目前的工作是需要对用户的一些数据进行分析，每个用户都有若干条记录，每条记录中有用户的一个位置，是用经度和纬度表示的。
还有一个给定的，存储的是一些已知地点以及他们的经纬度，内有43W多条的数据。现在需要拿用户的经纬度和已知地点进行距离匹配，如果它们之间的距离小于一定的数据，比如说500米，就认为用户是在这个地点。MYSQL本身是支持空间索引的，但是在5.x的版本中，取消了对Distance()和Related()的支持，无法使用空间的距离函数去直接去查询距离在一定范围内的点。所以，我首先想到的是，对每条记录，去进行遍历，跟数据库中的每一个点进行距离计算，当距离小于500米时，认为匹配。这样做确实能够得到结果，但是效率极其低下，因为每条记录都要去循环匹配40W条数据，其消耗的时间可想而知。经过记录，发现每条记录处理的时间消耗达到1700ms，针对每天上亿的数据量，这样一个处理速度，让人情何以堪啊。。。我自己也有个想法，就是找到每条记录所在点的经纬度周围的一个大概范围，比方说正方形的四个点，然后使用mysql的空间计算，使用MBR去得出点在这个矩形内的已知记录，然后进行匹配。可惜，自己没想出能计算到四个点经纬度的方法。意外的，查询到了一个关于这个计算附近地点搜索初探，里面使用python实现了这个想法。
所以参考了一下原文中的算法，使用PHP进行了实现。实现原理也是很相似的，先算出该点周围的矩形的四个点，然后使用经纬度去直接匹配数据库中的记录。
红色部分为要求的搜索范围，绿色部分我们能间接得到的结果范围
参考wiki百科上的一些球面计算公式：
Great-circle distance
Haversine formula假设已知点的经纬度分别为$lng, $lat
先实现经度范围的查询，在haversin公式中令φ1 = φ2，可得:用PHP进行计算，就是：
Example
| 代码如下 | 复制代码 |
| //$lat 已知点的纬度$dlng = 2 * asin(sin($distance / (2 * EARTH_RADIUS)) / cos(deg2rad($lat)));$dlng = rad2deg($dlng);//转换弧度 | |
然后是纬度范围的查询，
在haversin公式中令 Δλ = 0，可得
在PHP中进行计算，就是：
Example
| 代码如下 | 复制代码 |
| $dlat = $distance/EARTH_RADIUS;//EARTH_RADIUS地球半径 $dlat = rad2deg($dlat);//转换弧度 | |
最后，就可以得出四个点的坐标：
left-top : (lat + dlat, lng – dlng)
right-top : (lat + dlat, lng + dlng)left-bottom : (lat – dlat, lng – dlng)right-bottom: (lat – dlat, lng + dlng)我把以上方法写成了一个函数，综合起来就是：
Example
| 代码如下 | 复制代码 |
| define(EARTH_RADIUS,6378.137);//地球半径，平均半径为6378.137km /** *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); $info_sql = " id,locateinfo,lat,lng from `lbs_info` where lat<>0 and lat>{$squares['right-bottom']['lat']} and lat<{$squares['left-top']['lat']} and lng>{$squares['left-top']['lng']} and lng<{$squares['right-bottom']['lng']} "; | |
//计算两个坐标的直线距离 public function getDistance($lat1, $lng1, $lat2, $lng2){ $earthRadius =6378.137; //近似地球半径米 // 转换为弧度 $lat1 = ($lat1 * pi()) / 180; $lng1 = ($lng1 * pi()) / 180; $lat2 = ($lat2 * pi()) / 180; $lng2 = ($lng2 * pi()) / 180; // 使用半正矢公式 用尺规来计算 $calcLongitude = $lng2 - $lng1; $calcLatitude = $lat2 - $lat1; $stepOne = pow(sin($calcLatitude / 2), 2) + cos($lat1) * cos($lat2) * pow(sin($calcLongitude / 2), 2); $stepTwo = 2 * asin(min(1, sqrt($stepOne))); $calculatedDistance = $earthRadius * $stepTwo; return round($calculatedDistance); } 在lat和lng上建立一个联合索引后，使用此项查询，每条记录的查询消耗平均为0.8毫秒，相比以前的1700ms，真的是天壤之别啊。效率真真的是以前的2125倍~~
总结：这应该也不是效率最好的办法，但是效率比以前确实有明显的提升。请记住，总有办法更好的。