Mysql or Mongodb LBS快速实现方案

http://www.wubiao.info/470

前两篇文章：

查找附近的xxx 球面距离以及Geohash方案探讨 （http://www.wubiao.info/372）

微信、陌陌 架构方案分析 （http://www.wubiao.info/401）

探讨了，LBS查找附近的XXX；其中包括了，Mysql自定义存储函数方案，以及通过GeoHash、redis自建索引方案。

===============================================================

今天分享两种，利用GeoHash封装成内置数据库函数的简易方案；

A:Mysql 内置函数方案，适合于已有业务，新增加LBS功能，增加经纬度字段方可，避免数据迁移

B:Mongodb 内置函数方案，适合中小型应用，快速实现LBS功能，性能优于A（推荐）

===============================================================

方案A: （MySQL Spatial）

1、先简历一张表：（MySQL 5.0 以上 仅支持 MyISAM 引擎）

CREATE TABLE address (

    address CHAR (80) NOT NULL ,

    address_loc POINT NOT NULL ,

    PRIMARY KEY (address)

);

空间索引：

ALTER TABLE address ADD SPATIAL INDEX (address_loc);

插入数据：（注：此处Point(纬度,经度) 标准写法）

INSERT INTO address VALUES ( 'Foobar street 12' , GeomFromText( 'POINT(30.620076 104.067221)' ));

INSERT INTO address VALUES ( 'Foobar street 13' , GeomFromText( 'POINT(31.720076 105.167221)' ));

查询： 查找(30.620076,104.067221)附近 10 公里

SELECT  *
    FROM    address
    WHERE   MBRContains
                    (
                    LineString
                            (
                            Point
                                    (
                                    30.620076 + 10 / ( 111.1 / COS(RADIANS(104.067221))),
                                    104.067221 + 10 / 111.1
                                    ),
                            Point
                                    (
                                    30.620076 - 10 / ( 111.1 / COS(RADIANS(104.067221))),
                                    104.067221 - 10 / 111.1
                                    )
                            ),
                    address_loc
                    )

方案B:

1、先建立一张简单的表user,两条数据如下：

{
  "_id" : ObjectId( "518b1f1a83ba88ca60000001" ),
  "account" : "[email protected]" ,
  "gps" : [
    104.067221,
    30.620076
  ]
}

{
  "_id" : ObjectId( "518b1dae83ba88d660000000" ),
  "account" : "[email protected]" ,
  "gps" : [
    104.07958,
    30.653936
  ]
}

其中，gps为二维数组，分别为经度，纬度

（注：此处必须按照（经度，纬度）顺序存储。我们平时表示经纬度，都是（纬度，精度），此处这种方式有木有很亲民）

2、使用之前，先建立二维索引

//建立索引 最大范围在经度-180~180

db. user .ensureIndex({ "gps" : "2d" },{ "min" :-180, "max" :180})

//删除索引

db. user .dropIndex({ "gps" : "2d" })

3、Mongodb有两中方式可以查找附近的XXX；其中方案2）会返回距离（推荐）

1)标准查询，为地球经纬度查询内置；参数一为查询条件利用$near查找附近，参数二$maxDistance为经纬弧度（1° latitude = 111.12 kilometers）即 1/111.12，表示查找附近一公里。

db. user .find({ gps :{ $near : [104.065847, 30.657554] , $maxDistance : 1/111.12} })

2)执行命名方式，模拟成一个圆球；参数一指定geoNear方式和表名；参数二坐标，参数三是否为球形，参数四弧度（弧度=弧长/半径 一千米的弧度1000/6378000），参数五指定球形半径（地球半径）

db.runCommand({geoNear: 'user' , near:[104.065847, 30.657554], spherical: true , maxDistance:1000/6378000, distanceMultiplier:6378000});

本条目发布于2013年05月28日。属于DB、架构、算法分类，被贴了 geohash、LBS、Mongodb、Mysql 标签。