GeoHash简介

现在很多APP都有搜索附近的功能，比如附近的人、附近的店铺等。要实现这样的功能，我们可以用最笨的方法：根据经纬度计算距离，然后划定一个阈值，只要小于该阈值就算是附近的。这种方法在数据量小时基本没问题，但是，如果数据量特别大，那服务器就需要进行大量的计算，负担很重！为了解决这一类问题，一个比较常用的方法就是利用GeoHash。
一、简介
GeoHash是一种地址编码方法。他能够把二维的空间经纬度数据编码成一个字符串。GeoHash具有以下特点：
1、GeoHash用一个字符串表示经度和纬度两个坐标。在数据库中可以实现在一列上应用索引
2、GeoHash表示的并不是一个点，而是一个区域；
3、GeoHash编码的前缀可以表示更大的区域。例如wx4g0ec1，它的前缀wx4g0e表示包含编码wx4g0ec1在内的更大范围。 这个特性可以用于附近地点搜索
二、计算方法：
GeoHash的计算过程分为三步：
1、将经纬度转换成二进制：
比如这样一个点（39.923201, 116.390705）
纬度的范围是（-90，90），其中间值为0。对于纬度39.923201，在区间（0，90）中，因此得到一个1；（0，90）区间的中间值为45度，纬度39.923201小于45，因此得到一个0，依次计算下去，即可得到纬度的二进制表示，如下表：

最后得到纬度的二进制表示为：
10111000110001111001
同理可以得到经度116.390705的二进制表示为：
11010010110001000100
2、合并纬度、经度的二进制：
合并方法是将经度、纬度二进制按照奇偶位合并：
11100 11101 00100 01111 00000 01101 01011 00001
3、按照Base32进行编码：
Base32编码表（其中一种）：

将上述合并后二进制编码后结果为：
wx4g0ec1
三、GeoHash的精度

编码越长，表示的范围越小，位置也越精确。因此我们就可以通过比较GeoHash匹配的位数来判断两个点之间的大概距离。
四、不足之处及解决方法
1、边缘附近的点，黄色的点要比黑色的点更加靠近红点，但是由于黑点跟红点的GeoHash前缀匹配数目更多，因此得到黑点更加靠近红点的结果

解决方法：
可以通过筛选周围8个区域内的所有点，然后计算距离得到满足条件结果。
2、因为现有的GeoHash算法使用的是Peano空间填充曲线（可感兴趣的可自己查看），这种曲线会产生突变，造成了编码虽然相似但距离可能相差很大的问题，因此在查询附近的时候，首先筛选GeoHash编码相似的点，然后进行实际距离计算。