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:
全球经纬度的取值范围为: 纬度-90~90，经度-180~180中国的经纬度范围大约为： 纬度3.86~53.55，经度73.66~135.05北京行政中心的纬度为39.92，经度为116.46越北面的地方纬度数值越大，越东面的地方经度数值越大度分转换： 将度分单位数据转换为度单位数据，公式：度=度+分/60分秒转换： 将度分秒单位数据转换为度单位数据，公式：度 = 度 + 分 / 60 + 秒 / 60 / 60在纬度相等的情况下：
经度每隔0.00001度，距离相差约1米在经度相等的情况下：
纬度每隔0.00001度，距离相差约1.1米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
测试测试环境系统：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
耗时：18.0sexplain:全表扫描我测试了从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
结论此方案在数据量达到3万条查询耗时就会超过1秒大约每增加1万条就会增加0.4秒的耗时
以上就是地理位置geo处理之mysql函数的详细介绍（附代码）的详细内容。