经纬度怎么计算经纬度是怎样定的_百度作业帮
经纬度怎么计算经纬度是怎样定的
经纬度怎么计算经纬度是怎样定的
经纬度是经度与纬度的合称组成一个坐标系统.又称为地理坐标系统,它是一种利用三度空间的球面来定义地球上的空间的球面坐标系统,能够标示地球上的任何一个位置.经度是地球上一个地点离一根被称为本初子午线的南北方向走线以东或以西的度数.纬度 是指某点与地球球心的连线和地球赤道面所成的线面角,其数值在0至90度之间.位于赤道以北的点的纬度叫北纬,记为N,位于赤道以南的点的纬度称南纬,记为S.经度分为360度,每15度1个时区,其中0度的叫本初子午线,是第一个进入新一天的地方,然后向西每过1个时区就相差1小时trackbacks-0
这些经纬线是怎样定出来的呢？地球是在不停地绕地轴旋转（地轴是一根通过地球南北两极和地球中心的假想线），在地球中腰画一个与地轴垂直的大圆圈，使圈上的每一点都和南北两极的距离相等，这个圆圈就叫作“赤道”。在赤道的南北两边，画出许多和赤道平行的圆圈，就是“纬圈”；构成这些圆圈的线段，叫做纬线。我们把赤道定为纬度零度，向南向北各为90度，在赤道以南的叫南纬，在赤道以北的叫北纬。北极就是北纬90度，南极就是南纬90度。纬度的高低也标志着气候的冷热，如赤道和低纬度地地区无冬，两极和高纬度地区无夏，中纬度地区四季分明。 其次，从北极点到南极点，可以画出许多南北方向的与地球赤道垂直的大圆圈，这叫作“经圈”；构成这些圆圈的线段，就叫经线。公元1884平面坐标图年，国际上规定以通过英国伦敦近郊的格林尼治天文台的经线作为计算经度的起点，即经度零度零分零秒，也称“本初子午线”。在它东面的为东经，共180度；在它西面的为西经，共180度。因为地球是圆的，所以东经180度和西经180度的经线是同一条经线。各国公定180度经线为“国际日期变更线”。为了避免同一地区使用两个不同的日期，国际日期变线在遇陆地时略有偏离。
每一经度和纬度还可以再细分为60分，每一分再分为60秒以及秒的小数。利用经纬线，我们就可以确定地球上每一个地方的具体位置，并且把它在地图或地球仪上表示出来。例如问北京的经纬度是多少？我们很容易从地图上查出来是东经116度24分，北纬39度54分。在大海中航行的船只，只要把所在地的经度测出来，就可以确定船在海洋中的位置和前进方向。 纬度共有90度。赤道为0度，向两极排列，圈子越小，度数越大。横线是纬度，竖线是经度。 当然可以计算，四元二次方程。 经度和纬度都是一种角度。经度是个两面角，是两个经线平面的夹角。因所有经线都是一样长，为了度量经度选取一个起点面，经1884年国际会议协商，决定以通过英国伦敦近郊、泰晤士河南岸的格林尼治皇家天文台（旧址）的一台主要子午仪十字丝的那条经线为起始经线，称为本初子午线。本初子午线平面是起点面，终点面是本地经线平面。某一点的经度，就是该点所在的经线平面与本初子午线平面间的夹角。在赤道上度量，自本初子午线平面作为起点面，分别往东往西度量，往东量值称为东经度，往西量值称为西经度。由此可见，一地的经度是该地对于本初子午线的方向和角距离。本初子午线是0°经度，东经度的最大值为180°，西经度的最大值为180°，东、西经180°经线是同一根经线，因此不分东经或西经，而统称180°经线。
纬度是个线面角。起点面是赤道平面，线是本地的地面法线。所谓法线，即垂直于参考扁球体表面的线。某地的纬度就是该地的法线与赤道平面之间的夹角。纬度在本地经线上度量，由赤道向南、北度量，向北量值称为北纬度，向南量值称为南纬度。由此可见，一地的纬度是该地对于赤道的方向和角距离。赤道是0°纬线，北纬度的最大值为90°，即北极点；南纬度的最大值为90°，即南极点。
经纬度互换
度(DDD)：E 108.90593度&&& N 34.21630度
&&& 如何将度(DDD):： 108.90593度换算成度分秒(DMS)东经E 108度54分22.2秒?转换方法是将108.90593整数位不变取108(度),用0..3558,取整数位54(分),0..348再取整数位21(秒),故转化为108度54分21秒.
&& 同样将度分秒(DMS):东经E 108度54分22.2秒 换算成度(DDD)的方法如下:108度54分22.2秒=108+(54/60)+(22.2/616度
因为计算时小数位保留的原因，导致正反计算存在一定误差，但误差影响不是很大。1秒的误差就是几米的样子。GPS车友可以用上述方法换算成自己需要的单位坐标。
经纬度换算成米
纬度分为60分，每一分再分为60秒以及秒的小数。纬度线投射在图上看似水平的平行线，但实际上是不同半径的圆。有相同特定纬度的所有位置都在同一个纬线上。 赤道的纬度为0°，将行星平分为南半球和北半球。 纬度是指某点与地球球心的连线和地球赤道面所成的线面角，其数值在0至90度之间。位于赤道以北的点的纬度叫北纬，记为N，位于赤道以南的点的纬度称南纬，记为S。纬度数值在0至30度之间的地区称为低纬地区，纬度数值在30至60度之间的地区称为中纬地区，纬度数值在60至90度之间的地区称为高纬地区。赤道、南回归线、北回归线、南极圈和北极圈是特殊的纬线。纬度1秒的长度地球的子午线总长度大约40008km。平均：纬度1度 = 大约111km 纬度1分 = 大约1.85km 纬度1秒 = 大约30.9m
根据地球上任意两点的经纬度计算两点间的距离
地球是一个近乎标准的椭球体，它的赤道半径为千米，极半径为 千米，平均半径千米。如果我们假设地球是一个完美的球体，那么它的半径就是地球的平均半径，记为R。如果以0度经线为基 准，那么根据地球表面任意两点的经纬度就可以计算出这两点间的地表距离（这里忽略地球表面地形对计算带来的误差，仅仅是理论上的估算值）。设第一点A的经 纬度为(LonA, LatA)，第二点B的经纬度为(LonB, LatB)，按照0度经线的基准，东经取经度的正值(Longitude)，西经取经度负值(-Longitude)，北纬取90-纬度值(90- Latitude)，南纬取90+纬度值(90+Latitude)，则经过上述处理过后的两点被计为(MLonA, MLatA)和(MLonB, MLatB)。那么根据三角推导，可以得到计算两点距离的如下公式：
C = sin(MLatA)*sin(MLatB)*cos(MLonA-MLonB) + cos(MLatA)*cos(MLatB)
Distance = R*Arccos(C)*Pi/180
这里，R和Distance单位是相同，如果是采用千米作为半径，那么Distance就是千米为单位，如果要使用其他单位，比如mile，还需要做单位换算，1千米=0.mile
如果仅对经度作正负的处理，而不对纬度作90-Latitude(假设都是北半球，南半球只有澳洲具有应用意义)的处理，那么公式将是：
C = sin(LatA)*sin(LatB) + cos(LatA)*cos(LatB)*cos(MLonA-MLonB)
Distance = R*Arccos(C)*Pi/180
以上通过简单的三角变换就可以推出。
如果三角函数的输入和输出都采用弧度值，那么公式还可以写作：
C = sin(LatA*Pi/180)*sin(LatB*Pi/180) + cos(LatA*Pi/180)*cos(LatB*Pi/180)*cos((MLonA-MLonB)*Pi/180)
Distance = R*Arccos(C)*Pi/180
C = sin(LatA/57.2958)*sin(LatB/57.2958) + cos(LatA/57.2958)*cos(LatB/57.2958)*cos((MLonA-MLonB)/57.2958)
Distance = R*Arccos(C) = *Arccos(C) kilometer = 0.71.004*Arccos(C) mile = 16768*Arccos(C) mile
在实际应用当中，一般是通过一个个体的邮政编码来查找该邮政编码对应的地区中心的经纬度，然 后再根据这些经纬度来计算彼此的距离，从而估算出某些群体之间的大致距离范围(比如酒店旅客的分布范围-各个旅客的邮政编码对应的经纬度和酒店的经纬度所 计算的距离范围-等等)，所以，通过邮政编码查询经纬度这样一个数据库是一个很有用的资源。附：C#代码：
private const double EARTH_RADIUS = ;//地球半径private static double rad(double d){&& return d * Math.PI / 180.0;}
public static double GetDistance(double lat1, double lng1, double lat2, double lng2){&& double radLat1 = rad(lat1);&& double radLat2 = rad(lat2);&& double a = radLat1 - radLat2;&& double b = rad(lng1) - rad(lng2);
&& 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;&&}
阅读(...) 评论()用心创造滤镜
扫码下载App
汇聚2000万达人的兴趣社区下载即送20张免费照片冲印
扫码下载App
温馨提示！由于新浪微博认证机制调整，您的新浪微博帐号绑定已过期，请重新绑定！&&|&&
LOFTER精选
网易考拉推荐
用微信&&“扫一扫”
将文章分享到朋友圈。
用易信&&“扫一扫”
将文章分享到朋友圈。
阅读(6307)|
用微信&&“扫一扫”
将文章分享到朋友圈。
用易信&&“扫一扫”
将文章分享到朋友圈。
历史上的今天
在LOFTER的更多文章
loftPermalink:'',
id:'fks_',
blogTitle:'JAVA
计算两个经纬度关系计算',
blogAbstract:'Java&计算两个GPS坐标点之间的距离',
blogTag:'java,经纬度,角度,距离,计算',
blogUrl:'blog/static/',
isPublished:1,
istop:false,
modifyTime:0,
publishTime:6,
permalink:'blog/static/',
commentCount:0,
mainCommentCount:0,
recommendCount:0,
bsrk:-100,
publisherId:0,
recomBlogHome:false,
currentRecomBlog:false,
attachmentsFileIds:[],
groupInfo:{},
friendstatus:'none',
followstatus:'unFollow',
pubSucc:'',
visitorProvince:'',
visitorCity:'',
visitorNewUser:false,
postAddInfo:{},
mset:'000',
remindgoodnightblog:false,
isBlackVisitor:false,
isShowYodaoAd:false,
hostIntro:'',
hmcon:'0',
selfRecomBlogCount:'0',
lofter_single:''
{list a as x}
{if x.moveFrom=='wap'}
{elseif x.moveFrom=='iphone'}
{elseif x.moveFrom=='android'}
{elseif x.moveFrom=='mobile'}
${a.selfIntro|escape}{if great260}${suplement}{/if}
{list a as x}
推荐过这篇日志的人：
{list a as x}
{if !!b&&b.length>0}
他们还推荐了：
{list b as y}
转载记录：
{list d as x}
{list a as x}
{list a as x}
{list a as x}
{list a as x}
{if x_index>4}{break}{/if}
${fn2(x.publishTime,'yyyy-MM-dd HH:mm:ss')}
{list a as x}
{if !!(blogDetail.preBlogPermalink)}
{if !!(blogDetail.nextBlogPermalink)}
{list a as x}
{if defined('newslist')&&newslist.length>0}
{list newslist as x}
{if x_index>7}{break}{/if}
{list a as x}
{var first_option =}
{list x.voteDetailList as voteToOption}
{if voteToOption==1}
{if first_option==false},{/if}&&“${b[voteToOption_index]}”&&
{if (x.role!="-1") },“我是${c[x.role]}”&&{/if}
&&&&&&&&${fn1(x.voteTime)}
{if x.userName==''}{/if}
网易公司版权所有&&
{list x.l as y}
{if defined('wl')}
{list wl as x}{/list}跟据经纬度实现附近搜索Java实现
-------------
新增文件夹...
新增文件夹
(多个标签用逗号分隔)
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){
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&{$squares['right-bottom']['lng']} ";
java代码如下：
* 默认地球半径
private static double EARTH_RADIUS = 6371;
* 计算经纬度点对应正方形4个点的坐标
* @param longitude
* @param latitude
* @param distance
public static Map&String, double[]& returnLLSquarePoint(double longitude,
double latitude, double distance) {
Map&String, double[]& squareMap = new HashMap&String, double[]&();
// 计算经度弧度,从弧度转换为角度
double dLongitude = 2 * (Math.asin(Math.sin(distance
/ (2 * EARTH_RADIUS))
/ Math.cos(Math.toRadians(latitude))));
dLongitude = Math.toDegrees(dLongitude);
// 计算纬度角度
double dLatitude = distance / EARTH_RADIUS;
dLatitude = Math.toDegrees(dLatitude);
double[] leftTopPoint = { latitude + dLatitude, longitude - dLongitude };
double[] rightTopPoint = { latitude + dLatitude, longitude + dLongitude };
double[] leftBottomPoint = { latitude - dLatitude,
longitude - dLongitude };
double[] rightBottomPoint = { latitude - dLatitude,
longitude + dLongitude };
squareMap.put("leftTopPoint", leftTopPoint);
squareMap.put("rightTopPoint", rightTopPoint);
squareMap.put("leftBottomPoint", leftBottomPoint);
squareMap.put("rightBottomPoint", rightBottomPoint);
return squareM
二、 空间数据库算法
以下location字段是跟据经纬度来生成的空间数据，如：
location字段的type设为point
"update feed set location=GEOMFROMTEXT('point({$lat} {$lng})') where id='{$id}'"
mysql空间数据查询
SET @center = GEOMFROMTEXT('POINT(35..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
.cn/s/blog_7ceofb.html&&& 查找附近点--Geohash方案讨论
/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
/wiki/Calculate_Distance_Between_Two_Points_on_a_Globe&& 球面距离公式代码实现
/map/jsdemo.htm#a6_1&& 球面距离公式验证 &
/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.DistT
import java.util.BitS
import java.util.HashM
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&();
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
for (int i=0; i& numbits*2;i+=2) {
boolean isSet =
if ( i & buffer.length() )
isSet = buffer.charAt(i) == '1';
lonset.set(j++, isSet);
//odd bits
for (int i=1; i& numbits*2;i+=2) {
boolean isSet =
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))
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 & 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 & i++) {
double mid = (floor + ceiling) / 2;
if (lat &= mid) {
buffer.set(i);
public static String base32(long i) {
char[] buf = new char[65];
int charPos = 64;
boolean negative = (i & 0);
if (!negative)
while (i &= -32) {
buf[charPos--] = digits[(int) (-(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.DistT
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;
public static void main(String []args){
double lon1=109.;
double lat1=34.;
double lon2=108.;
double lat2=34.;
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
wqj6us6cmkj5bbfj6qdg
s6q08ubhhuq7
附近网点距离排序
package com.DistT
import java.sql.DriverM
import java.sql.ResultS
import java.sql.SQLE
import java.sql.C
import java.sql.S
public class sqlTest {
public static void main(String[] args) throws Exception {
Connection conn =
String url = "jdbc:mysql://132.97.**.**/test?"
+ "user=***&password=****&useUnicode=true&characterEncoding=UTF8";
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.;
double lat1=34.;
System.out.println("当前位置：");
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]=
array[i][2]=Integer.toString(dist);
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. j++) {
for (int bb = 0; bb & array.length - 1; bb++) {
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] =
/*打印数组*/
public static void showArray(String[][] array){
for(int a=0;a&array.a++){
for(int j=0;j&array[0].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
相关资讯 　—　
相关文档 　—　
发布时间： 20:08:58
同类热门经验
57351次浏览
12638次浏览
27307次浏览
25023次浏览
14692次浏览
20272次浏览
OPEN-OPEN, all rights reserved.