java 实现微信搜索附近人功能
最近给andorid做后台查询数据功能,有一个需求是模仿微信的查找附近人功能。 数据库中存储每个用户的经纬度信息及用户信息,通过当前用户传递过来的经纬度查询这个用户半径N公里以内的用户信息。
数据库表结构
mu_id | 自增,主键 |
mu_u_id | 用户表的ID 外键 |
mu_longitud | 精度 |
mu_latitude | 纬度 |
(还有其他的一些信息,这里就列举4个字段足矣)
首先需要一个方法,是把传递过来的经纬度按照半径N公里扩散,找出距离中心经纬度N公里的上下左右经纬度值。效果如图
随手画的 勿喷
以中心生成经纬度时 正上方和正下方的精度是不变的,只有纬度变化。 生成左右时道理一样,只有精度变化,纬度是不变的。
所以只需要生成上下的纬度,左右的精度就可以了。
参考了网上的文章, http://digdeeply.info/archives/06152067.html 这篇文章是用PHP实现的经纬度查询。修改成java的 代码如下
/**
* 生成以中心点为中心的四方形经纬度
*
* @param lat 纬度
* @param lon 精度
* @param raidus 半径(以米为单位)
* @return
*/
public static double[] getAround(double lat, double lon, int raidus) {
Double latitude = lat;
Double longitude = lon;
Double degree = (24901 * 1609) / 360.0;
double raidusMile = raidus;
Double dpmLat = 1 / degree;
Double radiusLat = dpmLat * raidusMile;
Double minLat = latitude - radiusLat;
Double maxLat = latitude + radiusLat;
Double mpdLng = degree * Math.cos(latitude * (Math.PI / 180));
Double dpmLng = 1 / mpdLng;
Double radiusLng = dpmLng * raidusMile;
Double minLng = longitude - radiusLng;
Double maxLng = longitude + radiusLng;
return new double[] { minLat, minLng, maxLat, maxLng };
}
这样四周的经纬度都已经生成了。
下一步是查询数据库中和四周经纬度匹配的数据。 如果数据量很大的话会很耗时间,而且会很消耗流量。所以需要用到分页查询
代码如下
@RequestMapping(params = "doGetQuserNearList")
@ResponseBody
public JSONObject doGetQuserNearList( HttpServletRequest request) {
JSONObject jsonObject=new JSONObject();
String km=request.getParameter("km");//搜索范围 这里以米为单位
String useridString=request.getParameter("userid");
String precision=request.getParameter("precision");
String latitude=request.getParameter("latitude");
String rows=request.getParameter("rows");
String page=request.getParameter("page");
try {
if("".equals(useridString)||useridString==null){
jsonObject.put("status", "0");
jsonObject.put("msg", "用户id不能为空");
return jsonObject;
}
Session session= memberService.getSession();
Query query=null;
org.hibernate.SQLQuery sqlQuery= session.createSQLQuery("select * from q_member where latitude <> 0 "
+ "and _precision > :left_lat "
+ "and _precision < :right_lat "
+ "and latitude > :down_lon "
+ "and latitude < :top_lon "
+ "and id <> :userid "
+" order by ACOS(SIN((:lat * 3.1415) / 180 ) * SIN((latitude * 3.1415) / 180 )+COS((:lat * 3.1415) / 180 )*COS((latitude * 3.1415) / 180 )*COS((:lon * 3.1415) / 180 - (_precision * 3.1415) / 180 ) ) * 6380 asc limit :start,:size");
double[] lalon=Location.getAround(Double.valueOf(latitude), Double.valueOf(precision), Integer.valueOf(km));
sqlQuery.setParameter("left_lat", lalon[1]);
sqlQuery.setParameter("right_lat", lalon[3]);
sqlQuery.setParameter("down_lon", lalon[0]);
sqlQuery.setParameter("top_lon", lalon[2]);
sqlQuery.setParameter("lat", latitude);
sqlQuery.setParameter("lon", precision);
sqlQuery.setParameter("start", Integer.valueOf(page)-1);
sqlQuery.setParameter("size", Integer.valueOf(rows));
sqlQuery.setParameter("userid", useridString);
java.util.List<MemberEntity> memberEntities=sqlQuery.addEntity(MemberEntity.class).list();
//循环计算相对距离
for(MemberEntity memberEntity:memberEntities){
memberEntity.setDistance(Location.distance(Double.valueOf(latitude), Double.valueOf(precision), Double.valueOf(memberEntity.getLatitude()), Double.valueOf(memberEntity.getPrecision())));
}
jsonObject.put("status", "1");
jsonObject.put("msg", memberEntities);
} catch (Exception e) {
e.printStackTrace();
message = "获取失败";
jsonObject.put("status", "0");
jsonObject.put("msg", message);
throw new BusinessException(e.getMessage());
}
return jsonObject;
}
我用的是Hibernate框架, sql语句计算了每条数据和中心经纬度的距离并且以最近进行排序。 sql语句是根据下面的方法演变而来
方法是计算两个经纬度之间的直线距离。
/**
* 计算中心经纬度与目标经纬度的距离(米)
*
* @param centerLon
* 中心精度
* @param centerLan
* 中心纬度
* @param targetLon
* 需要计算的精度
* @param targetLan
* 需要计算的纬度
* @return 米
*/
private static double distance(double centerLon, double centerLat, double targetLon, double targetLat) {
double jl_jd = 102834.74258026089786013677476285;// 每经度单位米;
double jl_wd = 111712.69150641055729984301412873;// 每纬度单位米;
double b = Math.abs((centerLat - targetLat) * jl_jd);
double a = Math.abs((centerLon - targetLon) * jl_wd);
return Math.sqrt((a * a + b * b));
}
这样既实现了分页处理,又实现了每条数据的经纬度与中心经纬度的直线距离(以米为单位)。
已有 0 人发表留言,猛击->> 这里<<-参与讨论
ITeye推荐