Nano Hash - криптовалюты, майнинг, программирование

Способ повышения производительности в MySQL на POINT(lat, long)

У меня есть приложение, которому необходимо запросить таблицу с координатами широты и долготы, которые хранятся с использованием типа данных MYSQL POINT.

У меня есть сохраненная функция, которая находит ближайшие широты и долготы в заданном радиусе от заданного местоположения GPS. Однако моя таблица будет содержать сотни тысяч записей, поэтому производительность должна быть оптимальной.

Я написал следующую хранимую функцию, но для возврата около 9000 строк из возможных 800 000+ строк требуется около 4,01 секунды. Есть ли лучший способ найти близлежащие GPS-координаты?

Вот моя сохраненная функция:

    CREATE PROCEDURE `FindNearbyPoints`(
    IN RADIUS FLOAT,
    IN LAT FLOAT,
    IN LON FLOAT
)
BEGIN

    DECLARE EARTH_RADIUS FLOAT DEFAULT 3959;
    DECLARE maxLat FLOAT DEFAULT (LAT + DEGREES(RADIUS/EARTH_RADIUS));
    DECLARE minLat FLOAT DEFAULT (LAT - DEGREES(RADIUS/EARTH_RADIUS));

    /* compensate for degrees longitude getting smaller with increasing latitude*/
    DECLARE maxLon FLOAT DEFAULT (LON + DEGREES(RADIUS/EARTH_RADIUS/COS(RADIANS(LAT))));
    DECLARE minLon FLOAT DEFAULT (LON - DEGREES(RADIUS/EARTH_RADIUS/COS(RADIANS(LAT))));

    SELECT *, acos(sin(LAT)*sin(radians(X(Location))) + cos(LAT)*cos(radians(X(Location)))*cos(radians(Y(Location))-LON))*EARTH_RADIUS As D
    FROM (
        Select *
        From my_table
        Where X(Location)>minLat And X(Location)<maxLat
        And Y(Location)>minLon And Y(Location)<maxLon
    ) AS FIRST_CUT
    WHERE acos(sin(LAT)*sin(X(Location)) + cos(LAT)*cos(X(Location))*cos(Y(Location)-LON))*EARTH_RADIUS < RADIUS
    ORDER BY D;

END

Большая часть моего вдохновения для этой функции пришла из: http://www.movable-type.co.uk/scripts/latlong-db.html


  • Мое наивное мнение состоит в том, что у вас уже есть довольно хорошие показатели. Мне будет очень интересно увидеть предложения по его улучшению. 19.10.2010

Ответы:


1

Я не уверен, как настроена ваша база данных, но вы можете изучить использование ПРОСТРАНСТВЕННОЙ индексации, а затем построить минимальный ограничивающий прямоугольник для выполнения запроса. Как только вы вернете записи через ограничительную рамку, вы сможете быстро упорядочить их по расстоянию и исключить те, которые находятся за пределами вашего радиуса. Мы используем этот тип индексации в геномике и довольно эффективно запрашиваем наборы данных из миллиарда строк.

Подробности о пространственном индексировании есть в документации mysql.

19.10.2010
Новые материалы

Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..