app后端开发四：GeoHash实现查找附近的X

素颜马尾好姑娘i 2022-08-04 14:58 331阅读 0赞

夜以继日，从7月28，到今天此时此刻，用laravel做的app接口，1.0版本终于做完了。后面等整个项目上线了，可以慢慢的来回顾一下这次开发的过程。今天主要来说下附近的X这个功能。

--------------------

# **情景描述** #

现在附近的人、附近的店、非常的有用。之前一直在思考这个东西应该怎么做，怎么来实现它。要实现这个功能的逻辑，非常简单，这里我们以查找附近的店距离。  
首先要做的是，查找出平台所有店铺。然后根据经纬度，算出app使用者与这些店铺的距离。然后对计算出来的距离进行排序。这个排序结构就是由近及远的一个结果。

## **上面的问题** ##

看起来这个问题得到了解决。那么问题来了。如果你做的应用，里边店铺有100万家，那么你首先要从数据库(mysql为例)把所有店铺的经纬度读出来。然后利用php代码，根据app使用者的经纬度，计算出100万家的距离，然后再排序。我都不忍心往下说了，大家想想这个效率会是一个什么情况。

这种方法，无法利用数据库的分页、条件查找等，大大增加了数据的负担。解决这个问题的方法很多。今天我只说 **GeoHash** 的解决方案。

## **什么是GeoHash** ##

简单说，Geohash算法；geohash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。

如果想要了解的详细点：可以查看该文章：[GeoHash核心原理解析][GeoHash]

如果你不太想了解它实现的细枝末节，一点都不会影响到你的使用。因为它的实现，已经实现好了。你通过它的实现类，可以轻易的完成使用。*PS：所有代码，会放在github上，链接在文章底部*

来说一下它的优缺点。

**优点:**

*  利用一个字段，便可存储经纬度；搜索时，只需一条索引，效率较高
 *  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，可以进行分页，对数据库压力大大降低
 *  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）

但是这里还有一个问题需要注意，那就是GeoHash它的编码规则是，将一个区域分成九宫格，那如果当某一个用户在使用的时候，刚好处在九宫格的边界上，那么问题就来了。  
![这里写图片描述][20150904132423004]  
如上图，假设用户在绿色点的位置，明显的B距离他更近。但是在查询的时候会发现距离较远店铺的GeoHash编码与用户一样（因为在同一个GeoHash区域块上），而较近餐馆的GeoHash编码与我们不一致。这个问题往往产生在边界处。  
这种问题的解决方案是，当我们需要获取绿色位置附近的店铺时，不要单单只查找它所在的区域，而要同时查找它附近的八个区域。也就是要查找途中最大的矩形所有区域。具体实现，我也做好了，你使用的时候，只需调用一个函数即可。

## **使用策略** ##

该说的理论基本上都说完了，现在来说一说实际的操作过程。

首先，在添加店铺的数据时，当对店铺数据入库时，需要同时将店铺的经纬度进行geohash编码，存入数据库中(因为店铺位置基本不会改变)。  
当用户使用附近的店查找时，从客户端上传上来用户的经纬度，然后进行geohash编码，通过sql：

where left(`geohash`,5) in('wm3yx','wm3yp','wm6n2','wm3yq','wm3yw','wm6n8','wm6n0','wm3yn','wm3yr')

查找附近相应的店铺。  
查找完成后，如果需要继续出距离，则，可以使用下面的方法，求出当前位置与目标位置的距离

/** * * * @desc 地理位置信息 */
    class Location { 
        // 地球的求半径，单位还是m
        const EARTH_RADIUS = 6378137;
    
        /** * 经纬度转化为幅度 * @param string $d * @return number */
        private static function fnRad($d) { 
            return $d * pi() / 180.0;
        }
    
        /** * 计算两点之间的距离，单位m * latitude(-90,90) * longitude(-180,180) * @param string $lnglat1 * @param string $lnglat2 */
        public static function getP2PDistance($srcLongLat, $destLongLat) { 
            $srcLongLat = explode(',', $srcLongLat);
            $destLongLat = explode(',', $destLongLat);
            list($lat1, $lng1) = $srcLongLat;
            list($lat2, $lng2) = $destLongLat;
    
            //return self::googleDistance($lat1, $lng1, $lat2, $lng2);
            return self::selfDistance($lat1, $lng1, $lat2, $lng2);
        }
    
        /** * 自定义算法 * 效率更高 */
        private static function selfDistance($lat1, $lng1, $lat2, $lng2) { 
            //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))*self::EARTH_RADIUS;
            //精度
            $s = round($s* 10000)/10000;
    
            return  round($s);
        }
    
        /** * google的算法 * 效率稍微差一点 */
        private static function googleDistance($lat1, $lng1, $lat2, $lng2) { 
            // 通过纬度取得对应的幅度
            $srcRadLat = self::fnRad($lat1);
            $destRadLat = self::fnRad($lat2);
    
            // 获取两点纬度弧度差
            $a = $srcRadLat - $destRadLat;
            // 获取两点经度的弧度差
            $b = self::fnRad($lng1) - self::fnRad($lng2);
    
            // 计算球体上该弧度对应的距离
            $s = 2 * asin(sqrt(pow(sin($a/2),2) + cos($srcRadLat)*cos($destRadLat)*pow(sin($b/2),2))) * self::EARTH_RADIUS;
            // 取得距离的km数
            $s = round($s * 10000) / 10000;
    
            return round($s);
        }
    }

在计算距离的方法中，使用了两种方法，一种是推导出的数学公式，一种是google给出的算法，最后测试发现推导的数学公式效率更高。不信的可以动手试试。至于计算完，距离，如何排序就不多了。

geohash类的方法介绍，请参考github上的文档。  
项目地址：[https://github.com/helei112g/laravel\_geohash][https_github.com_helei112g_laravel_geohash]

[app后端开发系列文章目录][app]

[GeoHash]: http://www.cnblogs.com/LBSer/p/3310455.html
[20150904132423004]: /images/20220731/87862b1b15fe4e309cde14bc379f586d.png
[https_github.com_helei112g_laravel_geohash]: https://github.com/helei112g/laravel_geohash
[app]: http://blog.csdn.net/hel12he/article/details/47721209