使用交叉连接和 Hversine 公式在 MySQL 地理搜索中重复记录

Posted 2023-03-05

【中文标题】使用交叉连接和 Hversine 公式在 MySQL 地理搜索中重复记录

【英文标题】：Duplicate Records in MySQL Geo Search Using Cross Join and Hversine Formula

【发布时间】：2014-02-22 19:50:29

【问题描述】：

我正在尝试完成对这个Google tutorial的修改

我编写了这个 SQL 来使用位置“名称”查询位置表。给定位置的名称，查询返回附近的比萨餐​​厅。为了做到这一点，我交叉加入了我的餐厅位置表，标题为“标记”，并使用 Haversine 公式计算距离。

    SELECT m.address,
       m.name,
       m.lat,
       m.lng,
       (3959 * ACOS(COS(RADIANS(poi.lat)) * 
       COS(RADIANS(m.lat)) * 
       COS(RADIANS(m.lng) - RADIANS(poi.lng)) + SIN(RADIANS(poi.lat))*
       SIN(RADIANS(m.lat)))) AS distance
    FROM markers poi
       CROSS JOIN markers m
    WHERE poi.address LIKE "%myrtle beach%"
          AND poi.id <> m.id HAVING distance < 200
   ORDER BY distance LIMIT 0,20

查询返回预期结果，但如果兴趣点在指定区域之外，在本例中为“默特尔海滩”，我每次匹配都会得到重复记录。这是因为 CROSS JOIN 很容易通过 DISTINCT 选择来修复。但是“lng”和“lat”字段是 FLOAT 类型，因此距离计算永远不会相同，即使对于重复记录也是如此。

这是回报的一个子集：

3901 North Kings Highway Suite 1, 默特尔比奇, SC |芝加哥比萨公司以东| 33.716099 -78.855583 | 4.0285562196955125

1706 S Kings Hwy # A, 默特尔比奇, SC |达美乐披萨：默特尔比奇 | 33.674881 | -78.905144 | 4.0285562196955125

82 Wentworth St, 查尔斯顿, SC |安多利尼斯披萨 | 2.782330 | -79.934235 | 85.68177495224947

82 Wentworth St, 查尔斯顿, SC |安多利尼斯披萨 | 32.782330 | -79.934235 | 89.71000040441085

114 Jungle Rd, 埃迪斯托岛, SC | Edisto Beach Inc 的雄鹿披萨 | 32.503971 -80.297951 | 114.22243529200529

114 Jungle Rd, 埃迪斯托岛, SC | Edisto Beach Inc 的雄鹿披萨 | 32.503971 -80.297951 | 118.2509427998286"

关于从这里去哪里有什么建议吗？

【问题讨论】：

您可以发布示例输入和输出以显示重复数据吗？为了便于阅读，我建议进行编辑，假定existence of a Haversine function。

@Brandon Buster 您能否提供数据样本。另外，兴趣点是什么意思？我看到的唯一手动输入的数据是 %myrtle beach% 。你想做什么？因为这个问题有点难以理解，需要澄清和更多细节。

抱歉，我在几个不同的上下文中使用了“兴趣点”一词。此示例中的兴趣点仅是默特尔比奇。我想要返回的数据是该点半径 200 英里内的披萨餐厅。我将使用一些示例数据和更多信息来编辑我的帖子

【参考方案1】：

试试：

select distinct x.address, x.name, y.lat, y.lng, x.distance
  from (SELECT m.address,
               m.name,
               m.lat,
               m.lng,
               (3959 *
               ACOS(COS(RADIANS(poi.lat)) * COS(RADIANS(m.lat)) *
                     COS(RADIANS(m.lng) - RADIANS(poi.lng)) +
                     SIN(RADIANS(poi.lat)) * SIN(RADIANS(m.lat)))) AS distance
          FROM markers poi
         cross JOIN markers m
         WHERE poi.address LIKE "%myrtle beach%"
           and poi.id <> m.id HAVING distance < 200) x
  join markers y
    on x.address = y.address
   and x.name = y.name
   and x.lat = y.lat
   and x.lng = y.lng
 order by x.distance limit 0, 20

【讨论】：

谢谢。指出看起来可行的解决方案。不过，我宁愿不执行第三个表连接。如果这是唯一的答案（很可能），我会将其标记为答案。

【参考方案2】：

您会得到重复的结果，因为这两个点都匹配“默特尔海滩”。使用poi.id < m.id 之类的条件来确保您只获得一个匹配项。

例子：

poi id    m id    distance
1         2       100
2         1       100

查询：

SELECT 
    m.address,
    m.name,
    m.lat,
    m.lng,
    (3959 * ACOS(COS(RADIANS(poi.lat)) * 
    COS(RADIANS(m.lat)) * 
    COS(RADIANS(m.lng) - RADIANS(poi.lng)) + SIN(RADIANS(poi.lat))*
    SIN(RADIANS(m.lat)))) AS distance
FROM markers poi
CROSS JOIN markers m
WHERE 
    (poi.address LIKE "%myrtle beach%" OR m.address LIKE "%myrtle beach%")
    AND poi.id < m.id 
HAVING distance < 200
ORDER BY distance LIMIT 0,20

或者，如果您确实在标记中有一个单行作为兴趣点，请指定该行而不是地址上的任何匹配项。那么poi.id <> m.id 的条件将确保没有重复。

SELECT 
    m.address,
    m.name,
    m.lat,
    m.lng,
    (3959 * ACOS(COS(RADIANS(poi.lat)) * 
    COS(RADIANS(m.lat)) * 
    COS(RADIANS(m.lng) - RADIANS(poi.lng)) + SIN(RADIANS(poi.lat))*
    SIN(RADIANS(m.lat)))) AS distance
FROM markers poi
CROSS JOIN markers m
WHERE 
    poi.id = (SELECT TOP(1) id FROM markers WHERE address LIKE "%myrtle beach%")
    AND poi.id <> m.id 
HAVING distance < 200
ORDER BY distance LIMIT 0,20

【讨论】：

感谢您的回复。它确实消除了重复项，尽管它还假设所有匹配记录的 ID 都比在我的目标区域中找到的任何记录都更高，但情况并非总是如此。不过，这让我对我是如何编写 SQL 有了不同的看法。

@BrandonBuster，它不假设是这样，因为在第一个查询中，编号较高或较低的行可以匹配。在第二个查询中，我们不使用> 比较。

【参考方案3】：

查看每个人的回复让我开始思考。我没有问为什么我得到重复的结果，而是开始想知道查询计算距离的两个默特尔比奇位置中的哪一个？答案是两者。这也解释了为什么我一开始每场比赛都能获得两条记录。

这是我的解决方案：

SELECT  m.address, m.name, m.lat, m.lng, (3959 
   * ACOS(COS(RADIANS(poi.lat)) * COS(RADIANS(m.lat)) 
   * COS(RADIANS(m.lng) - RADIANS(poi.lng)) + SIN(RADIANS(poi.lat))
   * SIN(RADIANS(m.lat))))     AS distance
FROM markers m
cross JOIN (
   select  name, lat, lng from markers
   where address like '%myrtle beach %'
   limit 1
) poi
HAVING distance < 200
ORDER BY name
LIMIT 0, 20

这并没有给我最准确的距离计算，因为它任意使用它找到的第一家餐厅作为震中。但就我的直接目的而言，这已经足够了。我认为要让这个应用程序准备好生产，我需要第二个包含城市中心坐标的城市表。