随着移动终端的普及，很多应用都基于LBS功能，附近的某某（餐馆、银行、妹纸等等）。

基础数据中，一般保存了目标位置的经纬度；利用用户提供的经纬度，进行对比，从而获得是否在附近。

目标：

查找附近的某某某，由近到远返回结果，且结果中有与目标点的距离。

针对查找附近的某某某，提出两个方案，如下：

一、方案A:

抽象为球面两点距离的计算，即已知道球面上两点的经纬度；

点（纬度，经度），A($radLat1,$radLng1)、B($radLat2,$radLng2);

优点：通俗易懂，部署简单便捷

缺点：每次都会查询数据库，性能堪忧

1、推导

通过余弦定理以及弧度计算方法，最终推导出来的算式A为：

$s = acos(cos($radLat1) * cos($radLat2) * cos($radLng1 - $radLng2) + sin($radLat1) * sin($radLat2)) * $R;

目前网上大多使用Google公开的距离计算公司，推导算式B为：

$s = 2*asin(sqrt(pow(sin(($radLat1-$radLat2)/2),2)+cos($radLat1)*cos($radLat2)*pow(sin(($radLng1-$radLng2)/2),2)))*$R;

其中 :

$radLat1、$radLng1，$radLat2，$radLng2 为弧度

$R 为地球半径

2、两种算法

通过测试两种算法，结果相同且都正确，但通过PHP代码测试，两点间距离，10W次性能对比，自行推导版本计算时长算式B较优，如下：

//算式A 0.56368780136108float(431) 0.57460689544678float(431) 0.59051203727722float(431)//算式B 0.47404885292053float(431) 0.47808718681335float(431) 0.47946381568909float(431)

3、所以采用数学方法推导出的公式:

<?php//根据经纬度计算距离 其中A($lat1,$lng1)、B($lat2,$lng2)public static function getDistance($lat1,$lng1,$lat2,$lng2) {//地球半径$R = 6378137;//将角度转为狐度$radLat1 = deg2rad($lat1);$radLat2 = deg2rad($lat2);$radLng1 = deg2rad($lng1);$radLng2 = deg2rad($lng2);//结果$s = acos(cos($radLat1)*cos($radLat2)*cos($radLng1-$radLng2)+sin($radLat1)*sin($radLat2))*$R;//精度$s = round($s* 10000)/10000;return round($s);} ?>

4、实际应用中

在实际应用中，需要从数据库中遍历取出符合条件，以及排序等操作，将所有数据取出，然后通过PHP循环对比，筛选符合条件结果，显然性能低下；所以我们利用下Mysql存储函数来解决这个问题吧。

1）、创建MySQL存储函数,并对经纬度字段建立索引

DELIMITER $$ CREATE DEFINER=`root`@`%` FUNCTION `GETDISTANCE`(lat1 DOUBLE, lng1 DOUBLE, lat2 DOUBLE, lng2 DOUBLE) RETURNS double READS SQL DATA DETERMINISTIC BEGIN DECLARE RAD DOUBLE; DECLARE EARTH_RADIUS DOUBLE DEFAULT 6378137; DECLARE radLat1 DOUBLE; DECLARE radLat2 DOUBLE; DECLARE radLng1 DOUBLE; DECLARE radLng2 DOUBLE; DECLARE s DOUBLE; SET RAD = PI() / 180.0; SET radLat1 = lat1 * RAD; SET radLat2 = lat2 * RAD; SET radLng1 = lng1 * RAD; SET radLng2 = lng2 * RAD; SET s = ACOS(COS(radLat1)*COS(radLat2)*COS(radLng1-radLng2)+SIN(radLat1)*SIN(radLat2))*EARTH_RADIUS; SET s = ROUND(s * 10000) / 10000; RETURN s; END$$ DELIMITER ;

2）、查询SQL

通过SQL，可设置距离以及排序；可搜索出符合条件的信息，以及有一个较好的排序

SELECT *,latitude,longitude,GETDISTANCE(latitude,longitude,30.663262,104.071619) AS distance FROM mb_shop_ext where 1 HAVING distance<1000 ORDER BY distance ASC LIMIT 0,10

二、方案B：Geohash算法

Geohash算法是一种地址编码，它能把二维的经纬度编码成一维的字符串。比如，成都永丰立交的编码是wm3yr31d2524

优点:

1）、利用一个字段，即可存储经纬度；搜索时，只需一条索引，效率较高

2）、编码的前缀可以表示更大的区域，查找附近的，非常方便。 SQL中，LIKE 'wm3yr3%'，即可查询附近的所有地点。

3）、通过编码精度可模糊坐标、隐私保护等。

缺点: 

距离和排序需二次运算（筛选结果中运行，其实挺快）

1、geohash的编码算法

成都永丰立交经纬度(30.63578,104.031601)

1)、纬度范围(-90, 90)平分成两个区间(-90, 0)、(0, 90)， 如果目标纬度位于前一个区间，则编码为0，否则编码为1。

由于30.625265属于(0, 90)，所以取编码为1。

然后再将(0, 90)分成 (0, 45), (45, 90)两个区间，而39.92324位于(0, 45)，所以编码为0

然后再将(0, 45)分成 (0, 22.5), (22.5, 45)两个区间，而39.92324位于(22.5, 45)，所以编码为1

依次类推可得永丰立交纬度编码为101010111001001000100101101010。

2)、经度也用同样的算法，对(-180, 180)依次细分，(-180，0)、(0,180) 得出编码110010011111101001100000000000

3)、合并经纬度编码，从高到低，先取一位经度，再取一位纬度；得出结果 111001001100011111101011100011000010110000010001010001000100

4)、用0-9、b-z（去掉a, i, l, o）这32个字母进行base32编码，得到(30.63578,104.031601)的编码为wm3yr31d2524。

11100 10011 00011 11110 10111 00011 00001 01100 00010 00101 00010 00100 => wm3yr31d2524十进制 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 base32 0 1 2 3 4 5 6 7 8 9 b c d e f g 十进制 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 base32 h j k m n p q r s t u v w x y z

2、策略

1)、在纬度和经度入库时，数据库新加一字段geohash，记录此点的geohash值

2)、查找附近，利用 在SQL中 LIKE 'wm3yr3%'；且此结果可缓存；在小区域内，不会因为改变经纬度，而重新数据库查询

3)、查找出的有限结果，如需要求距离或者排序，可利用距离公式和二维数据排序；此时也是少量数据，会很快的。

3、一个PHP基类

geohash.class.php

<?php /** * Encode and decode geohashes */ class Geohash {private $coding = "0123456789bcdefghjkmnpqrstuvwxyz";private $codingMap = array();public function Geohash() {for($i = 0; $i < 32; $i++) {$this->codingMap[substr($this->coding, $i, 1)] = str_pad(decbin($i), 5, "0", STR_PAD_LEFT);}}public function decode($hash) {$binary = "";$hl = strlen($hash);for($i = 0; $i < $hl; $i++) {$binary .= $this->codingMap[substr($hash, $i, 1)];}$bl = strlen($binary);$blat = "";$blong = "";for ($i = 0; $i < $bl; $i++) {if ($i%2) {$blat = $blat.substr($binary, $i, 1);} else {$blong = $blong.substr($binary, $i, 1);}}$lat = $this->binDecode($blat, -90, 90);$long = $this->binDecode($blong, -180, 180);$latErr = $this->calcError(strlen($blat), -90, 90);$longErr = $this->calcError(strlen($blong), -180, 180);$latPlaces = max(1, -round(log10($latErr))) - 1;$longPlaces = max(1, -round(log10($longErr))) - 1;$lat = round($lat, $latPlaces);$long = round($long, $longPlaces);return array($lat,$long);}public function encode($lat,$long) {$plat = $this->precision($lat);$latbits = 1;$err = 45;while($err > $plat) {$latbits++;$err/ = 2;}$plong = $this->precision($long);$longbits = 1;$err = 90;while($err > $plong) {$longbits++;$err /= 2;}$bits = max($latbits,$longbits);$longbits = $bits;$latbits = $bits;$addlong = 1;while (($longbits+$latbits) % 5 != 0) {$longbits += $addlong;$latbits += !$addlong;$addlong = !$addlong;}$blat = $this->binEncode($lat, -90, 90, $latbits);$blong = $this->binEncode($long, -180, 180, $longbits);$binary = "";$uselong = 1;while (strlen($blat)+strlen($blong)) {if ($uselong) {$binary = $binary.substr($blong, 0, 1);$blong = substr($blong, 1);} else {$binary = $binary.substr($blat, 0, 1);$blat = substr($blat, 1);}$uselong = !$uselong;}$hash = "";for ($i = 0; $i < strlen($binary); $i += 5) {$n = bindec(substr($binary, $i, 5));$hash = $hash . $this->coding[$n];}return $hash;}private function calcError($bits, $min, $max) {$err = ($max - $min) / 2;while ($bits--) {$err /= 2;}return $err;}private function precision($number) {$precision = 0;$pt = strpos($number,'.');if ($pt! == false) {$precision = -(strlen($number) - $pt - 1);}return pow(10, $precision) / 2;}private function binEncode($number, $min, $max, $bitcount) {if ($bitcount == 0) {return "";}$mid = ($min + $max) / 2;if ($number > $mid) {return "1" . $this->binEncode($number, $mid, $max, $bitcount - 1);} else {return "0" . $this->binEncode($number, $min, $mid, $bitcount - 1);}}private function binDecode($binary, $min, $max) {$mid = ($min + $max) / 2;if (strlen($binary) == 0) {return $mid;} $bit = substr($binary, 0, 1);$binary = substr($binary, 1);if ($bit == 1) {return $this->binDecode($binary, $mid, $max);} else {return $this->binDecode($binary, $min, $mid);}} } ?>

三、测试

<?php require_once('Mysql.class.php'); require_once('geohash.class.php'); //mysql $conf = array('host' = > '127.0.0.1','port' = > 3306,'user' = > 'root','password' = > '123456','database' = > 'mocube','charset' = > 'utf8','persistent' = > false );$mysql = new Db_Mysql($conf); $geohash = new Geohash;//经纬度转换成Geohash $sql = 'select shop_id,latitude,longitude from mb_shop_ext'; $data = $mysql->queryAll($sql); foreach($data as $val) {$geohash_val = $geohash->encode($val['latitude'],$val['longitude']);$sql = 'update mb_shop_ext set geohash = "'.$geohash_val.'" where shop_id = '.$val['shop_id'];echo $sql;$re = $mysql->query($sql);var_dump($re); } //获取附近的信息 $n_latitude = $_GET['la']; $n_longitude = $_GET['lo']; //开始 $b_time = microtime(true);//方案A，直接利用数据库存储函数，遍历排序 $sql = 'SELECT *,latitude,longitude,GETDISTANCE(latitude,longitude,'.$n_latitude.','.$n_longitude.') AS distance FROM mb_shop_ext where 1 HAVING distance<1000 ORDER BY distance ASC'; $data = $mysql->queryAll($sql); //结束 $e_time = microtime(true); echo $e_time - $b_time; var_dump($data); exit;//方案B geohash求出附近，然后排序 //当前 geohash值 $n_geohash = $geohash->encode($n_latitude,$n_longitude); //附近，参数n代表Geohash，精确的位数，也就是大概距离；n=6时候，大概为附近1千米 $n = $_GET['n']; $like_geohash = substr($n_geohash, 0, $n); $sql = 'select * from mb_shop_ext where geohash like "'.$like_geohash.'%"'; echo $sql; $data = $mysql->queryAll($sql); //算出实际距离 foreach($data as $key =>$val) {$distance = getDistance($n_latitude, $n_longitude, $val['latitude'], $val['longitude']);$data[$key]['distance'] = $distance;//排序列$sortdistance[$key] = $distance; } //距离排序 array_multisort($sortdistance,SORT_ASC,$data); //结束 $e_time = microtime(true); echo $e_time - $b_time; var_dump($data); //根据经纬度计算距离 其中A($lat1,$lng1)、B($lat2,$lng2) function getDistance($lat1, $lng1, $lat2, $lng2) {//地球半径$R = 6378137;//将角度转为狐度$radLat1 = deg2rad($lat1);$radLat2 = deg2rad($lat2);$radLng1 = deg2rad($lng1);$radLng2 = deg2rad($lng2);//结果$s = acos(cos($radLat1)*cos($radLat2)*cos($radLng1-$radLng2)+sin($radLat1)*sin($radLat2))*$R;//精度$s = round($s* 10000)/10000;return round($s); } ?>

四、总结

方案B的亮点在于：

1、搜索结果可缓存，重复使用，不会因为用户有小范围的移动，直接穿透数据库查询。

2、先缩小结果范围，再运算、排序，可提升性能。

254条记录，性能对比，在实际应用场景中，方案B数据库搜索可内存缓存；且如数据量更大，方案B结果会更优。

方案A: 0.016560077667236 0.032402992248535 0.040318012237549方案B 0.0079810619354248 0.0079669952392578 0.0064868927001953

两种方案，根据应用场景以及负载情况合理选择，当然推荐方案B。
不管哪种方案，都记得，给列加上索引，利于数据库检索。

注意：在数据库中给Geohash加上索引，用户位置频繁发生改变则会导致索引重建，这势必会给数据库造成很大的压力

可换一种方案：使用Redis来实现LBS的应用

转载：查找附近的xxx 球面距离以及Geohash方案探讨

总结

以上是生活随笔为你收集整理的基于LBS功能应用的Geohash方案的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。