摘要：目前越來越多的業(yè)務(wù)都會基于，附近的人，外賣位置，附近商家等等，現(xiàn)就討論離我最近這一業(yè)務(wù)場景的解決方案。大概度差距米創(chuàng)建日志對象開啟線程以上腳本創(chuàng)建個線程，個線程插入萬條數(shù)據(jù)。

目前越來越多的業(yè)務(wù)都會基于LBS，附近的人，外賣位置，附近商家等等，現(xiàn)就討論離我最近這一業(yè)務(wù)場景的解決方案。

目前已知解決方案有:

mysql 自定義函數(shù)計算

mysql geo索引

mongodb geo索引

postgresql PostGis索引

redis geo

ElasticSearch

本文測試下mysql 函數(shù)運算的性能

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;

在創(chuàng)建數(shù)據(jù)之前先了解下基本的地理知識:

全球經(jīng)緯度的取值范圍為: 緯度-90~90，經(jīng)度-180~180

中國的經(jīng)緯度范圍大約為： 緯度3.86~53.55，經(jīng)度73.66~135.05

北京行政中心的緯度為39.92，經(jīng)度為116.46

越北面的地方緯度數(shù)值越大，越東面的地方經(jīng)度數(shù)值越大

度分轉(zhuǎn)換： 將度分單位數(shù)據(jù)轉(zhuǎn)換為度單位數(shù)據(jù)，公式：度=度+分/60

分秒轉(zhuǎn)換： 將度分秒單位數(shù)據(jù)轉(zhuǎn)換為度單位數(shù)據(jù)，公式：度 = 度 + 分 / 60 + 秒 / 60 / 60

在緯度相等的情況下：

經(jīng)度每隔0.00001度，距離相差約1米

在經(jīng)度相等的情況下：

緯度每隔0.00001度，距離相差約1.1米

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 "計算2坐標(biāo)點距離"
BEGIN
    declare d double;
    declare radius int;
    set radius = 6371000; #假設(shè)地球為正球形，直徑為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 ;

# coding=utf-8
from orator import DatabaseManager, Model
import logging
import random
import threading

""" 中國的經(jīng)緯度范圍 緯度3.86~53.55，經(jīng)度73.66~135.05。大概0.00001度差距1米 """

# 創(chuàng)建 日志 對象
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 database

config = {
    "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
    pass


def ins_driver(thread_name,nums):
    logger.info("開啟線程%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 = 10
for i in range(thread_nums):
    t = threading.Thread(target=ins_driver, args=(i, 400000))
    t.start()

以上腳本創(chuàng)建10個線程，10個線程插入4萬條數(shù)據(jù)。耗費150.18s執(zhí)行完,總共插入40萬條數(shù)據(jù)

測試環(huán)境

系統(tǒng)：mac os

內(nèi)存：16G

cpu: intel core i5

硬盤: 500g 固態(tài)硬盤

測試下查找距離(134.38753,18.56734)這個坐標(biāo)點最近的10個司機

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

耗時：18.0s

explain:全表掃描

我測試了從1萬到10萬間隔1萬和從10萬到90萬每間隔10萬測試的結(jié)果變化

此方案在數(shù)據(jù)量達到3萬條查詢耗時就會超過1秒

大約每增加1萬條就會增加0.4秒的耗時