用友iUAP技术讲堂：GeoHash算法解析

信息检索的过程，排序是非常重要的一个环节，传统的一维数据排序，往往采用B树索引排序，它要求数据类型是可排序的，比如整型、字符串、浮点型数据;而对于二维的地理位置，B树索引便无能为力了，GeoHash便是为了解决二维地理位置排序而出现的一套算法技术。

由于二维坐标不可排序，GeoHash解决此问题的思路是将二维数据转换为一维数据。GeoHash将二维的经纬度转换转换为字符串，每个字符串不是代表一个点，而是代表了一个矩形区域，这个矩形区域内的所有点都享有共同的GeoHash位置信息。GeoHash位置有如下4个特点：字符串长度与位置精度对应;字符串相近表示距离相近，这样有利于使用字符串匹配来进行附近信息查询;由于位置表示的是一个矩形区域，有利于隐私信息保护;点在位置所表示的矩形区域内移动，位置信息不变，这样有利于做数据的缓存。

GeoHash仅仅通过一个字符串来表示位置信息，GeoHash字符串的产生是通过确定的算法计算得来的。GeoHash有多种算法，算法根据空间曲线填充方式来确定。目前常用的几种空间曲线有3种：Peano曲线、Hilbert曲线、Z-order曲线。下面以Peano曲线来说明GeoHash字符串的计算方式，步骤可分为：二进制转换、组码、base32编码。

二进制转换：以GPS坐标(39.928167, 116.389550)来计算。下面是经度的计算步骤：

1)将纬度区间[-90,90]二分为[-90,0),[0,90](称为左右区间)，可以确定39.928167属于右区间[0,90]，给标记为1;

2)继续将区间[0,90]二分为 [0,45),[45,90]，可以确定39.928167属于左区间 [0,45)，给标记为0;

3)递归上述过程，39.928167总是属于某个区间[a,b]。随着每次迭代区间[a,b]总在缩小，并越来越逼近39.928167;给定的纬度x(39.928167)属于左区间，则记录0，如果属于右区间则记录1，这样随着算法的进行会产生一个序列10111 00011，序列的长度跟给定的区间划分次数有关，划分次数依需求精度而定。经度的计算方式与维度类似，产生序列11010 01011。

组码：将维度和经度产生的序列依次交叉组合，偶数位放经度，奇数位放偶数，生成新的二进制序列：11100 11101 00100 01111。

base32编码：首先将11100 11101 00100 01111转成十进制，对应着28、29、4、15，十进制对应的编码就是wx4g。wx4g既是需要的GeoHash字符串。

GeoHash将二维坐标信息转换成了一维的字符串，实现了距离的排序，可以应用于LBS检索过程。比如检索天安门附近的餐厅，可以先将天安门的坐标转换为GeoHash字符串(w34g6f7k)，然后通过数据库模糊来对查询数据的位置信息进行限制(比如SQL可使用like ‘w34g6f%’来实现)，查询范围可以通过字符串的长度来进行控制，如果要扩大查询范围，则只需去掉末位字符缩短字符串长度。

实际业务中使用GeoHash算法时，可能会出现以下几个问题：

1.由于GeoHash将矩形区域编码为一个字符串，这会导致以矩形边界上的点为中心时，可能距离很近的信息却在不同的矩形区域里。这个问题可以通过手动扩大查找范围来优化。

2.GeoHash算法使用了空间填充曲线，这种曲线会导致矩形编码突变，使附近信息查询不能完全依靠模糊匹配进行。这个问题，可以通过手动计算周围8个矩形区域，然后通过绝对匹配来解决。

3.GeoHash不能计算距离，这对距离要求较高或要求直接显示距离的业务无能为力，这时可以将GeoHash视为缩小查询范围的辅助工具，距离的计算采用其他的方式(比如SQL计算)。