Digamos que eu queira encontrar as 20 empresas mais próximas perto de mim.

My table structure is like this:

    BusinessID  varchar(250)    utf8_unicode_ci         No  None        Browse distinct values  Change  Drop    Primary     Unique  Index   Fulltext
    Prominent   double          No  None        Browse distinct values  Change  Drop    Primary     Unique  Index   Fulltext
    LatLong     point           No  None        Browse distinct values  Change  Drop    Primary     Unique  Index   Fulltext
    FullTextSearch  varchar(600)    utf8_bin        No  None        Browse distinct values  Change  Drop    Primary     Unique  Index   Fulltext
With selected: Check All / Uncheck All With selected:
Print viewPrint view Propose table structurePropose table structureDocumentation
Add new fieldAdd field(s) At End of Table At Beginning of Table After
Indexes: Documentation
Action  Keyname Type    Unique  Packed  Field   Cardinality Collation   Null    Comment
Edit    Drop    PRIMARY BTREE   Yes No  BusinessID  1611454 A       
Edit    Drop    Prominent   BTREE   No  No  Prominent   0   A       
Edit    Drop    LatLong BTREE   No  No  LatLong (25)    0   A       
Edit    Drop    sx_mytable_coords   SPATIAL No  No  LatLong (32)    0   A       
Edit    Drop    FullTextSearch  FULLTEXT    No  No  FullTextSearch  0           

Existem 1,6 milhão de negócios. É claro que é estúpido calcular a distância para todos eles e depois classificá-lo.

É aí que o índice geoespacial entra em ação, certo?

Então, qual SQL Comman eu preciso lançar?

Nota:

1. Eu estou usando o índice espacial mysql myisam . No entanto, eu não especifiquei isso antes. Por isso, aceitarei aqueles que responderem para mostrar minha gratidão e fazer outra pergunta.
2. Eu não quero calcular a distância para toda a tabela
3. Não quero calcular a distância para nenhuma região que ainda seja ineficiente
4. Eu quero calcular a distância para um número razoável de pontos, porque quero classificar os pontos por distância e poder exibir os pontos 1-20, 21-40, 41-60 etc.

As consultas espaciais são definitivamente a melhor opção.

Com o PostGIS, primeiro tentaria algo simplista como esse e ajustaria o alcance conforme necessário:

SELECT * 
FROM table AS a
WHERE ST_DWithin (mylocation, a.LatLong, 10000) -- 10km
ORDER BY ST_Distance (mylocation, a.LatLong)
LIMIT 20

Isso compararia pontos (na verdade, suas caixas delimitadoras) usando o índice espacial, portanto deve ser rápido. Outra abordagem que vem à mente é armazenar em buffer a sua localização e, em seguida, cruzar esse buffer com os dados originais, o que pode ser ainda mais eficiente.

Se tudo o que você procura são pesquisas de pontos de proximidade (consultas de vizinhos mais próximos), não será necessário usar os STs antigos ST_DWithin ou ST_Distance + ORDER BY para isso.

Não mais.

Agora que o PostGIS 2.0 foi lançado, você deve usar o suporte ao índice knngist (um recurso nativo do PostgreSQL). Serão ordens de magnitude mais rápidas.

Um trecho desta entrada do blog que descreve como usar o knn gist sem o PostGIS :

$ create table test ( position point );

CREATE TABLE
Table created. Now let’s insert some random points:
$ insert into test (position) select point( random() * 1000, random() * 1000) from generate_series(1,1000000);

INSERT 0 1000000
1 million points should be enough for my example. All of them have both X and Y in range <0, 1000). Now we just need the index:
$ create index q on test using gist ( position );

CREATE INDEX
And we can find some rows close to center of the points cloud:
$ select *, position <-> point(500,500) from test order by position <-> point(500,500) limit 10;

              position               |     ?column?

-------------------------------------+-------------------

 (499.965638387948,499.452529009432) | 0.548548271254899

 (500.473062973469,500.450353138149) |  0.65315122744144

 (500.277776736766,500.743471086025) | 0.793668174518778

 (499.986605718732,500.844359863549) | 0.844466095200968

 (500.858531333506,500.130807515234) | 0.868439207229501

 (500.96702715382,499.853323679417)  | 0.978087654172406

 (500.975443981588,500.170825514942) | 0.990289007195055

 (499.201623722911,499.368405900896) |  1.01799596553335

 (498.899147845805,500.683960970491) |  1.29602394829404

 (498.38217580691,499.178630765527)  |  1.81438764851559

(10 rows)
And how about speed?
$ explain analyze select *, position <-> point(500,500) from test order by position <-> point(500,500) limit 10;

                                                        QUERY PLAN

--------------------------------------------------------------------------------------------------------------------------

 Limit  (cost=0.00..0.77 rows=10 width=16) (actual time=0.164..0.475 rows=10 loops=1)

   ->  Index Scan using q on test  (cost=0.00..76512.60 rows=1000000 width=16) (actual time=0.163..0.473 rows=10 loops=1)

         Order By: ("position" <-> '(500,500)'::point)

 Total runtime: 0.505 ms

(4 rows)

Interessante o suficiente, a travessia do índice retornará os recursos em ordem de proximidade, portanto, não é necessário fazer uma classificação (ou seja, ordenar por) para os resultados!

No entanto, se você quiser usá-lo juntamente com o PostGIS, agora é realmente fácil. Basta seguir estas instruções .

A parte relevante é esta:

SELECT name, gid
FROM geonames
ORDER BY geom <-> st_setsrid(st_makepoint(-90,40),4326)
LIMIT 10;

Mas não aceite minha palavra. Time it yourself :)

Com o PostGIS 2.0 no PostgreSQL 9.1, você pode usar o operador vizinho mais próximo indexado pelo KNN , por exemplo:

SELECT *, geom <-> ST_MakePoint(-90, 40) AS distance
FROM table
ORDER BY geom <-> ST_MakePoint(-90, 40)
LIMIT 20 OFFSET 0;

O acima deve consultar dentro de alguns milissegundos.

Para os próximos múltiplos de 20, modificar a OFFSET 20, OFFSET 40, etc ...

MySQL Spatial

Todo mundo aqui está lhe dizendo como fazer isso com o PostgreSQL usando o KNN, sem lhe dizer as vantagens. Usando o MySQL, você não pode determinar o vizinho mais próximo sem calcular a distância para todos os vizinhos. Isso é extremamente lento. Com o PostgreSQL, isso pode ser feito em um índice. Nem o MySQL nem o MariaDB atualmente suportam o KNN