在位置服务（LBS）系统中，基于地理位置查询和距离计算是核心功能之一。例如：
- 查找附近的商铺、加油站或医院。
- 计算两点之间的实际直线距离。
- 筛选出指定范围内的用户或设备位置。
MySQL 提供了多种方式实现地理位置查询，包括 ST_Distance_Sphere() 和经典的 Haversine 公式。本文将介绍如何使用这两种方式在 MySQL 中进行距离计算与位置筛选。
一、经纬度距离计算原理
1. 地球模型与球面距离
二、方法 1：使用 ST_Distance_Sphere() 计算球面距离
函数介绍
ST_Distance_Sphere(point1, point2)直接返回两点之间的球面距离，结果以米为单位。POINT(lng, lat)将经纬度转换为点对象。
案例 1：计算两点之间的直线距离
需求：
计算从北京天安门到上海外滩的直线距离。
天安门坐标：(39.9087, 116.3975)
外滩坐标：(31.2335, 121.4920)
SQL 实现
SELECT ST_Distance_Sphere( POINT(116.3975, 39.9087), POINT(121.4920, 31.2335)
) AS distance_meters;
查询结果
| distance_meters |
|---|
| 1064695.78 |
解释：
- 结果显示北京到上海外滩的直线距离约为 1064 公里。
POINT(lng, lat)将经纬度转换为地理点，ST_Distance_Sphere计算两点的球面距离。
案例 2：查询当前位置 5 公里范围内的商铺
需求：
查询距离当前定位（广州塔 23.1056, 113.3248）5 公里范围内的商铺信息。
表结构 shops
| shop_id | name | lat | lng |
|---|---|---|---|
| 1 | 星巴克 | 23.1100 | 113.3300 |
| 2 | 肯德基 | 23.0920 | 113.3100 |
| 3 | 麦当劳 | 23.1500 | 113.3700 |
| 4 | 德克士 | 23.0900 | 113.2500 |
SQL 实现
SELECT shop_id, name, ST_Distance_Sphere(POINT(lng, lat), POINT(113.3248, 23.1056)) AS distance_meters
FROM shops
WHERE ST_Distance_Sphere(POINT(lng, lat), POINT(113.3248, 23.1056)) <= 5000
ORDER BY distance_meters;
查询结果
| shop_id | name | distance_meters |
|---|---|---|
| 1 | 星巴克 | 566.43 |
| 2 | 肯德基 | 1887.29 |
解释：
- 查询范围限定为 5000 米（5 公里）。
- 使用
WHERE过滤距离条件，同时按照距离升序排序，方便查看最近的商铺。
三、方法 2：Haversine 公式计算距离
在不支持 ST_Distance_Sphere 的 MySQL 版本中，可以使用 Haversine 公式 实现经纬度距离计算。
案例 3：Haversine 公式计算两点间距离
SQL 实现
SELECT 6371000 * 2 * ASIN( SQRT( POWER(SIN(RADIANS((39.9087 - 31.2335) / 2)), 2) + COS(RADIANS(39.9087)) * COS(RADIANS(31.2335)) * POWER(SIN(RADIANS((116.3975 - 121.4920) / 2)), 2) ) ) AS distance_meters;
结果：
| distance_meters |
|---|
| 1064695.78 |
解释：
- 手动实现 Haversine 公式，使用三角函数计算地球表面的两点距离。
6371000表示地球平均半径，单位为米。
四、复杂位置查询：筛选指定范围内的对象
案例 4：查询用户 10 公里范围内的餐厅
需求：
用户当前位置 (30.5702, 104.0648)，查询 10 公里内的餐厅。
表结构 restaurants
| rest_id | name | lat | lng |
|---|---|---|---|
| 1 | 火锅店 | 30.5800 | 104.0700 |
| 2 | 烧烤店 | 30.5000 | 104.0000 |
| 3 | 自助餐厅 | 30.6100 | 104.1100 |
| 4 | 小吃店 | 30.4000 | 103.9500 |
SQL 实现
SELECT rest_id, name, 6371000 * 2 * ASIN( SQRT( POWER(SIN(RADIANS((30.5702 - lat) / 2)), 2) + COS(RADIANS(30.5702)) * COS(RADIANS(lat)) * POWER(SIN(RADIANS((104.0648 - lng) / 2)), 2) ) ) AS distance_meters
FROM restaurants
HAVING distance_meters <= 10000
ORDER BY distance_meters;
查询结果
| rest_id | name | distance_meters |
|---|---|---|
| 1 | 火锅店 | 1200.43 |
| 2 | 烧烤店 | 7890.10 |
五、性能优化与注意事项
- 建立空间索引：
如果表中存储大量地理位置数据，可以使用 空间索引 提升查询速度：
ALTER TABLE shops ADD SPATIAL INDEX (lat, lng);
- 限制结果集大小：
在大数据量环境下，添加LIMIT和分页，提高查询效率：
ORDER BY distance_meters LIMIT 10;
六、总结
- MySQL 提供了两种方式实现基于经纬度的距离计算：
ST_Distance_Sphere()：直接计算，简单高效，推荐使用。- Haversine 公式：适用于不支持
ST_Distance_Sphere的旧版本。
- 通过位置查询可以实现商铺筛选、附近用户查找等功能，广泛应用于 LBS 场景。
