PHP前端开发

地理位置geo处理之mysql函数的详细介绍(附代码)

百变鹏仔 2个月前 (01-23) #Python
文章标签 详细介绍

本篇文章给大家带来的内容是关于地理位置geo处理之mysql函数的详细介绍(附代码),有一定的参考价值,有需要的朋友可以参考一下,希望对你有所帮助。

目前越来越多的业务都会基于LBS,附近的人,外卖位置,附近商家等等,现就讨论离我最近这一业务场景的解决方案。

目前已知解决方案有:

mysql 自定义函数计算mysql geo索引mongodb geo索引postgresql PostGis索引redis geoElasticSearch

本文测试下mysql 函数运算的性能

准备工作

创建数据表

CREATE TABLE `driver` (  `id` int(11) unsigned NOT NULL AUTO_INCREMENT,  `lng` float DEFAULT NULL,  `lat` float DEFAULT NULL,  PRIMARY KEY (`id`)) ENGINE=InnoDB DEFAULT CHARSET=utf8;

创建测试数据

在创建数据之前先了解下基本的地理知识:

在纬度相等的情况下:

在经度相等的情况下:

mysql函数计算

DELIMITER //CREATE DEFINER=`root`@`localhost` FUNCTION `getDistance`(    `lng1` float(10,7)     ,    `lat1` float(10,7)    ,    `lng2` float(10,7)     ,    `lat2` float(10,7)) RETURNS double    COMMENT '计算2坐标点距离'BEGIN    declare d double;    declare radius int;    set radius = 6371000; #假设地球为正球形,直径为6371000米    set d = (2*ATAN2(SQRT(SIN((lat1-lat2)*PI()/180/2)           *SIN((lat1-lat2)*PI()/180/2)+           COS(lat2*PI()/180)*COS(lat1*PI()/180)           *SIN((lng1-lng2)*PI()/180/2)           *SIN((lng1-lng2)*PI()/180/2)),           SQRT(1-SIN((lat1-lat2)*PI()/180/2)           *SIN((lat1-lat2)*PI()/180/2)           +COS(lat2*PI()/180)*COS(lat1*PI()/180)           *SIN((lng1-lng2)*PI()/180/2)           *SIN((lng1-lng2)*PI()/180/2))))*radius;    return d;END//DELIMITER ;

创建数据python脚本

# coding=utf-8from orator import DatabaseManager, Modelimport loggingimport randomimport threading""" 中国的经纬度范围 纬度3.86~53.55,经度73.66~135.05。大概0.00001度差距1米 """# 创建 日志 对象logger = logging.getLogger()handler = logging.StreamHandler()formatter = logging.Formatter(    '%(asctime)s %(name)-12s %(levelname)-8s %(message)s')handler.setFormatter(formatter)logger.addHandler(handler)logger.setLevel(logging.DEBUG)# Connect to the databaseconfig = {    'mysql': {        'driver': 'mysql',        'host': 'localhost',        'database': 'dbtest',        'user': 'root',        'password': '',        'prefix': ''    }}db = DatabaseManager(config)Model.set_connection_resolver(db)class Driver(Model):    __table__ = 'driver'    __timestamps__ = False    passdef ins_driver(thread_name,nums):    logger.info('开启线程%s' % thread_name)    for _ in range(nums):        lng = '%.5f' % random.uniform(73.66, 135.05)        lat = '%.5f' % random.uniform(3.86, 53.55)        driver = Driver()        driver.lng = lng        driver.lat = lat        driver.save()thread_nums = 10for i in range(thread_nums):    t = threading.Thread(target=ins_driver, args=(i, 400000))    t.start()

以上脚本创建10个线程,10个线程插入4万条数据。耗费150.18s执行完,总共插入40万条数据

测试

系统:mac os

内存:16G

cpu: intel core i5

硬盘: 500g 固态硬盘

测试下查找距离(134.38753,18.56734)这个坐标点最近的10个司机

select *,`getDistance`(134.38753,18.56734,`lng`,`lat`) as dis from driver ORDER BY dis limit 10

我测试了从1万到10万间隔1万和从10万到90万每间隔10万测试的结果变化

结论