需求：通过坐标了解到距离最近的桩号/建筑/景点
Mysql：
Sql语句：
SELECT id,
ST_Distance_Sphere(
POINT(${item.longitude}, ${item.latitude}),
POINT(longitude, latitude)
) AS distance
FROM carport
where carParkId = 66
ORDER BY distance
LIMIT 1 ;
原理：
-
创建空间索引：为了支持地理空间计算，需要在存储地理数据的表上创建合适的空间索引。索引可以使用R-Tree或者其他适合地理空间数据的索引结构。
-
转换为球面坐标：将经度和纬度转换为球面坐标系中的点。经度取值范围为-180到180，纬度取值范围为-90到90。
-
计算球面距离：使用球面三角学的公式来计算两个球面坐标点之间的物理距离。MySQL中的ST_Distance_Sphere函数采用Haversine公式来计算大圆距离。
-
返回结果：ST_Distance_Sphere函数将计算得到的距离作为结果返回，单位通常是米或千米，具体取决于输入的地理坐标单位。
Redis：
const result = await redis.georadius('locations', item.longitude, item.latitude, 200, 'km', 'ASC', 'COUNT', 1);
原理：
- 对于每个地理位置，通过经纬度信息将其编码为一个唯一的Geohash值。Geohash是一种将经纬度转换为字符串的编码方式，它能够将相邻的地理位置映射到相似的编码中。
- Redis使用有序集合的数据结构来存储地理位置，其中集合的成员是地理位置的名称或标识符，分数是对应的Geohash值。
- 当需要查询附近的地理位置时，通过指定经纬度和半径信息，在存储的有序集合中进行范围查询。Redis会根据Geohash值的顺序和距离计算，在给定半径范围内检索出符合条件的地理位置。
- 结果返回时，可以获取地理位置的经纬度、距离等详细信息，以满足具体业务需求。
手写geo算法：
// 转换经纬度为弧度
function toRadians(degrees) {
return degrees * (Math.PI / 180);
}
// 计算两个经纬度坐标之间的距离长度（单位：千米）
function calculateDistance(eventLoc, K) {
const R = 6371; // 地球的半径（单位：千米）
// 将经纬度转换为弧度
const radLat1 = toRadians(eventLoc.latitude);
const radLon1 = toRadians(eventLoc.longtitude);
const radLat2 = toRadians(K.latitude);
const radLon2 = toRadians(K.longtitude);
// 差值
const dLat = radLat2 - radLat1;
const dLon = radLon2 - radLon1;
// 应用Haversine公式计算距离
const a = Math.sin(dLat/2)**2 + Math.cos(radLat1) * Math.cos(radLat2) * Math.sin(dLon/2)**2;
const c = 2 * Math.atan2(Math.sqrt(a), Math.sqrt(1-a));
const distance = R * c;
return distance;
}
function executeQuery(location, K_Nos) {
let disMap = new Map()
for (Kitem of K_Nos) {
disMap.set(Kitem.id, calculateDistance(location, Kitem))
}
const keys = Array.from(disMap.keys());
const minKey = Math.min(...keys);
return minKey
}
原理：
-
将经纬度坐标转换为弧度制。将经度乘以π/180，将纬度乘以π/180，即可得到对应的弧度值。
-
使用Haversine公式计算两个点之间的球面距离。Haversine公式如下：
a = sin²((lat₂ - lat₁) / 2) + cos(lat₁) * cos(lat₂) * sin²((lon₂ - lon₁) / 2) c = 2 * atan2(√a, √(1 - a)).
distance = R * c.
-
其中，lat₁和lon₁是第一个点的纬度和经度，lat₂和lon₂是第二个点的纬度和经度，R是地球的半径（通常取平均半径约为6,371千米）。
-
重复计算步骤2，得到每对经纬度之间的距离。
-
取出最小距离。遍历所有计算得到的距离，找到最小值即可。
总结：
手写的geo算法在时间效率上要远高于另外两种方法，空间占用略少于前两种；
时间上的区别主要是因为手写的geo算法不需要通过网络，直接从内存中获取，而redis虽然也是从内存中获取数据，但是要经过网络传输进行计算，mysql无论计算还是获取数据都是通过网络，时间上最慢。
空间上来说，前两种方法几乎一致，都是把事件读取到内存，别的都不消耗内存空间；而手写的geo需要把桩号也录入内存，比前两种空间占用略大，这个大小差是桩号个数×12字节（桩号id，经纬度各四个字节）
持久化角度来说，数据库的持久化肯定是最好的；redis比手写geo要好一点，在不过期，不关机的情况下一般不会丢失数据；手写geo只能放在内存中，一旦程序关闭，数据就会丢失，持久化较差。
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
