根据经纬度检索附近商家

[a1126207367]

根据经纬度检索附近商家，商家有自己的配送范围
商家数据存在MongoDB里面（包括商家的经纬度和配送范围）
传入用户的经纬度，默认一个检索范围
如果检索范围大于商家的配送范围，那么大于商家配送范围的商家就不应该被检索出来
这个应该怎么查询

[oyljerry]

需要geohash等库计算

[Dan淡淡的心]

select * from tableName where SQRT(SQUARE(x-DBx)+SQUARE(y-DBy)) > lenth; 两点距离 根据勾股定理来算就好

[tianfang]

从数据库按经纬度范围查一个正方形的区域，然后再按距离排序

mangoDB中这种查询效率高吗？sql数据库做索引后，效率挺高的

[Ming！]

SELECT number,address,lng,lat,serve_time,distance FROM (
	SELECT is_open,number,address,lng,lat,serve_time,ROUND(ACOS(COS(#{lat}*PI()/180 )*COS(lat*PI()/180)*COS(#{lng}*PI()/180 -lng*PI()/180)+SIN(#{lat}*PI()/180 )*SIN(lat*PI()/180))*6370996.81) AS distance FROM recycling_machine
) AS tb WHERE is_open=1
<IF test="distance != null">
	AND <![CDATA[ distance <= #{distance} ]]>
</IF>
ORDER BY distance
LIMIT #{startIndex},#{pageSize}

不知道这个能不能满足你的需求

[蜜友]

看到这个题目突然有一种想试一下的冲动,来看看运行效果,经纬度是随机产生的

满足条件的客户数量:10
距离4.7077公里	CustomerInfo [id=42, name=第42个客户, point=Point [lat=25.38652801513672, lon=102.53978729248047]]
距离7.6318公里	CustomerInfo [id=66, name=第66个客户, point=Point [lat=25.292055130004883, lon=102.52806854248047]]
距离9.1959公里	CustomerInfo [id=3, name=第3个客户, point=Point [lat=25.295881271362305, lon=102.6337890625]]
距离14.1178公里	CustomerInfo [id=53, name=第53个客户, point=Point [lat=25.386337280273438, lon=102.70116424560547]]
距离15.1921公里	CustomerInfo [id=24, name=第24个客户, point=Point [lat=25.487585067749023, lon=102.57908630371094]]
距离16.2238公里	CustomerInfo [id=61, name=第61个客户, point=Point [lat=25.281827926635742, lon=102.70787811279297]]
距离16.9743公里	CustomerInfo [id=84, name=第84个客户, point=Point [lat=25.479028701782227, lon=102.47322845458984]]
距离17.6577公里	CustomerInfo [id=5, name=第5个客户, point=Point [lat=25.499061584472656, lon=102.63092803955078]]
距离19.0416公里	CustomerInfo [id=79, name=第79个客户, point=Point [lat=25.364389419555664, lon=102.75501251220703]]
距离19.4402公里	CustomerInfo [id=4, name=第4个客户, point=Point [lat=25.524290084838867, lon=102.53683471679688]]

以下是所有代码,全部放在一个类里面了

package cn.miw.test.model;

import java.util.ArrayList;
import java.util.List;
import java.util.Random;
import java.util.stream.Collectors;
/**
 * 根据客户位置计算与商家距离,筛选出在派送范围内的客户
 * @ClassName: CustomerInfo
 * @author [e-mail]<br>
 * www.miw.cn<br>
 * 2018年9月13日 下午6:29:08<br>
 */
public class CustomerInfo {

	private int id;
	private String name;
	private Point point;

	public int getId() {
		return id;
	}

	public void setId(int id) {
		this.id = id;
	}

	public String getName() {
		return name;
	}

	public void setName(String name) {
		this.name = name;
	}

	@Override
	public String toString() {
		return "CustomerInfo [id=" + id + ", name=" + name + ", point=" + point + "]";
	}

	public Point getPoint() {
		return point;
	}

	public void setPoint(Point point) {
		this.point = point;
	}

	public CustomerInfo(int id, String name, Point point) {
		super();
		this.id = id;
		this.name = name;
		this.point = point;
	}

	/**
	 * 进行测试
	 * @author [e-mail]<br>
	 * www.miw.cn<br>
	 * 2018年9月13日 下午6:28:56<br>
	 * @param args
	 */
	public static void main(String[] args) {
		List<CustomerInfo> customers = prepare();//准备客户数据 

		Point point = new Point(25.351475,102.56606);//店家所在位置

		double radius = 20 * 1000; //派送范围10km

		List<CustomerInfo> list = customers.stream().filter(customer -> customer.getDistance(point) < radius)
				.collect(Collectors.toList());//过滤不在范围内的客户

		System.out.println("满足条件的客户数量:" + list.size());
		list.stream().sorted((a, b) -> a.getDistance(point) > b.getDistance(point) ? 1 : -1) //按距离排序显示
				.forEach(c -> {
					System.out.print("距离" + c.getDistance(point) / 1000 + "公里\t");
					System.out.println(c);
				});
	}

	/**
	 * 准备客户数据
	 * @author [e-mail]<br>
	 * www.miw.cn<br>
	 * 2018年9月13日 下午6:28:39<br>
	 * @return
	 */
	private static List<CustomerInfo> prepare() {
		List<CustomerInfo> shops = new ArrayList<CustomerInfo>();
		Random random = new Random(System.nanoTime());
		for (int i = 0; i < 100; i++) {
			float lat = 25f + random.nextFloat(), lon = 102f + random.nextFloat();
			System.out.println(i+":"+lat+","+lon);
			shops.add(new CustomerInfo(i, "第" + i + "个客户", new Point(lat, lon)));
		}
		return shops;
	}

	/**
	 * 计算与某点的距离
	 * @author [e-mail]<br>
	 * www.miw.cn<br>
	 * 2018年9月13日 下午6:30:27<br>
	 * @param p
	 * @return
	 */
	private double getDistance(Point p) {
		double radLat1 = rad(p.lat);
		double radLat2 = rad(point.lat);
		double a = radLat1 - radLat2;
		double b = rad(p.lon) - rad(point.lon);
		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 * 10000d) / 10000d;
		s = s * 1000;
		return s;

	}

	private static double EARTH_RADIUS = 6371.393;//地球半径

	private static double rad(double d) {
		return d * Math.PI / 180.0;
	}

	static class Point {
		double lat, lon;

		public Point(double lat, double lon) {
			super();
			this.lat = lat;
			this.lon = lon;
		}

		@Override
		public String toString() {
			return "Point [lat=" + lat + ", lon=" + lon + "]";
		}

	}
}

[coder_xiaozhao]

利用用户自己的经纬度，开发人员再确定一个半径，比如10km，得到最小经纬度和最大经纬度，然后数据库里进行筛选就可以了 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 }; }