使用余弦球定律按Django中的接近度过滤邮政编码

Question

我正在尝试为Django中的基本商店定位器处理邻近搜索。我不想在我的应用中随身携带PostGIS，而是可以使用GeoDjango的距离过滤器，而是想在模型查询中使用余弦球法则距离公式。为了提高效率，我希望所有计算都可以在一个查询中在数据库中完成。

一个来自Internet的MySQL查询示例，实现了余弦的球形定律，如下所示：

SELECT id, ( 
    3959 * acos( cos( radians(37) ) * cos( radians( lat ) ) * 
    cos( radians( lng ) - radians(-122) ) + sin( radians(37) ) * 
    sin( radians( lat ) ) ) 
) 
AS distance FROM stores HAVING distance < 25 ORDER BY distance LIMIT 0 , 20;

该查询需要引用每个商店的经/纬度值的邮政编码外键。如何在Django模型查询中完成所有这些工作？

Answer 1

有可能在Django中执行原始SQL查询。

我的建议是，编写查询以提取ID列表（看起来像您现在正在执行的操作），然后使用ID提取关联的模型（在常规的非原始SQL
Django查询中）。尝试使您的SQL尽可能独立于方言，这样一来，即使您必须切换数据库，也不必担心另一件事。

为了澄清，这是一个如何做的例子：

def get_models_within_25 (self):
    from django.db import connection, transaction
    cursor = connection.cursor()

    cursor.execute("""SELECT id, ( 
        3959 * acos( cos( radians(37) ) * cos( radians( lat ) ) * 
        cos( radians( lng ) - radians(-122) ) + sin( radians(37) ) * 
        sin( radians( lat ) ) ) )
        AS distance FROM stores HAVING distance < 25
        ORDER BY distance LIMIT 0 , 20;""")
    ids = [row[0] for row in cursor.fetchall()]

    return MyModel.filter(id__in=ids)

作为免责声明，我不能保证这段代码，因为我编写任何Django已有几个月的时间了，但是它应该遵循正确的原则。