MySQL Geometry扩展在地理位置计算中的效率优势

由于在geometry中，有相关自带函数和spatial index的性能优化，可以让某些位置计算的效率提升。以下是几种计算方法的效果对比。

1. 数据准备

　　首先创建一个数据表，这是一个店铺数据表，结构如下：

　　

　　创建语句：

　　create table `store_geometry` (
　　　　`id` int(11) not null,
　　　　`name` varchar(64) not null,
　　　　`latitude` double default null,
　　　　`longitude` double default null,
　　　　`city` varchar(16) default null,
　　　　`district` varchar(16) default null,
　　　　`address` varchar(64) default null,
　　　　`geohash_8` varchar(16) default null,
　　　　`geometry` geometry default null,
　　　　primary key (`id`)
　　) engine=myisam default charset=utf8 row_format=dynamic

　　然后插入数据，包含id,name,latitude,longitude,city,district,address这些字段的数值。

　　原始字段数值插入后，通过geometry函数计算出geometry字段的数值，并更新：

　　update `store_geometry` set geometry=geomfromtext(concat('point(',longitude,' ',latitude,')'))

　　到此，数据准备工作完成。

2. 对比实例：筛选出在一定矩形范围内的店铺

　　对比时，表内共有100,000条左右的店铺数据。

　　矩形范围：

　　　　max_x=121.474243

　　　　min_x=121.470724

　　　　max_y=31.234504

　　　　min_y=31.230229

2.1 方法一：使用经度和纬度字段判断是否在此区间内

　　我们看看对latitude,longitude2个字段做索引前后的性能对比

　　先在索引前查询：

　　set @max_x=121.474243;
　　set @min_x=121.470724;
　　set @max_y=31.234504;
　　set @min_y=31.230229;
　　select * from `store_geometry` where longitude between @min_x and @max_x and latitude between @min_y and @max_y;

　　查询结果有70条，耗时0.473秒

　　

　　

　　然后索引后使用相同语句查询，速度有明显加快：

　　

2.2 方法二：使用geometry字段数据和相关几何计算函数判断是否在此区间内

　　同样的我们先不对geometry字段创建索引

　　set @mbr=geomfromtext(concat('polygon','((',@min_x,' ',@min_y,',',@max_x,' ',@min_y,',',@max_x,' ',@max_y,',',@min_x,' ',@max_y,',',@min_x,' ',@min_y,'))'));
　　select * from `store_geometry` where st_contains(@mbr, geometry);

　　查询结果相同，耗时如下：

　　

　　然后对geometry创建索引，这里注意不要用mysql客户端工具在界面上创建，因为只能创建普通索引，没有效果。

　　create spatial index i_geometry on `store_geometry`(geometry);

　　

　　然后用相同语句查询，结果如下：

　　

3.结论

　　实验结果很明显，geometry扩展在进行位置计算时具有性能上的明显优势。

方法	索引	查询耗时（秒）
使用经度和纬度字段	no index	0.473
	index	0.015
使用geometry字段	no index	0.092
	index	0.008