lbs（查看附近的人），看看社交软件如何实现查看附近的人

最近在做一款移动端棋牌游戏，为了进一步提高用户体验、拉近玩家的距离，我们决定在游戏中加入好友功能，而对于体验好友功能的玩家来说，要是玩牌的时候可以看看附近都有谁在玩牌，跟他们交流交流玩牌心得什么的无疑是个不错的想法。而要实现查看附近的人就需要提提LBS（Location Based Service），他的意思就是基于位置的服务，就是通过移动终端获取到许多用户或者物体的经纬度坐标，通过这些位置信息所提供的服务。

好了，扯了这么多，我们来看看如何实现查看附近人的功能的：

首先要具备下面这些环境：

php+MySQL（MySQL不是必须，本文中用的是redis来存储用户的信息）
redis（本文用的是redis，当然你也可以用MySQL）
geohash.class.php类（这个类是用来处理经纬度坐标的一些基本函数，当然这些东西完全可以自己去写，如果时间充裕的话）

好了，等这些环境都具备了之后，我来讲讲这个实现过程：

首先介绍下GeoHash思想

第一步. 编码

这个功能应用到了一个很好的算法GeoHash，也许有同学听过这个功能，没错GeoHash就是通过一个巧妙的算法（不由得惊叹前辈们真牛！）把经纬度转化为字符串，这样有什么好处呢，显而易见，将二维的数据转化为了一维，这样一来存储就方便了，搜索效率也会高很多，那么现在问题来了，GeoHash算法是如何把经纬度坐标转化为字符串的？

将经纬度编码为字符串的过程可以分为以下3个步骤：

首先就是编码，对于经纬度的编码通过折半比较法，当大于中值时该位编码为1（小于时编码为0），下次新的区间为中值到最大值（或者最小值到中值），这样一直比较下去，直到到达要求的精度，精度和纬度的方法是一样的，只不过一个原始区间是（-90,90），一个是（-180,180），光说不好理解，下面我们看看一个简单的例子：

编码	min	mid	max
1	-90	0	90
0	0	45	90
1	0	22.5	45
0	22.5	033.75	45
1	22.5	28.125	33.75
1	28.125	30.9375	33.75
0	30.9375	32.34375	33.75
1	30.9375	31.640625	32.34375
1	31.640625	31.9921875	32.34375
0	31.9921875	32.16796875	32.34375

编码	min	mid	max
1	-180	0	180
0	0	90	180
1	0	45	90
1	45	67.5	90
1	67.5	78.75	90
1	78.75	84.375	90
1	84.375	87.1875	90
1	87.1875	88.59375	90
0	88.59375	89.296875	90
1	88.59375	88.9453125	89.296875

这样便可将（89.156,32.165） => （10101 10110，10111 11101）

这个时候就到了第二步骤——组码了，顾名思义，将第一步产生的编码组合起来为下一步产生字符串做准备，组码的方式是偶数位放置经度，奇数位放纬度（为什么要这么做呢，我猜可能是谷歌为了大家统一规范，仅此而已，其实奇偶数位互换也可以的），对于上面的经纬度编码后再组码如下：

经度：10101 11101

纬度：10111 11101

位置编码：11001 11011 11111 10011

图 3

对于上面的位置编码，为什么要这么编码呢，为什么要奇数位放纬度，偶数为方经度呢，我们看看下面这张图,用这张图模拟地图的经纬度，A点（-180,90），B点（180,90），C点（-180，-90），D点（180，-90）；

A									B
	010101	010111	011101	011111	110101	110111	111101	111111
	010100	010110	011100	011110	110100	110110	111100	111110
	010001	010011	011001	011011	110001	110011	111001	111011
	010000	010010	011000	011010	110000	110010	111000	111010
	000101	000111	001101	001111	100101	100111	101101	101111
	000100	000110	001100	001110	100100	100110	101100	101110
	000001	000011	001001	001011	100001	100011	101001	101011
	000000	000010	001000	001010	100000	100010	101000	101010
C									D

图 4

如图4所示，这样就可以将地图（经度-180~180，纬度-90~90）分为很多很多多的小块，每一个小块都有唯一的二进制编码，当位数达到一定的长度时就可以表示很小的一块区域，这不就可以根据二进制编码定位一个唯一的位置了吗，对于划分的进一步理解可看下面的图。

图 5

如图5所示，左边是是对纬度（-180,180）的划分，可以看出通过划分可以确定（22.4,45）这一纬度区间的编码为1001，当然了位数越多精度越高，同理对经度进行划分，可以确定（-78.75，-67.5）这一经度范围的编码为0001，可以想象，当左右两张图合在一起时就可以确定一个唯一的矩形区域，当该区域足够小的时候就可一看做一个点。

第二步. 组码

从图3可以看出我们对经纬度编码后可得二进制字符串11001 11011 11111 10011

最后使用用0-9、b-z（去掉a, i, l, o）这32个字母进行base32编码，首先将11001 11011 11111 10011转成十进制，对应着25、27、32、19，十进制对应的编码就是tvzm。同理，将编码转换成经纬度的解码算法与之相反，具体不再赘述。至此，我们的对geohash有了个大致的了解。

lbs（查看附近的人），看看社交软件如何实现查看附近的人-LMLPHP

图 6

如何具体的应用到程序中

首先思考一下查看附近的人的流程：

用户点击查看附近的人按钮，首先获取到该用户的选位置信息（经纬度），传给服务器。
服务器收到数据之后对该用户的位置信息进行geohash计算，获得该用户的位置hash字符串。
对该用户的位置信息hash串进行缓存（缓存时间长短根据具体情况而定）。
根据该hash串选出附近的人。
对hash进行解码，计算出附近用户的位置，返回给用户。

首先看看geohash.class.php这个公共类库里面的基本方法：

	[public]Geohash() 初始化hash映射表
Geohash	[public]encode($lat,$long) 对经纬度进行编码
	[public]decode() 对hash进行解码

图 7

如图7所示，显而易见这个类库里面有3个函数，第一个用来初始化hash映射表，其实就是把0123456789bcdefghjkmnpqrstuvwxyz字符串中的每个字符和它对应的二进制编码对应起来（左边补零至5位）。encode()是用来生成hash的，decode是用来解码hash得到hash对应的经纬度的。

下面我们看个例子，现在假设有图8中的几个用户查看附近的人：

mid	坐标
	(42.61233,-5.61234)
	(-20.25689, 50.56897)
	(10.11233, 57.21234)
	(49.26343, -123.26895)
	(0.00534, -179.56732)
	(-30.55555, 0.28958)
	(5.00001, -140.63422)
	(42.61234, -5.61234)
	(5.00001, -140.63422)

图 8

图8的数据发送到服务器经过geohash计算得出下面的hash表：

mid	坐标
100	ezs42m34yfp_100
	mh7uy8r5n6j_101
	t3b9tbuu84u_102
	c2b26bnk32b_103
	80021bgp45m_104
	k484ntdc58w_105
	8bgury1r1jm_106
	ezs42m34ygz_107
	8bgury1r1jm_108

图 9

计算出这些hash值，将hash值存入redis中，存入redis中之后，那么问题来了，如何去获取一个用户附近的用户呢？当redis数据库中有了一些用户的记录之后，来一个用户，我们先对其进行编码，然后根据该用户的位置hash从redis中选出该用户附近的hash，选取附近的hash这一步很简单，对于redis只需这么做：

<?php

       $mid = 2014;

       $level = 7;    //获取的精度等级，数字越大，附近这个范围越小

        $redis = Redis::init();  //假设这样获取到redis实例

        $mykey = '8gur95yjmz';  //假设我的hash为这个

        $redis->setex($mykey.'_'.$mid,$_SERVER['REQUEST_TIME'],86400);    //这里设置缓存1天，具体情况具体对待

$search = substr($makey,0,$level);

       $nearbys = $redis->keys("{$search}*");

?>

程序 1

上面的几句代码就可以选出我附近的人的hash，当然，其中的level来设置精度的，这个数字越大，附近的人范围越小，具体参考图10中的值，这个表中的值是从我的导师李伟（weickly）那里获取到的。要注意，这个地方搜索完之后要排除自己。还有一点要注意，就是在缓存时键名的最后一定要加上_{$mid},这样做可以避免多个用户在同一位置是互相覆盖的情况（就像图9中mid为106和108的用户），放在最后是为了不影响搜索。

1	2500000m
2	630000m
3	78000m
4	20000m
5	2400m
6	610m
7	76m
8	19m
9	2m

图 10

例如mid为109，经纬度为(42.61236, -5.61234)的用户，当他点击获取附近的人按钮式，我获取到他的经纬度并计算出他的hash，$mykey='ezs42m34yzx'，然后通过程序段1可以获取到他附近的hash：

100	ezs42m34yfp_100	(42.61233,-5.61234)	3.3m
107	ezs42m34ygz_107	(42.61234, -5.61234)	2.2m
109	ezs42m34yzx_109	(42.61236, -5.61234)	0m

图 11

图11中获取到了用户109附近的用户hashs，获取到hash值还并没有完成，首先排除掉自己109那条记录，然后通过Geohash类中的decode将hash解码为经纬度，通过每个用户的经纬度计算出和109用户的距离，然后按距离等级返回，比如说小于100，小于200……

至此，获取附近的人就完成了，当然了具体实践的时候还要随机应变具体情况具体对待，我写这篇文章只是想起到抛砖引玉的效果，本文中可能会存在很多不足，还望斧正。

　　本文版权归作者([email protected])和博客园共有，未经作者本人同意禁止任何形式的转载，转载文章之后必须在文章页面明显位置给出作者和原文连接，否则保留追究法律责任的权利。