1.Geohash 算法简介

Geohash 是一种地理编码，由 Gustavo Niemeyer 发明的。它是一种分级的数据结构，把空间划分为网格。Geohash 属于空间填充曲线中的 Z 阶曲线（Z-order curve）的实际应用。

Geohash 能够提供任意精度的分段级别。一般分级从 1-12 级。

我们可以利用 Geohash 的字符串长短来决定要划分区域的大小。这个对应关系可以参考上面表格里面 cell 的宽和高。一旦选定 cell 的宽和高，那么 Geohash 字符串的长度就确定下来了。这样我们就把地图分成了一个个的矩形区域了。

地图上虽然把区域划分好了，但是还有一个问题没有解决，那就是如何快速的查找一个点附近邻近的点和区域呢？

Geohash 有一个和 Z 阶曲线相关的性质，那就是一个点附近的地方(但不绝对) hash 字符串总是有公共前缀，并且公共前缀的长度越长，这两个点距离越近。

由于这个特性，Geohash 就常常被用来作为唯一标识符。用在数据库里面可用 Geohash 来表示一个点。Geohash 这个公共前缀的特性就可以用来快速的进行邻近点的搜索。越接近的点通常和目标点的 Geohash 字符串公共前缀越长（但是这不一定，也有特殊情况，下面举例会说明）

geohash各级别误差：

Geohash 也有几种编码形式，常见的有2种，base 32 和 base 36。
base32编码：是用0-9、b-z（去掉a, i, l, o）这32个字母进行编码。（一般选32）

base 36 的版本对大小写敏感，用了36个字符，“23456789bBCdDFgGhHjJKlLMnNPqQrRtTVWX”。

2.为什么要使用GeoHash

需求：地图app 界面上会显示出自己附近一个范围内可用的出租车或者共享单车。假设地图上会显示以自己为圆心，5公里为半径，这个范围内的车。如何实现呢？
查询数据库所有的车的位置信息，计算出与自己的距离，筛选出距离小于等于5公里的，然后再推数据界面显示，非常耗时。

如果采用geoHash，只用模糊查询自身点的geohash编码的前几位，来模糊查询附近的geohash点，再关联该点的出租车或共享单车。以存geohash的字段建立索引，加快查询效率。

3.Geohash 实际应用举例

地图中间有一个美罗城，假设需要查询距离美罗城最近的餐馆，该如何查询？

第一步我们需要把地图网格化，利用 geohash。通过查表，我们选取字符串长度为6的矩形来网格化这张地图。

经过查询，美罗城的经纬度是[31.1932993, 121.43960190000007]。

先处理纬度。地球的纬度区间是[-90,90]。把这个区间分为2部分，即[-90,0)，[0,90]。31.1932993位于(0,90]区间，即右区间，标记为1。然后继续把(0,90]区间二分，分为[0,45)，[45,90]，31.1932993位于[0,45)区间，即左区间，标记为0。一直划分下去。

再处理经度，一样的处理方式。地球经度区间是[-180,180]

纬度产生的二进制是101011000101110，经度产生的二进制是110101100101101，按照“偶数位放经度，奇数位放纬度”的规则，重新组合经度和纬度的二进制串，生成新的：111001100111100000110011110110，最后一步就是把这个最终的字符串转换成字符，对应需要查找 base-32 的表。11100 11001 11100 00011 00111 10110转换成十进制是 28 25 28 3 7 22，查表编码得到最终结果，wtw37q。

4.Geohash 具体代码实现

实现思路：
1.经纬度，按照[-90,90]，[-180,180]逐渐二分，在左区间为0，在右区间为1，得到二进制编码，具体要得到多少位的二进制，看选取的精度，5位二进制对应1位geoHash，一般选8位的geoHash，所以经纬度单独编码为20位
2.合并经纬度，偶数位放经度，奇数位放纬度，注意第一位是0，放偶数，简单理解，经度纬度经度纬度…叠加
3.每5位对应以为base32编码，转译一下就得到了GeoHash编码
GeoHash转经纬度，反之即可，只是geohash代码的是一块区域，转换后的经纬度是区域的中心点的经纬度。

geoHash实现的样例代码参考另一篇博文：
java代码实现

5.Geohash 使用注意点

由于GeoHash是将区域划分为一个个规则矩形，并对每个矩形进行编码，这样在查询附近信息时会导致以下问题，比如红色的点是我们的位置，绿色的两个点分别是附近的两个餐馆，但是在查询的时候会发现距离较远餐馆的GeoHash编码与我们一样（因为在同一个GeoHash区域块上），而较近餐馆的GeoHash编码与我们不一致。这个问题往往产生在边界处。

解决的思路很简单，我们查询时，除了使用定位点的GeoHash编码进行匹配外，还使用周围8个区域的GeoHash编码，这样可以避免这个问题。