我目前在mysql数据库中有不到一百万个位置，都有经度和纬度信息。
我试图通过查询找到一个点和许多其他点之间的距离。它没有我想要的那么快，尤其是每秒100+次。
有没有比mysql更快的查询或更快的系统?我使用这个查询:
SELECT
name,
( 3959 * acos( cos( radians(42.290763) ) * cos( radians( locations.lat ) )
* cos( radians(locations.lng) - radians(-71.35368)) + sin(radians(42.290763))
* sin( radians(locations.lat)))) AS distance
FROM locations
WHERE active = 1
HAVING distance < 10
ORDER BY distance;
注:提供的距离单位为英里。如果需要公里，请使用6371而不是3959。
当前回答
有阅读地理距离搜索MySQL，一个解决方案 基于Haversine公式对MySQL的实现。这是一个完整的解决方案 描述与理论，实现和进一步的性能优化。 尽管空间优化部分在我的案例中没有正常工作。
我发现其中有两个错误:
在p8上的select语句中使用abs。我只是省略了腹肌，而且很有效。 p27上的空间搜索距离函数不转换为弧度或经度乘以cos(纬度)，除非他的空间数据是考虑到这一点而加载的(不能从文章的上下文中判断)，但他在p26上的例子表明他的空间数据POINT没有加载弧度或角度。
其他回答
如果你使用的是MySQL 5.7。*，那么你可以使用st_distance_sphere(POINT, POINT)。
Select st_distance_sphere(POINT(-2.997065, 53.404146 ), POINT(58.615349, 23.56676 ))/1000 as distcance
使用mysql
SET @orig_lon = 1.027125;
SET @dest_lon = 1.027125;
SET @orig_lat = 2.398441;
SET @dest_lat = 2.398441;
SET @kmormiles = 6371;-- for distance in miles set to : 3956
SELECT @kmormiles * ACOS(LEAST(COS(RADIANS(@orig_lat)) *
COS(RADIANS(@dest_lat)) * COS(RADIANS(@orig_lon - @dest_lon)) +
SIN(RADIANS(@orig_lat)) * SIN(RADIANS(@dest_lat)),1.0)) as distance;
参见:https://andrew.hedges.name/experiments/haversine/
参见:https://stackoverflow.com/a/24372831/5155484
参见:http://www.plumislandmedia.net/mysql/haversine-mysql-nearest-loc/
注意:LEAST用于避免null值，如https://stackoverflow.com/a/24372831/5155484上建议的注释
Create your points using Point values of Geometry data types in MyISAM table. As of Mysql 5.7.5, InnoDB tables now also support SPATIAL indices. Create a SPATIAL index on these points Use MBRContains() to find the values: SELECT * FROM table WHERE MBRContains(LineFromText(CONCAT( '(' , @lon + 10 / ( 111.1 / cos(RADIANS(@lat))) , ' ' , @lat + 10 / 111.1 , ',' , @lon - 10 / ( 111.1 / cos(RADIANS(@lat))) , ' ' , @lat - 10 / 111.1 , ')' ) ,mypoint)
，或MySQL 5.1及以上版本:
SELECT *
FROM table
WHERE MBRContains
(
LineString
(
Point (
@lon + 10 / ( 111.1 / COS(RADIANS(@lat))),
@lat + 10 / 111.1
),
Point (
@lon - 10 / ( 111.1 / COS(RADIANS(@lat))),
@lat - 10 / 111.1
)
),
mypoint
)
这将选择方框内的所有点(@lat +/- 10km， @lon +/- 10km)。
这实际上不是一个盒子，而是一个球面矩形:纬度和经度绑定的球面段。这可能与弗朗茨约瑟夫土地上的普通矩形不同，但在大多数有人居住的地方都很接近。
应用额外的过滤来选择圆内的所有内容(不是正方形) 可能会应用额外的精细过滤来考虑大的圆距离(对于大的距离)
一个快速，简单和准确(对于较小的距离)的近似可以用球面投影完成。至少在我的路由算法中，与正确的计算相比，我得到了20%的提升。在Java代码中，它看起来像:
public double approxDistKm(double fromLat, double fromLon, double toLat, double toLon) {
double dLat = Math.toRadians(toLat - fromLat);
double dLon = Math.toRadians(toLon - fromLon);
double tmp = Math.cos(Math.toRadians((fromLat + toLat) / 2)) * dLon;
double d = dLat * dLat + tmp * tmp;
return R * Math.sqrt(d);
}
不太了解MySQL(对不起!)。
请确保您了解限制(assertEquals的第三个参数表示以公里为单位的精度):
float lat = 24.235f;
float lon = 47.234f;
CalcDistance dist = new CalcDistance();
double res = 15.051;
assertEquals(res, dist.calcDistKm(lat, lon, lat - 0.1, lon + 0.1), 1e-3);
assertEquals(res, dist.approxDistKm(lat, lon, lat - 0.1, lon + 0.1), 1e-3);
res = 150.748;
assertEquals(res, dist.calcDistKm(lat, lon, lat - 1, lon + 1), 1e-3);
assertEquals(res, dist.approxDistKm(lat, lon, lat - 1, lon + 1), 1e-2);
res = 1527.919;
assertEquals(res, dist.calcDistKm(lat, lon, lat - 10, lon + 10), 1e-3);
assertEquals(res, dist.approxDistKm(lat, lon, lat - 10, lon + 10), 10);
我需要解决类似的问题(从单点的距离过滤行)，并通过结合原始问题的答案和评论，我想出了解决方案，这对我来说完美的MySQL 5.6和5.7。
SELECT
*,
(6371 * ACOS(COS(RADIANS(56.946285)) * COS(RADIANS(Y(coordinates)))
* COS(RADIANS(X(coordinates)) - RADIANS(24.105078)) + SIN(RADIANS(56.946285))
* SIN(RADIANS(Y(coordinates))))) AS distance
FROM places
WHERE MBRContains
(
LineString
(
Point (
24.105078 + 15 / (111.320 * COS(RADIANS(56.946285))),
56.946285 + 15 / 111.133
),
Point (
24.105078 - 15 / (111.320 * COS(RADIANS(56.946285))),
56.946285 - 15 / 111.133
)
),
coordinates
)
HAVING distance < 15
ORDER By distance
坐标是POINT类型的字段，具有空间索引 6371是用千米来计算距离的 56.946285为中心点纬度 24.105078为中心点经度 15是最大距离，单位为千米
在我的测试中，MySQL使用SPATIAL index on coordinates字段来快速选择矩形内的所有行，然后为所有过滤过的地方计算实际距离，以排除矩形角落中的地方，只留下圆圈内的地方。
这是我的结果的可视化:
灰色星形表示地图上的所有点，黄色星形表示MySQL查询返回的点。矩形(但圆圈外)角内的灰色星星由MBRContains()选择，然后由HAVING子句取消选择。
