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

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

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

 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 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 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;
                         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));
         }

 }

球面距离公式：(个人喜欢这个算法)

 /**
      * @method 以下用于计算两个经纬度之间的距离
      * */
     private double EARTH_RADIUS = 6378.137;//地球半径
     private static double rad(double d)
     {
        return d * Math.PI / 180.0;
     }

     public double GetDistance(double lat1, double lng1, double lat2, double lng2)
     {
        double radLat1 = rad(lat1);
        double radLat2 = rad(lat2);
        double a = radLat1 - radLat2;
        double b = rad(lng1) - rad(lng2);

        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 * 100) / 100.0;
        return s;
     }

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

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

一、距形算法