math.asin(Math.sin(distance
19             / (2 * EARTH_RADIUS))
20             / Math.cos(Math.toRadians(latitude))));
21     dLongitude = Math.toDegrees(dLongitude);
22     // 计算纬度角度
23     double dLatitude = distance / EARTH_RADIUS;
24     dLatitude = Math.toDegrees(dLatitude);
25     // 正方形
26     double[] leftTopPoint = { latitude + dLatitude, longitude - dLongitude };
27     double[] rightTopPoint = { latitude + dLatitude, longitude + dLongitude };
28     double[] leftBottomPoint = { latitude - dLatitude,
29             longitude - dLongitude };
30     double[] rightBottomPoint = { latitude - dLatitude,
31             longitude + dLongitude };
32     squareMap.put("leftTopPoint", leftTopPoint);
33     squareMap.put("rightTopPoint", rightTopPoint);
34     squareMap.put("leftBottomPoint", leftBottomPoint);
35     squareMap.put("rightBottomPoint", rightBottomPoint);
36     return squareMap;
37 }

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

 1 SET @center = GEOMFROMTEXT(‘POINT(35.801559 -10.501577)‘);
 2         SET @radius = 4000;
 3         SET @bbox = CONCAT(‘POLYGON((‘,
 4         X(@center) - @radius, ‘ ‘, Y(@center) - @radius, ‘,‘,
 5         X(@center) + @radius, ‘ ‘, Y(@center) - @radius, ‘,‘,
 6         X(@center) + @radius, ‘ ‘, Y(@center) + @radius, ‘,‘,
 7         X(@center) - @radius, ‘ ‘, Y(@center) + @radius, ‘,‘,
 8         X(@center) - @radius, ‘ ‘, Y(@center) - @radius, ‘))‘
 9         );
10 SELECT id,lng,lat,
11         SQRT(POW( ABS( X(location) - X(@center)), 2) + POW( ABS(Y(location) - Y(@center)), 2 )) AS distance
12         FROM `user_location` WHERE 1=1
13         AND INTERSECTS( location, GEOMFROMTEXT(@bbox) )
14         AND SQRT(POW( ABS( X(location) - X(@center)), 2) + POW( ABS(Y(location) - Y(@center)), 2 )) < @radius
15         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），geohashjava

Geohash比直接用经纬度的高效很多。

Geohash算法实现（Java版本）

  1 package com.DistTest;
  2 import java.util.BitSet;
  3 import java.util.HashMap;
  4
  5 public class Geohash {
  6
  7         private static int numbits = 6 * 5;
  8         final static char[] digits = { ‘0‘, ‘1‘, ‘2‘, ‘3‘, ‘4‘, ‘5‘, ‘6‘, ‘7‘, ‘8‘,
  9                         ‘9‘, ‘b‘, ‘c‘, ‘d‘, ‘e‘, ‘f‘, ‘g‘, ‘h‘, ‘j‘, ‘k‘, ‘m‘, ‘n‘, ‘p‘,
 10                         ‘q‘, ‘r‘, ‘s‘, ‘t‘, ‘u‘, ‘v‘, ‘w‘, ‘x‘, ‘y‘, ‘z‘ };
 11
 12         final static HashMap<Character, Integer> lookup = new HashMap<Character, Integer>();
 13         static {
 14                 int i = 0;
 15                 for (char c : digits)
 16                         lookup.put(c, i++);
 17         }
 18
 19         public double[] decode(String geohash) {
 20                 StringBuilder buffer = new StringBuilder();
 21                 for (char c : geohash.toCharArray()) {
 22
 23                         int i = lookup.get(c) + 32;
 24                         buffer.append( Integer.toString(i, 2).substring(1) );
 25                 }
 26
 27                 BitSet lonset = new BitSet();
 28                 BitSet latset = new BitSet();
 29
 30                 //even bits
 31                 int j =0;
 32                 for (int i=0; i< numbits*2;i+=2) {
 33                         boolean isSet = false;
 34                         if ( i < buffer.length() )
 35                           isSet = buffer.charAt(i) == ‘1‘;
 36                         lonset.set(j++, isSet);
 37                 }
 38
 39                 //odd bits
 40                 j=0;
 41                 for (int i=1; i< numbits*2;i+=2) {
 42                         boolean isSet = false;
 43                         if ( i < buffer.length() )
 44                           isSet = buffer.charAt(i) == ‘1‘;
 45                         latset.set(j++, isSet);
 46                 }
 47                //中国地理坐标：东经73°至东经135°，北纬4°至北纬53°
 48                 double lon = decode(lonset, 70, 140);
 49                 double lat = decode(latset, 0, 60);
 50
 51                 return new double[] {lat, lon};
 52         }
 53
 54         private double decode(BitSet bs, double floor, double ceiling) {
 55                 double mid = 0;
 56                 for (int i=0; i<bs.length(); i++) {
 57                         mid = (floor + ceiling) / 2;
 58                         if (bs.get(i))
 59                                 floor = mid;
 60                         else
 61                                 ceiling = mid;
 62                 }
 63                 return mid;
 64         }
 65
 66
 67         public String encode(double lat, double lon) {
 68                 BitSet latbits = getBits(lat, 0, 60);
 69                 BitSet lonbits = getBits(lon, 70, 140);
 70                 StringBuilder buffer = new StringBuilder();
 71                 for (int i = 0; i < numbits; i++) {
 72                         buffer.append( (lonbits.get(i))?‘1‘:‘0‘);
 73                         buffer.append( (latbits.get(i))?‘1‘:‘0‘);
 74                 }
 75                 return base32(Long.parseLong(buffer.toString(), 2));
 76         }
 77
 78         private BitSet getBits(double lat, double floor, double ceiling) {
 79                 BitSet buffer = new BitSet(numbits);
 80                 for (int i = 0; i < numbits; i++) {
 81                         double mid = (floor + ceiling) / 2;
 82                         if (lat >= mid) {
 83                                 buffer.set(i);
 84                                 floor = mid;
 85                         } else {
 86                                 ceiling = mid;
 87                         }
 88                 }
 89                 return buffer;
 90         }
 91
 92         public static String base32(long i) {
 93                 char[] buf = new char[65];
 94                 int charPos = 64;
 95                 boolean negative = (i < 0);
 96                 if (!negative)
 97                         i = -i;
 98                 while (i <= -32) {
 99                         buf[charPos--] = digits[(int) (-(i % 32))];
100                         i /= 32;
101                 }
102                 buf[charPos] = digits[(int) (-i)];
103
104                 if (negative)
105                         buf[--charPos] = ‘-‘;
106                 return new String(buf, charPos, (65 - charPos));
107         }
108
109 }

球面距离公式：(个人喜欢这个算法)

 1 /**
 2      * @method 以下用于计算两个经纬度之间的距离
 3      * */
 4     private double EARTH_RADIUS = 6378.137;//地球半径
 5     private static double rad(double d)
 6     {
 7        return d * Math.PI / 180.0;
 8     }
 9
10     public double GetDistance(double lat1, double lng1, double lat2, double lng2)
11     {
12        double radLat1 = rad(lat1);
13        double radLat2 = rad(lat2);
14        double a = radLat1 - radLat2;
15        double b = rad(lng1) - rad(lng2);
16
17        double s = 2 * Math.asin(Math.sqrt(Math.pow(Math.sin(a/2),2) +
18         Math.cos(radLat1)*Math.cos(radLat2)*Math.pow(Math.sin(b/2),2)));
19        s = s * EARTH_RADIUS;
20        s = Math.round(s * 100) / 100.0;
21        return s;
22     }

附近网点距离排序

 1 package com.DistTest;
 2
 3 import java.sql.DriverManager;
 4 import java.sql.ResultSet;
 5 import java.sql.SQLException;
 6 import java.sql.Connection;
 7 import java.sql.Statement;
 8
 9
10 public class sqlTest {
11
12     public static void main(String[] args) throws Exception {
13         Connection conn = null;
14         String sql;
15         String url = "jdbc:mysql://132.97.**.**/test?"
16                 + "user=***&password=****&useUnicode=true&characterEncoding=UTF8";
17
18         try {
19             Class.forName("com.mysql.jdbc.Driver");// 动态加载mysql驱动
20             // System.out.println("成功加载MySQL驱动程序");
21             // 一个Connection代表一个数据库连接
22             conn = DriverManager.getConnection(url);
23             // Statement里面带有很多方法，比如executeUpdate可以实现插入，更新和删除等
24             Statement stmt = conn.createStatement();
25             sql = "select * from retailersinfotable limit 1,10";
26             ResultSet rs = stmt.executeQuery(sql);// executeQuery会返回结果的集合，否则返回空值
27               double lon1=109.0145193757;
28               double lat1=34.236080797698;
29             System.out.println("当前位置：");
30             int i=0;
31             String[][] array = new String[10][3];
32             while (rs.next()){
33                     //从数据库取出地理坐标
34                     double lon2=Double.parseDouble(rs.getString("Longitude"));
35                     double lat2=Double.parseDouble(rs.getString("Latitude"));
36
37                     //根据地理坐标，生成geohash编码
38                       Geohash geohash = new Geohash();
39                     String geocode=geohash.encode(lat2, lon2).substring(0, 9);
40
41                     //计算两点间的距离
42                       int dist=(int) Test.GetDistance(lon1, lat1, lon2, lat2);
43
44                       array[i][0]=String.valueOf(i);
45                     array[i][1]=geocode;
46                     array[i][2]=Integer.toString(dist);
47
48                       i++;
49
50                 //    System.out.println(lon2+"---"+lat2+"---"+geocode+"---"+dist);
51                 }
52
53             array=sqlTest.getOrder(array); //二维数组排序
54             sqlTest.showArray(array);        //打印数组
55
56
57
58
59         } catch (SQLException e) {
60             System.out.println("MySQL操作错误");
61             e.printStackTrace();
62         } finally {
63             conn.close();
64         }
65
66     }
67     /*
68      * 二维数组排序，比较array[][2]的值，返回二维数组
69      * */
70     public static String[][] getOrder(String[][] array){
71         for (int j = 0; j < array.length ; j++) {
72             for (int bb = 0; bb < array.length - 1; bb++) {
73                 String[] ss;
74                 int a1=Integer.valueOf(array[bb][2]);  //转化成int型比较大小
75                 int a2=Integer.valueOf(array[bb+1][2]);
76                 if (a1>a2) {
77                     ss = array[bb];
78                     array[bb] = array[bb + 1];
79                     array[bb + 1] = ss;
80
81                 }
82             }
83         }
84         return array;
85     }
86
87     /*打印数组*/
88     public static void showArray(String[][] array){
89           for(int a=0;a<array.length;a++){
90               for(int j=0;j<array[0].length;j++)
91                   System.out.print(array[a][j]+" ");
92               System.out.println();
93           }
94     }
95
96 }

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

转自http://www.open-open.com/lib/view/open1421650750328.html

一、距形算法