现在很多手机软件都用附近搜索功能，但具体是怎么实现的呢》
在网上查了很多资料，mysql空间数据库、矩形算法、geohash我都用过了，当数据上了百万之后mysql空间数据库方法是最强最精确的（查询前100条数据只需5秒左右）。

接下来推出一个原创计算方法，查询速度是mysql空间数据库算法的2倍

$lng是你的经度，$lat是你的纬度

SELECT lng,lat,          (POWER(MOD(ABS(lng - $lng),360),2) + POWER(ABS(lat - $lat),2)) AS distance          FROM `user_location`          ORDER BY distance LIMIT 100

经测试，在100万数据中取前100条数据只需2.5秒左右。

####################################

另外的几种算法还是在这里展示一下：

一、距形算法

define(EARTH_RADIUS, 6371);//地球半径，平均半径为6371km   /**   *计算某个经纬度的周围某段距离的正方形的四个点   *   *@param lng float 经度   *@param lat float 纬度   *@param distance float 该点所在圆的半径，该圆与此正方形内切，默认值为0.5千米   *@return array 正方形的四个点的经纬度坐标   */   function returnSquarePoint($lng, $lat,$distance = 0.5){        $dlng =  2 * asin(sin($distance / (2 * EARTH_RADIUS)) / cos(deg2rad($lat)));      $dlng = rad2deg($dlng);        $dlat = $distance/EARTH_RADIUS;      $dlat = rad2deg($dlat);        return array(                  'left-top'=>array('lat'=>$lat + $dlat,'lng'=>$lng-$dlng),                  'right-top'=>array('lat'=>$lat + $dlat, 'lng'=>$lng + $dlng),                  'left-bottom'=>array('lat'=>$lat - $dlat, 'lng'=>$lng - $dlng),                  'right-bottom'=>array('lat'=>$lat - $dlat, 'lng'=>$lng + $dlng)                  );   }  //使用此函数计算得到结果后，带入sql查询。  $squares = returnSquarePoint($lng, $lat);  $info_sql = "select id,locateinfo,lat,lng from `lbs_info` where lat<>0 and lat>{$squares['right-bottom']['lat']} and lat<{$squares['left-top']['lat']} and lng>{$squares['left-top']['lng']} and lng<{$squares['right-bottom']['lng']} ";

java代码如下：

    /**       * 默认地球半径       */      private static double EARTH_RADIUS = 6371;        /**       * 计算经纬度点对应正方形4个点的坐标       *       * @param longitude       * @param latitude       * @param distance       * @return       */      public static Map<String, double[]> returnLLSquarePoint(double longitude,              double latitude, double distance) {          Map<String, double[]> squareMap = new HashMap<String, double[]>();          // 计算经度弧度,从弧度转换为角度          double dLongitude = 2 * (Math.asin(Math.sin(distance                  / (2 * EARTH_RADIUS))                  / Math.cos(Math.toRadians(latitude))));          dLongitude = Math.toDegrees(dLongitude);          // 计算纬度角度          double dLatitude = distance / EARTH_RADIUS;          dLatitude = Math.toDegrees(dLatitude);          // 正方形          double[] leftTopPoint = { latitude + dLatitude, longitude - dLongitude };          double[] rightTopPoint = { latitude + dLatitude, longitude + dLongitude };          double[] leftBottomPoint = { latitude - dLatitude,                  longitude - dLongitude };          double[] rightBottomPoint = { latitude - dLatitude,                  longitude + dLongitude };          squareMap.put("leftTopPoint", leftTopPoint);          squareMap.put("rightTopPoint", rightTopPoint);          squareMap.put("leftBottomPoint", leftBottomPoint);          squareMap.put("rightBottomPoint", rightBottomPoint);          return squareMap;      }

二、 空间数据库算法

以下location字段是跟据经纬度来生成的空间数据，如：
location字段的type设为point
"update feed set location=GEOMFROMTEXT('point({$lat} {$lng})') where id='{$id}'"

mysql空间数据查询

SET @center = GEOMFROMTEXT('POINT(35.801559 -10.501577)');          SET @radius = 4000;          SET @bbox = CONCAT('POLYGON((',          X(@center) - @radius, ' ', Y(@center) - @radius, ',',          X(@center) + @radius, ' ', Y(@center) - @radius, ',',          X(@center) + @radius, ' ', Y(@center) + @radius, ',',          X(@center) - @radius, ' ', Y(@center) + @radius, ',',          X(@center) - @radius, ' ', Y(@center) - @radius, '))'          );  SELECT id,lng,lat,          SQRT(POW( ABS( X(location) - X(@center)), 2) + POW( ABS(Y(location) - Y(@center)), 2 )) AS distance          FROM `user_location` WHERE 1=1          AND INTERSECTS( location, GEOMFROMTEXT(@bbox) )          AND SQRT(POW( ABS( X(location) - X(@center)), 2) + POW( ABS(Y(location) - Y(@center)), 2 )) < @radius          ORDER BY distance LIMIT 20

三、geo算法

 参考文档：

http://blog.csdn.net/wangxiafghj/article/details/9014363geohash  算法原理及实现方式
http://blog.charlee.li/geohash-intro/  geohash：用字符串实现附近地点搜索
http://blog.sina.com.cn/s/blog_7c05385f0101eofb.html    查找附近点--Geohash方案讨论
http://www.wubiao.info/372        查找附近的xxx 球面距离以及Geohash方案探讨
http://en.wikipedia.org/wiki/Haversine_formula       Haversine formula球面距离公式
http://www.codecodex.com/wiki/Calculate_Distance_Between_Two_Points_on_a_Globe   球面距离公式代码实现
http://developer.baidu.com/map/jsdemo.htm#a6_1   球面距离公式验证  
http://www.wubiao.info/470     Mysql or Mongodb LBS快速实现方案


geohash有以下几个特点：

首先，geohash用一个字符串表示经度和纬度两个坐标。某些情况下无法在两列上同时应用索引 （例如MySQL 4之前的版本，Google App Engine的数据层等），利用geohash，只需在一列上应用索引即可。

其次，geohash表示的并不是一个点，而是一个矩形区域。比如编码wx4g0ec19，它表示的是一个矩形区域。 使用者可以发布地址编码，既能表明自己位于北海公园附近，又不至于暴露自己的精确坐标，有助于隐私保护。

第三，编码的前缀可以表示更大的区域。例如wx4g0ec1，它的前缀wx4g0e表示包含编码wx4g0ec1在内的更大范围。 这个特性可以用于附近地点搜索。首先根据用户当前坐标计算geohash（例如wx4g0ec1）然后取其前缀进行查询 （SELECT * FROM place WHERE geohash LIKE 'wx4g0e%'），即可查询附近的所有地点。

查找附近网点geohash算法及实现 （Java版本），geohashjava

Geohash比直接用经纬度的高效很多。

Geohash算法实现（Java版本）

package com.DistTest;  import java.util.BitSet;  import java.util.HashMap;    public class Geohash {            private static int numbits = 6 * 5;          final static char[] digits = { '0', '1', '2', '3', '4', '5', '6', '7', '8',                          '9', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'j', 'k', 'm', 'n', 'p',                          'q', 'r', 's', 't', 'u', 'v', 'w', 'x', 'y', 'z' };                   final static HashMap<Character, Integer> lookup = new HashMap<Character, Integer>();          static {                  int i = 0;                  for (char c : digits)                          lookup.put(c, i++);          }            public double[] decode(String geohash) {                  StringBuilder buffer = new StringBuilder();                  for (char c : geohash.toCharArray()) {                            int i = lookup.get(c) + 32;                          buffer.append( Integer.toString(i, 2).substring(1) );                  }                                   BitSet lonset = new BitSet();                  BitSet latset = new BitSet();                                   //even bits                  int j =0;                  for (int i=0; i< numbits*2;i+=2) {                          boolean isSet = false;                          if ( i < buffer.length() )                            isSet = buffer.charAt(i) == '1';                          lonset.set(j++, isSet);                  }                                   //odd bits                  j=0;                  for (int i=1; i< numbits*2;i+=2) {                          boolean isSet = false;                          if ( i < buffer.length() )                            isSet = buffer.charAt(i) == '1';                          latset.set(j++, isSet);                  }                 //中国地理坐标：东经73°至东经135°，北纬4°至北纬53°                  double lon = decode(lonset, 70, 140);                  double lat = decode(latset, 0, 60);                                   return new double[] {lat, lon};                  }                   private double decode(BitSet bs, double floor, double ceiling) {                  double mid = 0;                  for (int i=0; i<bs.length(); i++) {                          mid = (floor + ceiling) / 2;                          if (bs.get(i))                                  floor = mid;                          else                                  ceiling = mid;                  }                  return mid;          }                            public String encode(double lat, double lon) {                  BitSet latbits = getBits(lat, 0, 60);                  BitSet lonbits = getBits(lon, 70, 140);                  StringBuilder buffer = new StringBuilder();                  for (int i = 0; i < numbits; i++) {                          buffer.append( (lonbits.get(i))?'1':'0');                          buffer.append( (latbits.get(i))?'1':'0');                  }                  return base32(Long.parseLong(buffer.toString(), 2));          }            private BitSet getBits(double lat, double floor, double ceiling) {                  BitSet buffer = new BitSet(numbits);                  for (int i = 0; i < numbits; i++) {                          double mid = (floor + ceiling) / 2;                          if (lat >= mid) {                                  buffer.set(i);                                  floor = mid;                          } else {                                  ceiling = mid;                          }                  }                  return buffer;          }            public static String base32(long i) {                  char[] buf = new char[65];                  int charPos = 64;                  boolean negative = (i < 0);                  if (!negative)                          i = -i;                  while (i <= -32) {                          buf[charPos--] = digits[(int) (-(i % 32))];                          i /= 32;                  }                  buf[charPos] = digits[(int) (-i)];                    if (negative)                          buf[--charPos] = '-';                  return new String(buf, charPos, (65 - charPos));          }    }

球面距离公式：

package com.DistTest;  public class Test{      private static final  double EARTH_RADIUS = 6371000;//赤道半径(单位m)            /**       * 转化为弧度(rad)       * */      private static double rad(double d)      {         return d * Math.PI / 180.0;      }      /**       * 基于googleMap中的算法得到两经纬度之间的距离,计算精度与谷歌地图的距离精度差不多，相差范围在0.2米以下       * @param lon1 第一点的精度       * @param lat1 第一点的纬度       * @param lon2 第二点的精度       * @param lat3 第二点的纬度       * @return 返回的距离，单位m       * */      public static double GetDistance(double lon1,double lat1,double lon2, double lat2)      {         double radLat1 = rad(lat1);         double radLat2 = rad(lat2);         double a = radLat1 - radLat2;         double b = rad(lon1) - rad(lon2);         double s = 2 * Math.asin(Math.sqrt(Math.pow(Math.sin(a/2),2)+Math.cos(radLat1)*Math.cos(radLat2)*Math.pow(Math.sin(b/2),2)));         s = s * EARTH_RADIUS;         s = Math.round(s * 10000) / 10000;         return s;      }            public static void main(String []args){            double lon1=109.0145193757;              double lat1=34.236080797698;            double lon2=108.9644583556;            double lat2=34.286439088548;            double dist;            String geocode;                        dist=Test.GetDistance(lon1, lat1, lon2, lat2);            System.out.println("两点相距：" + dist + " 米");                                    Geohash geohash = new Geohash();            geocode=geohash.encode(lat1, lon1);            System.out.println("当前位置编码：" + geocode);                       geocode=geohash.encode(lat2, lon2);            System.out.println("远方位置编码：" + geocode);           }      //wqj7j37sfu03h2xb2q97      /*  永相逢超市  108.83457500177  34.256981052624  wqj6us6cmkj5bbfj6qdg  s6q08ubhhuq7  */  }

附近网点距离排序

package com.DistTest;     import java.sql.DriverManager;  import java.sql.ResultSet;  import java.sql.SQLException;  import java.sql.Connection;  import java.sql.Statement;        public class sqlTest {            public static void main(String[] args) throws Exception {          Connection conn = null;          String sql;          String url = "jdbc:mysql://132.97.**.**/test?"                  + "user=***&password=****&useUnicode=true&characterEncoding=UTF8";             try {              Class.forName("com.mysql.jdbc.Driver");// 动态加载mysql驱动              // System.out.println("成功加载MySQL驱动程序");              // 一个Connection代表一个数据库连接              conn = DriverManager.getConnection(url);              // Statement里面带有很多方法，比如executeUpdate可以实现插入，更新和删除等              Statement stmt = conn.createStatement();              sql = "select * from retailersinfotable limit 1,10";              ResultSet rs = stmt.executeQuery(sql);// executeQuery会返回结果的集合，否则返回空值                double lon1=109.0145193757;                  double lat1=34.236080797698;              System.out.println("当前位置：");              int i=0;              String[][] array = new String[10][3];              while (rs.next()){                      //从数据库取出地理坐标                      double lon2=Double.parseDouble(rs.getString("Longitude"));                      double lat2=Double.parseDouble(rs.getString("Latitude"));                                            //根据地理坐标，生成geohash编码                        Geohash geohash = new Geohash();                      String geocode=geohash.encode(lat2, lon2).substring(0, 9);                                            //计算两点间的距离                        int dist=(int) Test.GetDistance(lon1, lat1, lon2, lat2);                                                array[i][0]=String.valueOf(i);                      array[i][1]=geocode;                      array[i][2]=Integer.toString(dist);                                                i++;                            //    System.out.println(lon2+"---"+lat2+"---"+geocode+"---"+dist);                      }                array=sqlTest.getOrder(array); //二维数组排序              sqlTest.showArray(array);        //打印数组                                                      } catch (SQLException e) {              System.out.println("MySQL操作错误");              e.printStackTrace();          } finally {              conn.close();          }         }      /*       * 二维数组排序，比较array[][2]的值，返回二维数组       * */      public static String[][] getOrder(String[][] array){          for (int j = 0; j < array.length ; j++) {              for (int bb = 0; bb < array.length - 1; bb++) {                  String[] ss;                  int a1=Integer.valueOf(array[bb][2]);  //转化成int型比较大小                  int a2=Integer.valueOf(array[bb+1][2]);                  if (a1>a2) {                      ss = array[bb];                      array[bb] = array[bb + 1];                      array[bb + 1] = ss;                                        }              }          }          return array;      }            /*打印数组*/      public static void showArray(String[][] array){            for(int a=0;a<array.length;a++){                for(int j=0;j<array[0].length;j++)                    System.out.print(array[a][j]+" ");                System.out.println();            }      }    }

一直在琢磨LBS，期待可以发现更好的方案。现在纠结了。

简单列举一下已经了解到的方案：
1.sphinx geo索引
2.mongodb geo索引
3.mysql sql查询
4.mysql+geohash
5.redis+geohash

然后列举一下需求：
1.实时性要高，有频繁的更新和读取
2.可按距离排序支持分页
3.支持多条件筛选（一个经纬度数据还包含其他属性，比如社交系统的性别、年龄）

方案简单介绍：
1.sphinx geo索引
支持按照距离排序，并支持分页。但是尝试mva+geo失败，还在找原因。
无法满足高实时性需求。（可能是不了解实时增量索引配置有误）
资源占用小，速度快

2.mongodb geo索引
支持按照距离排序，并支持分页。支持多条件筛选。
可满足实时性需求。
资源占用大，数据量达到百万级请流量在10w左右查询速度明显下降。

3.mysql+geohash/ mysql sql查询
不支持按照距离排序（代价太大）。支持分页。支持多条件筛选。
可满足实时性需求。
资源占用中等，查询速度不及mongodb。
且geohash按照区块将球面转化平面并切割。暂时没有找到跨区块查询方法（不太了解）。

4.redis+geohash
geohash缺点不再赘述
不支持距离排序。支持分页查询。不支持多条件筛选。
可满足实时性需求。
资源占用最小。查询速度很快。

------update
补充一下测试机配置：
1TB SATA硬盘。8GB RAM。I3 2350 双核四线程