MySQL 实战（一）：实现“附近的人”功能

news2024/11/23 8:03:17

❤️ 个人主页：水滴技术
🚀 支持水滴：点赞👍 + 收藏⭐ + 留言💬
🌸 订阅专栏：MySQL 教程：从入门到精通

文章目录

  • ST_Distance_Sphere 函数
    • 示例一：计算北京站到北京西站的距离
    • 示例二：查询“附近的人”
  • Haversine 公式
    • 示例一：计算北京站到北京西站的距离
    • 示例二：查询“附近的人”
  • 总结
  • 热门专栏

大家好，我是水滴~~

对于“附近的人”功能，在生活中是比较常用的，像外卖app附近的美食，共享单车app里附近的车辆等等。我们之前使用 ElasticSearch 实现过该功能，本篇文章我们介绍如何通过 MySQL 来实现“附近的人”功能。

在这里插入图片描述

ST_Distance_Sphere 函数

在 MySQL 中，ST_Distance_Sphere 函数是一个地理空间函数，用于计算两个地理位置之间的球面距离。它基于球体模型进行计算，并返回两个点之间的距离结果。

ST_Distance_Sphere 函数的语法如下：

ST_Distance_Sphere(point1, point2)

其中，point1 和 point2 是表示地理位置的 POINT 类型的参数。

示例一：计算北京站到北京西站的距离

以下是一个使用 ST_Distance_Sphere 函数计算球面距离的示例：

-- 北京站 116.427322,39.902822    北京西站  116.322083,39.8949
SELECT ST_Distance_Sphere(
          POINT(116.427322,39.902822), 
          POINT(116.322083,39.8949)
       ) AS distance;

在上述示例中，我们使用 POINT 类型的参数表示两个地理位置点，分别是北京站（经度 116.427322，纬度 39.902822）和北京西站（经度 116.322083，纬度 39.8949）。然后，我们调用 ST_Distance_Sphere 函数来计算这两个点之间的球面距离，并将结果命名为 distance。

返回结果：

distance
-----------------------
9020.641566063772

ST_Distance_Sphere 函数的返回值是以米为单位的球面距离，可以根据需要将结果转换为千米。上面示例中可以看出，北京站到北京西站的距离约为9公里。

需要注意的是，使用 ST_Distance_Sphere 函数进行球面距离计算需要 MySQL 版本 8.0.17 或更高版本，并且需要在数据库中启用地理空间功能。

示例二：查询“附近的人”

要实现"附近的人"功能，可以使用MySQL的ST_Distance_Sphere 函数和索引来处理地理位置数据。下面是一个基本的实现步骤：

（1）创建GEO测试表：其中包括id 主键、location地理位置信息。地理位置信息可以使用POINT类型来表示。

CREATE TABLE `test_geo` (
  `id` bigint NOT NULL AUTO_INCREMENT,
  `location` point DEFAULT NULL,
  PRIMARY KEY (`id`)
);

（2）添加地理位置数据：向表中插入地理位置数据。

INSERT INTO `test_geo`(`id`, `location`) 
VALUES 
  (1, POINT(116.39775,39.92029)),
  (2, POINT(116.395947,39.916208),
  (3, POINT(116.410624,39.91871)),
  (4, POINT(116.397235,39.909823)),
  (5, POINT(116.385304,39.917591)),
  (6, POINT(116.396548,39.92832))
;

（3）创建地理索引：为该表的地理位置字段创建索引，以便进行空间查询。

CREATE SPATIAL INDEX idx_location ON test_geo (location);

（4）查询附近的人：使用地理空间函数进行附近的人查询。

  SELECT
    *,
    ST_Distance_Sphere ( POINT ( 116.410539, 39.912983 ), location ) AS distance -- 返回距离，单位M
  FROM
    test_geo 
  WHERE
    ST_Distance_Sphere ( POINT ( 116.410539, 39.912983 ), location ) <= 2000 -- 两公里内
  ORDER BY
    distance -- 由近及远排序
  ;

上述查询使用了ST_Distance_Sphere函数来计算两个地理位置之间的球面距离，POINT ( 116.410539, 39.912983 ) 是你的坐标，2000是查询半径。这个查询将返回在给定半径范围内的数据。

查询结果：

在这里插入图片描述

Haversine 公式

ST_Distance_Sphere 函数要求MySQL 的版本为 8.0.17 或更高，对于低版本的 MySQL 该怎么办呢？我们可以使用 Haversine 公式来实现。

Haversine 是一种常用的球面三角函数，用于计算两个球面位置之间的球面距离。它是根据地球的球体模型进行计算的，可以用于近似计算两个经纬度坐标之间的球面距离。

Haversine 公式基于球面三角学和经纬度之间的关系。它的公式如下：

a = sin²(Δlat/2) + cos(lat1) * cos(lat2) * sin²(Δlon/2)
c = 2 * atan2(√a, √(1-a))
d = R * c

其中：

  • lat1 和 lat2 是两个点的纬度（以弧度表示）。
  • lon1 和 lon2 是两个点的经度（以弧度表示）。
  • Δlat 是纬度之差，即 lat2 - lat1。
  • Δlon 是经度之差，即 lon2 - lon1。
  • R 是地球的半径，常用的单位是千米或英里。

通过应用 Haversine 公式，可以近似计算出两个经纬度坐标之间的球面距离。这个公式考虑了球体的曲率，因此对于较短距离的计算具有较高的精度。然而，对于较长距离，特别是跨越大片陆地或海洋的距离，Haversine 公式可能会引入一定的误差。

在使用 Haversine 公式进行计算时，需要注意输入的经纬度必须使用弧度表示。如果经纬度是以度数表示，需要将其转换为弧度形式进行计算。

示例一：计算北京站到北京西站的距离

以下是一个使用Haversine公式计算球面距离的示例：

-- 北京站 116.427322,39.902822    北京西站  116.322083,39.8949
select (2 * 6371 * ASIN(SQRT(
        POWER(SIN((RADIANS(39.902822) - RADIANS(39.8949)) / 2), 2) +
        COS(RADIANS(39.902822)) * COS(RADIANS(39.8949)) * POWER(SIN((RADIANS(116.427322) - RADIANS(116.322083)) / 2), 2)
    ))) AS distance

在上述示例中，我们分别将北京站（经度 116.427322，纬度 39.902822）和北京西站（经度 116.322083，纬度 39.8949）的经纬度数据带入Haversine公式中，然后就可以计算出这两个点之间的球面距离，并将结果命名为 distance。

返回结果：

distance
-----------------------
9.020661388581411

Haversine公式的返回值是以千米为单位的球面距离。

示例二：查询“附近的人”

我们可以使用Haversine公式来实现"附近的人"功能，下面是一个基本的实现步骤：

（1）创建GEO测试表：其中包括id 主键、地理位置信息。地理位置信息可以使用lng表示经度，lat表示纬度。

CREATE TABLE `test_geo` (
  `id` bigint(20) NOT NULL AUTO_INCREMENT,
  `lng` double DEFAULT NULL,
  `lat` double DEFAULT NULL,
  PRIMARY KEY (`id`)
);

（2）添加地理位置数据：向表中插入地理位置数据。

INSERT INTO `test_geo`(`id`, `lng`, `lat`) 
VALUES 
  (1, 116.39775, 39.92029),
  (2, 116.395947, 39.916208),
  (3, 116.410624, 39.91871),
  (4, 116.397235, 39.909823),
  (5, 116.385304, 39.917591),
  (6, 116.396548, 39.92832)
;

（3）查询附近的人：使用Haversine公式进行附近的人查询。

 SELECT
  *,
  (2 * 6371 * ASIN(
      SQRT(
        POWER( SIN(( RADIANS( 39.912983 ) - RADIANS( lat )) / 2 ), 2 ) + COS(
          RADIANS( 39.912983 )) * COS(
        RADIANS( lat )) * POWER( SIN(( RADIANS( 116.410539 ) - RADIANS( lng )) / 2 ), 2 ) 
      ))) AS distance  -- 返回距离，单位KM
FROM
  test_geo 
WHERE
  (2 * 6371 * ASIN(
      SQRT(
        POWER( SIN(( RADIANS( 39.912983 ) - RADIANS( lat )) / 2 ), 2 ) + COS(
          RADIANS( 39.912983 )) * COS(
        RADIANS( lat )) * POWER( SIN(( RADIANS( 116.410539 ) - RADIANS( lng )) / 2 ), 2 ) 
      ))) <= 2  -- 两公里内
ORDER BY
  distance -- 由近及远排序
;

上述查询使用了Haversine公式来计算两个地理位置之间的球面距离，116.410539, 39.912983 是你的坐标，2是查询半径。这个查询将返回在给定半径范围内的数据。

查询结果：

在这里插入图片描述

总结

使用 MySQL 来实现“附近的人”功能，可以通过Haversine 公式和ST_Distance_Sphere 函数两种方式来实现。对于低版本的 MySQL 只能使用Haversine 公式，但我们还是推荐升级你的 MySQL（8.0.17版本或更新），因为使用ST_Distance_Sphere 函数不仅使用简单，而且它还支持空间索引，使得查询速度更快。

热门专栏

👍 《Python入门核心技术》
👍 《IDEA 教程：从入门到精通》
👍 《Java 教程：从入门到精通》
👍 《MySQL 教程：从入门到精通》
👍 《大数据核心技术从入门到精通》

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/913711.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

Neo4j实现表字段级血缘关系

Neo4j实现表字段级血缘关系

需求背景 需要在前端页面展示当前表字段的所有上下游血缘关系&#xff0c;以进一步做数据诊断治理。大致效果图如下&#xff1a; 首先这里解释什么是表字段血缘关系&#xff0c;SQL 示例&#xff1a; CREATE TABLE IF NOT EXISTS table_b AS SELECT order_id, order_status F…
阅读更多...
分布式数据库架构：高可用、高性能的数据存储

分布式数据库架构：高可用、高性能的数据存储

在现代信息时代&#xff0c;数据是企业发展的核心。为了支持海量数据的存储、高并发访问以及保证数据的可靠性&#xff0c;分布式数据库架构应运而生。分布式数据库架构是一种将数据存储在多个物理节点上&#xff0c;并通过一系列复杂的协调和管理机制来提供高可用性和高性能的…
阅读更多...
云农场种植：互联网+智慧牧场，为农业注入新的活力和创新

云农场种植：互联网+智慧牧场，为农业注入新的活力和创新

随着科技的不断发展&#xff0c;数字化农业正逐渐成为现代农业的趋势。传统农业面临着土地资源有限、劳动力不足等问题&#xff0c;而云农场种植模式通过数字化技术的运用&#xff0c;互联网养殖着重于“绿色、特色产品和智慧生态”&#xff0c;通过建立“线上养殖线下托养线上…
阅读更多...
配置NTP时间服务器

配置NTP时间服务器

1.配置ntp时间服务器&#xff0c;确保客户端主机能和服务主机同步时间 ​ 客户端主机 同步成功 2.配置ssh免密登陆&#xff0c;能够通过客户端主机通过redhat用户和服务端主机基于公钥验证方式进行远程连接
阅读更多...
【严重】Coremail 远程命令执行漏洞

【严重】Coremail 远程命令执行漏洞

漏洞描述 Coremail是广东盈世计算机科技有限公司推出的一款大型企业邮件系统。 在 Coremail XT5/XT6 版本中&#xff0c;邮件处理功能存在溢出风险&#xff0c;攻击者构造恶意邮件&#xff0c;向任意邮箱地址发送该恶意邮件&#xff0c;当服务器处理邮件时&#xff0c;会触发…
阅读更多...
凯迪正大—直流电阻测试仪

凯迪正大—直流电阻测试仪

一、产品概述 武汉凯迪正大直流电阻测量仪是变压器制造中半成品、成品出厂试验、安装、交接试验及电力部门预防性试验的必测项目&#xff0c;能有效发现变压器线圈的选材、焊接、连接部位松动、缺股、断线等制造缺陷和运行后存在的隐患。 为了满足变压器直流电阻测量的需要&a…
阅读更多...
浏览器原生的 画中画 特性

浏览器原生的 画中画 特性

Chrome 116 作为Google浏览器的最新稳定版本已正式发布。Chrome 浏览器支持视频画中画&#xff08;HTMLVideoElement&#xff09;已有一段时间&#xff0c;而 Chrome 116 则新增了文档画中画模式。这种"文档画中画"模式提供了一个始终在顶部的窗口&#xff0c;可以填…
阅读更多...
sql server 、mysql CTE 公用表表达式

sql server 、mysql CTE 公用表表达式

sql server 详细 mysql CTE CTE 是一个命名的临时结果集&#xff0c;作用范围是当前语句。CTE可以理解成一个可以复用的子查询&#xff0c;当然跟子查询还是有点区别的&#xff0c;CTE可以引用其他CTE&#xff0c;但子查询不能引用其它子查询。所以&#xff0c;开发中建议…
阅读更多...
新高-新低指数(NH-NL)指标公式，判断多空力度

新高-新低指数(NH-NL)指标公式，判断多空力度

在《以交易为生》这本书中&#xff0c;作者埃尔德根据其经验&#xff0c;认为新高-新低指数(NH-NL)是股市的最佳领先指标。在任意一天中&#xff0c;创一年新高的股票是强势股&#xff0c;而创一年新低的股票是弱势股。新高-新低指数通过比较强势股和弱势股的数量来跟踪市场领导…
阅读更多...
【Jenkins】持续集成部署学习

【Jenkins】持续集成部署学习

【Jenkins】持续集成部署学习 【一】安装部署【1】Jenkins所处位置【2】Docker安装Gitlab&#xff08;1&#xff09;首先准备一台空的虚拟机服务器&#xff08;2&#xff09;安装服务器所需的依赖&#xff08;3&#xff09;Docker的安装&#xff08;4&#xff09;阿里云镜像加速…
阅读更多...
「UG/NX」Block UI 截面构建器SectionBuilder

「UG/NX」Block UI 截面构建器SectionBuilder

✨博客主页何曾参静谧的博客📌文章专栏「UG/NX」BlockUI集合📚全部专栏「UG/NX」NX二次开发「UG/NX」BlockUI集合「VS」Visual Studio「QT」QT5程序设计「C/C+&#
阅读更多...
容器插件工具kubectl-images

容器插件工具kubectl-images

容器插件工具 简单方便查找镜像源信息&#xff0c;kubectl-images 代码地址&#xff1a;https://github.com/chenjiandongx/kubectl-images 此工具可以快捷执行命令来查看集群内ns&#xff0c;pod&#xff0c;及镜像等信息&#xff1b; 查看帮助项 ~ kubectl images --help …
阅读更多...
HarmonyOS开发第一步，熟知开发工具DevEco Studio

HarmonyOS开发第一步，熟知开发工具DevEco Studio

俗话说的好&#xff0c;工欲善其事&#xff0c;必先利其器&#xff0c;走进HarmonyOS第一步&#xff0c;开发工具必须先行&#xff0c;当然了&#xff0c;关于开发工具的使用&#xff0c;官网和其他的博客也有很多的讲解&#xff0c;但是并没有按照常用的功能进行概述&#xff…
阅读更多...
ELK中Logstash的基本配置和用法

ELK中Logstash的基本配置和用法

文章目录 Logstash的条件判断Logstash的输入插件Stdin输入文件内容输入filter过滤器 Logstash的输出插件测试收集日志启动kibana在kibana中配置索引数据 在 《Elasticsearch搜索引擎系统入门》中简单描述了Logstah的安装&#xff0c;本篇文章将较为详细的讲解Logstash的基本配置…
阅读更多...
Docker搭建个人网盘、私有仓库

Docker搭建个人网盘、私有仓库

1、使用mysql:5.6和 owncloud 镜像&#xff0c;构建一个个人网盘 [rootlocalhost ~]# docker pull mysql:5.6 [rootlocalhost ~]# docker pull owncloud [rootlocalhost ~]# docker run -itd --name mysql --env MYSQL_ROOT_PASSWORD123456 mysql:5.6 [rootlocalhost ~]# doc…
阅读更多...
汽车企业数据泄露频发，其中特斯拉数据泄露影响达7.5万人

汽车企业数据泄露频发，其中特斯拉数据泄露影响达7.5万人

据美国有线电视新闻网&#xff08;CNN Business&#xff09;8月19日报道&#xff0c;特斯拉此前发生的大规模数据泄露事件&#xff0c;泄露了超过7.5万人的个人信息&#xff0c;这是“内部不法行为”的结果。 特斯拉在发给员工的通知中表示&#xff0c;被泄露的“特斯拉文件”包…
阅读更多...
CMS数据库搭建

CMS数据库搭建

前置条件&#xff1a;在虚拟机中安装phpstudy。 1.将cms的压缩包通过远程桌面放到虚拟机&#xff0c;将压缩包解压&#xff0c;将解压后的cms文件夹放到phpstudy安装目录下的www文件夹中&#xff0c;路径如下&#xff08;安装时的路径可能不同&#xff09;&#xff1a; C:\ph…
阅读更多...
易基因：MeRIP-seq等揭示ALKBH5介导m6A去甲基化调控皮肤创面再上皮化分子机制｜科研进展

易基因：MeRIP-seq等揭示ALKBH5介导m6A去甲基化调控皮肤创面再上皮化分子机制｜科研进展

大家好&#xff0c;这里是专注表观组学十余年&#xff0c;领跑多组学科研服务的易基因。 哺乳动物的损伤皮肤屏障完整性恢复通过创面愈合基本机制实现&#xff0c;这是一个包括凝血、炎症、再上皮化&#xff08;re-epithelialization&#xff09;、肉芽组织形成和疤痕重塑的多…
阅读更多...
MSTP多生成树协议（第二课）

MSTP多生成树协议（第二课）

MSTP负载均衡 实验 需求 1&#xff09;PC1属于 vlan 10 &#xff0c;IP地址为 192.168.10.1/24&#xff0c; 网关为 192.168.10.2542&#xff09;PC2属于 vlan 20 &#xff0c;IP地址为 192.168.20.1/24&#xff0c; 网关为 192.168.20.254**3&#xff09;确保PC1与PC2互通4…
阅读更多...
pytorch中的register_buffer

pytorch中的register_buffer

今天在一个模型的init中遇到了self.register_buffer(‘running_mean’, torch.zeros(num_features)) register_buffer(self, name, tensor)是一个PyTorch中的方法&#xff0c;它的作用是向模块&#xff08;module&#xff09;中添加一个持久的缓冲区&#xff08;buffer&#xf…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023