PHP / MySQL中的地理搜索（距离）（性能）

一尘不染

PHP / MySQL中的地理搜索（距离）（性能）

mysql

我有一个MySQL表（MyISAM），其中包含我根据与另一对经纬度对之间的距离（大圆公式）从中选择的约20万经纬度对条目。（例如，在50.281852，2.504883附近的10公里半径内的所有条目）

我的问题是此查询大约需要0.28秒。仅针对这200k条目运行（每天仍在增加）。而0.28秒。通常情况下会很好，此查询会经常运行，因为它会增强我的Web应用程序的主要功能，而且通常是较大查询的一部分。

有什么办法可以加快速度吗？显然，MySQL每次必须遍历所有200k条目，并为每个条目执行大圈公式。我在stackoverflow上阅读了一些有关geohashing，R-Trees之类的内容，但我不认为这是我想要的方式。部分原因是我从来都不是数学的忠实拥护者，但主要是因为我认为这个问题已经由比我聪明的人在图书馆/扩展名等中解决了。已进行了广泛的测试，并定期进行更新。

MySQL似乎具有空间扩展性，但是没有提供距离功能。我是否应该查看另一个数据库来放置这些坐标对？PostgreSQL似乎具有相当成熟的Spatial扩展。你知道吗
还是PostgreSQL是否仅使用大圆公式来获取特定区域内的所有条目？

是否有专门的独立产品或mysql扩展已经可以满足我的需求？

还是有可能我可以使用PHP库进行计算？使用APC，我可以轻松地将经纬度对放入内存（200k条目需要约5MB），然后在PHP内部运行查询。但是，这种方法的问题是，然后我将有一个SELECT
.. FROM .. WHERE
id在（id1，id2，..）中的MySQL查询，因为所有结果最多可达几千个。MySQL如何处理此类查询？然后（由于这是一个数字运算任务）在PHP中执行此操作是否足够快？

还有其他想法我应该/不应该做什么？

对于completeneses，这里是示例查询，其中删除了所有不相关的部分（如我所说，通常这是我联接多个表的更大查询的一部分）：

SELECT id, 6371 * acos( sin( radians( 52.4042924 ) ) * sin( radians( lat ) ) + cos( radians( 50.281852 ) ) * cos( radians( lat ) ) * cos( radians( 2.504883 ) - radians( lon ) ) ) AS dst
FROM geoloc
HAVING dst <10
ORDER BY dst ASC

谢谢！

阅读 422

2020-05-17

共1个答案

一尘不染

计算边界框以选择SQL查询的WHERE子句中的行的子集，以便仅对该行子集执行昂贵的距离计算，而不是对表中的全部200k记录执行。本文在Movable
Type（带有PHP代码示例）中描述了该方法。然后，您可以针对该子集在查询中包含Haversine计算，以计算实际距离，并在该点处将其包含在HAVING子句中。

这是帮助您提高性能的边界框，因为这意味着您仅对一小部分数据进行了昂贵的距离计算。实际上，这是与Patrick所建议的方法相同的方法，但是Movable
Type链接对方法进行了详尽的解释，以及可用于构建边界框和SQL查询的PHP代码。

编辑

如果您认为Haversine不够准确，那么还有Vincenty公式。

//  Vincenty formula to calculate great circle distance between 2 locations expressed as Lat/Long in KM

function VincentyDistance($lat1,$lat2,$lon1,$lon2){
    $a = 6378137 - 21 * sin($lat1);
    $b = 6356752.3142;
    $f = 1/298.257223563;

    $p1_lat = $lat1/57.29577951;
    $p2_lat = $lat2/57.29577951;
    $p1_lon = $lon1/57.29577951;
    $p2_lon = $lon2/57.29577951;

    $L = $p2_lon - $p1_lon;

    $U1 = atan((1-$f) * tan($p1_lat));
    $U2 = atan((1-$f) * tan($p2_lat));

    $sinU1 = sin($U1);
    $cosU1 = cos($U1);
    $sinU2 = sin($U2);
    $cosU2 = cos($U2);

    $lambda = $L;
    $lambdaP = 2*M_PI;
    $iterLimit = 20;

    while(abs($lambda-$lambdaP) > 1e-12 && $iterLimit>0) {
        $sinLambda = sin($lambda);
        $cosLambda = cos($lambda);
        $sinSigma = sqrt(($cosU2*$sinLambda) * ($cosU2*$sinLambda) + ($cosU1*$sinU2-$sinU1*$cosU2*$cosLambda) * ($cosU1*$sinU2-$sinU1*$cosU2*$cosLambda));

        //if ($sinSigma==0){return 0;}  // co-incident points
        $cosSigma = $sinU1*$sinU2 + $cosU1*$cosU2*$cosLambda;
        $sigma = atan2($sinSigma, $cosSigma);
        $alpha = asin($cosU1 * $cosU2 * $sinLambda / $sinSigma);
        $cosSqAlpha = cos($alpha) * cos($alpha);
        $cos2SigmaM = $cosSigma - 2*$sinU1*$sinU2/$cosSqAlpha;
        $C = $f/16*$cosSqAlpha*(4+$f*(4-3*$cosSqAlpha));
        $lambdaP = $lambda;
        $lambda = $L + (1-$C) * $f * sin($alpha) * ($sigma + $C*$sinSigma*($cos2SigmaM+$C*$cosSigma*(-1+2*$cos2SigmaM*$cos2SigmaM)));
    }

    $uSq = $cosSqAlpha*($a*$a-$b*$b)/($b*$b);
    $A = 1 + $uSq/16384*(4096+$uSq*(-768+$uSq*(320-175*$uSq)));
    $B = $uSq/1024 * (256+$uSq*(-128+$uSq*(74-47*$uSq)));

    $deltaSigma = $B*$sinSigma*($cos2SigmaM+$B/4*($cosSigma*(-1+2*$cos2SigmaM*$cos2SigmaM)- $B/6*$cos2SigmaM*(-3+4*$sinSigma*$sinSigma)*(-3+4*$cos2SigmaM*$cos2SigmaM)));

    $s = $b*$A*($sigma-$deltaSigma);
    return $s/1000;
}


echo VincentyDistance($lat1,$lat2,$lon1,$lon2);

2020-05-17