基於LBS功能,Geohash在PHP中運用實例

目錄結構

 

隨着移動終端的普及，很多應用都基於LBS功能，附近的某某（餐館、銀行、妹紙等等）。

基礎數據中，一般保存了目標位置的經緯度；利用用戶提供的經緯度，進行對比，從而獲得是否在附近。

目標：

查找附近的某某某，由近到遠返回結果，且結果中有與目標點的距離。

針對查找附近的某某某，提出兩個方案，如下：

一、方案A:

抽象為球面兩點距離的計算，即已知道球面上兩點的經緯度；

點（緯度，經度），A($radLat1,$radLng1)、B($radLat2,$radLng2);

優點：通俗易懂，部署簡單便捷

缺點：每次都會查詢數據庫，性能堪憂

1、推導

通過余弦定理以及弧度計算方法，最終推導出來的算式A為：

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

目前網上大多使用Google公開的距離計算公司，推導算式B為：

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

其中 :

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

$R 為地球半徑

2、兩種算法

通過測試兩種算法，結果相同且都正確，但通過PHP代碼測試，兩點間距離，10W次性能對比，自行推導版本計算時長算式B較優，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、所以采用數學方法推導出的公式:

<?php
    //根據經緯度計算距離 其中A($lat1,$lng1)、B($lat2,$lng2) public static function getDistance($lat1,$lng1,$lat2,$lng2) { //地球半徑 $R = 6378137; //將角度轉為狐度 $radLat1 = deg2rad($lat1); $radLat2 = deg2rad($lat2); $radLng1 = deg2rad($lng1); $radLng2 = deg2rad($lng2); //結果 $s = acos(cos($radLat1)*cos($radLat2)*cos($radLng1-$radLng2)+sin($radLat1)*sin($radLat2))*$R; //精度 $s = round($s* 10000)/10000; return round($s); } ?>

4、實際應用中

在實際應用中，需要從數據庫中遍歷取出符合條件，以及排序等操作，將所有數據取出，然后通過PHP循環對比，篩選符合條件結果，顯然性能低下；所以我們利用下Mysql存儲函數來解決這個問題吧。

1）、創建MySQL存儲函數,並對經緯度字段建立索引

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）、查詢SQL

通過SQL，可設置距離以及排序；可搜索出符合條件的信息，以及有一個較好的排序

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算法是一種地址編碼，它能把二維的經緯度編碼成一維的字符串。比如，成都永豐立交的編碼是wm3yr31d2524

優點:

1）、利用一個字段，即可存儲經緯度；搜索時，只需一條索引，效率較高

2）、編碼的前綴可以表示更大的區域，查找附近的，非常方便。 SQL中，LIKE 'wm3yr3%'，即可查詢附近的所有地點。

3）、通過編碼精度可模糊坐標、隱私保護等。

缺點: 

距離和排序需二次運算（篩選結果中運行，其實挺快）

1、geohash的編碼算法

成都永豐立交經緯度(30.63578,104.031601)

1)、緯度范圍(-90, 90)平分成兩個區間(-90, 0)、(0, 90)， 如果目標緯度位於前一個區間，則編碼為0，否則編碼為1。

由於30.625265屬於(0, 90)，所以取編碼為1。

然后再將(0, 90)分成 (0, 45), (45, 90)兩個區間，而39.92324位於(0, 45)，所以編碼為0

然后再將(0, 45)分成 (0, 22.5), (22.5, 45)兩個區間，而39.92324位於(22.5, 45)，所以編碼為1

依次類推可得永豐立交緯度編碼為101010111001001000100101101010。

2)、經度也用同樣的算法，對(-180, 180)依次細分，(-180，0)、(0,180) 得出編碼110010011111101001100000000000

3)、合並經緯度編碼，從高到低，先取一位經度，再取一位緯度；得出結果 111001001100011111101011100011000010110000010001010001000100

4)、用0-9、b-z（去掉a, i, l, o）這32個字母進行base32編碼，得到(30.63578,104.031601)的編碼為wm3yr31d2524。

11100 10011 00011 11110 10111 00011 00001 01100 00010 00101 00010 00100 => wm3yr31d2524
 
十進制    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
十進制  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)、在緯度和經度入庫時，數據庫新加一字段geohash，記錄此點的geohash值

2)、查找附近，利用 在SQL中 LIKE 'wm3yr3%'；且此結果可緩存；在小區域內，不會因為改變經緯度，而重新數據庫查詢

3)、查找出的有限結果，如需要求距離或者排序，可利用距離公式和二維數據排序；此時也是少量數據，會很快的。

3、一個PHP基類

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、測試

<?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; //經緯度轉換成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); } //獲取附近的信息 $n_latitude = $_GET['la']; $n_longitude = $_GET['lo']; //開始 $b_time = microtime(true); //方案A，直接利用數據庫存儲函數，遍歷排序 $sql = 'SELECT *,latitude,longitude,GETDISTANCE(latitude,longitude,'.$n_latitude.','.$n_longitude.') AS distance FROM mb_shop_ext where 1 HAVING distance<1000 ORDER BY distance ASC'; $data = $mysql->queryAll($sql); //結束 $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 //當前 geohash值 $n_geohash = $geohash->encode($n_latitude,$n_longitude); //附近，參數n代表Geohash，精確的位數，也就是大概距離；n=6時候，大概為附近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); //算出實際距離 foreach($data as $key =>$val) { $distance = getDistance($n_latitude, $n_longitude, $val['latitude'], $val['longitude']); $data[$key]['distance'] = $distance; //排序列 $sortdistance[$key] = $distance; } //距離排序 array_multisort($sortdistance,SORT_ASC,$data); //結束 $e_time = microtime(true); echo $e_time - $b_time; var_dump($data); //根據經緯度計算距離 其中A($lat1,$lng1)、B($lat2,$lng2) function getDistance($lat1, $lng1, $lat2, $lng2) { //地球半徑 $R = 6378137; //將角度轉為狐度 $radLat1 = deg2rad($lat1); $radLat2 = deg2rad($lat2); $radLng1 = deg2rad($lng1); $radLng2 = deg2rad($lng2); //結果 $s = acos(cos($radLat1)*cos($radLat2)*cos($radLng1-$radLng2)+sin($radLat1)*sin($radLat2))*$R; //精度 $s = round($s* 10000)/10000; return round($s); } ?>

四、總結

方案B的亮點在於：

1、搜索結果可緩存，重復使用，不會因為用戶有小范圍的移動，直接穿透數據庫查詢。

2、先縮小結果范圍，再運算、排序，可提升性能。

254條記錄，性能對比，在實際應用場景中，方案B數據庫搜索可內存緩存；且如數據量更大，方案B結果會更優。

方案A:
0.016560077667236
0.032402992248535
0.040318012237549

方案B
0.0079810619354248
0.0079669952392578
0.0064868927001953

兩種方案，根據應用場景以及負載情況合理選擇，當然推薦方案B。
不管哪種方案，都記得，給列加上索引，利於數據庫檢索。

注意：在數據庫中給Geohash加上索引，用戶位置頻繁發生改變則會導致索引重建，這勢必會給數據庫造成很大的壓力