嘿，这个问题我太熟悉了——全量计算距离确实是性能杀手，尤其是数据量上去之后。完全可以通过先过滤再精确计算的两步走方式缩小初始查询范围，下面给你详细拆解：

核心逻辑是：先通过一个「矩形边界框」快速排除掉90%以上不可能在目标距离内的点，再对剩下的少量点计算精确距离，这样就能避免全表扫描和无意义的距离计算。

1. 先算边界框，缩小初始查询范围 #

地球虽然是球体，但小范围内可以近似成平面。我们可以根据目标坐标和查询距离，算出一个包含所有可能符合条件的点的矩形经纬度范围：

• 纬度方向：每度大约对应111千米（这个近似值在大部分场景下足够准确），所以目标纬度±(距离/111)就是纬度的上下限。
• 经度方向：经度每度的实际距离会随纬度变化，公式是111 * cos(目标纬度的弧度)，所以目标经度±(距离/(111*cos(目标纬度弧度)))就是经度的左右限。

示例SQL（MySQL） #

假设你的表叫locations，目标坐标是30.706557, 76.733588，要查询10千米内的地点：

-- 定义目标参数
SET @target_lat = 30.706557;
SET @target_lon = 76.733588;
SET @max_distance = 10; -- 单位：千米

-- 计算边界框的经纬度范围
SET @lat_min = @target_lat - (@max_distance / 111);
SET @lat_max = @target_lat + (@max_distance / 111);
SET @lon_min = @target_lon - (@max_distance / (111 * COS(RADIANS(@target_lat))));
SET @lon_max = @target_lon + (@max_distance / (111 * COS(RADIANS(@target_lat))));

-- 先过滤边界框内的点，再计算精确距离
SELECT 
    *,
    -- 用Haversine公式计算两点间球面距离（单位：千米）
    6371 * ACOS(
        COS(RADIANS(@target_lat)) * COS(RADIANS(Latitude)) * 
        COS(RADIANS(Longitude) - RADIANS(@target_lon)) + 
        SIN(RADIANS(@target_lat)) * SIN(RADIANS(Latitude))
    ) AS distance_km
FROM locations
WHERE 
    Latitude BETWEEN @lat_min AND @lat_max
    AND Longitude BETWEEN @lon_min AND @lon_max
-- 筛选出实际距离符合要求的点
HAVING distance_km <= @max_distance
-- 按距离从近到远排序
ORDER BY distance_km;

2. 给经纬度加空间索引，让边界框查询更快 #

上面的边界框过滤已经能减少计算量，但如果没有索引，数据库还是会全表扫描判断每个点是否在框内。给经纬度字段创建空间索引，能让数据库直接通过索引定位到边界框内的点，效率再上一个台阶：

MySQL创建空间索引 #

-- 先把经纬度字段转换成空间类型
ALTER TABLE locations ADD COLUMN point GEOMETRY;
UPDATE locations SET point = ST_GeomFromText(CONCAT('POINT(', Longitude, ' ', Latitude, ')'), 4326);
-- 创建空间索引
CREATE SPATIAL INDEX idx_locations_point ON locations(point);

之后可以用ST_Contains或ST_Intersects来优化边界框查询，进一步提升速度。

PostgreSQL + PostGIS（更专业的空间数据库方案） #

如果用PostGIS，直接用内置的空间函数就能一步到位，而且索引优化更成熟：

-- 查询10000米（10千米）内的地点
SELECT *
FROM locations
WHERE ST_DWithin(
    ST_SetSRID(ST_MakePoint(Longitude, Latitude), 4326), -- 存储的点
    ST_SetSRID(ST_MakePoint(76.733588, 30.706557), 4326), -- 目标点
    10000 -- 单位：米
);

只要给空间字段创建了GIST索引，这个查询会非常高效，完全不用手动算边界框。

注意事项 #

• 边界框是近似过滤：边界框内的点可能实际距离超过目标值，所以必须再用Haversine公式或空间函数计算精确距离筛选。
• 大距离场景：如果查询的距离超过几百千米，地球的曲面影响会变大，边界框的误差会增加，但依然比全量计算好很多。

内容的提问来源于stack exchange，提问作者fine line