geohash和geohash聚合

Geohash原理

GeoHash本質上是空間索引的一種方式，其基本原理是將地球理解爲
一個二維平面，將平面遞歸分解成更小的子塊，每個子塊在一定經緯
度範圍內擁有相同的編碼。以GeoHash方式建立空間索引，可以提高
對空間poi數據進行經緯度檢索的效率。

認識Geohash

GeoHash將二維的經緯度轉換成字符串，比如下圖展示了北京9個區
域的GeoHash字符串，分別是WX4ER，WX4G2、WX4G3等等，每
一個字符串代表了某一矩形區域。也就是說，這個矩形區域內所有的
點（經緯度座標）都共享相同的GeoHash字符串，這樣既可以保護隱
私（只表示大概區域位置而不是具體的點），又比較容易做緩存。
--------------------------------------
Geohash編碼中，字符串相似的表示距離相近（特殊情況後文闡

述），這樣可以利用字符串的前綴匹配來查詢附近的POI信息。如下

兩個圖所示，一個在城區，一個在郊區，城區的GeoHash字符串之間

比較相似，郊區的字符串之間也比較相似，而城區和郊區的GeoHash

字符串相似程度要低些。此外，不同的編碼長度，表示不同的範圍區

間，字符串越長，表示的範圍越精確。

GeoHash算法

以經緯度值：（116.389550， 39.928167）進行算法說明，對緯度39.928167進行逼近編碼 (地球緯度區間是[-90,90]

a、 區間[-90,90]進行二分爲[-90,0),[0,90]，稱爲左右區間，可以確定39.928167屬於右區間[0,90]，給標記爲1

b、 接着將區間[0,90]進行二分爲 [0,45),[45,90]，可以確定39.928167屬於左區間 [0,45)，給標記爲0

c、 遞歸上述過程39.928167總是屬於某個區間[a,b]。隨着每次迭代區間[a,b]總在縮小，並越來越逼近39.928167

d、 如果給定的緯度x（39.928167）屬於左區間，則記錄0，如果屬於右區間則記錄1，序列的長度跟給定的區間劃分次數有關，如下圖

e、 同理，地球經度區間是[-180,180]，可以對經度116.389550進行編碼。通過上述計算， 緯度產生的編碼爲1 1 0 1 0 0 1 0 1 1 0 0 0 1 0，經度產生的編碼爲1 0 1 1 1 0 0 0 1 1 0 0 0 1 1

f、 合併：偶數位放經度，奇數位放緯度，把2串編碼組合生成新串如下圖

g、 首先將11100 11101 00100 01111 0000 01101轉成十進制，對應着28、29、4、15，0，13 十進制對應的base32編碼就是wx4g0e,如下圖.
——
h、同理，將編碼轉換成經緯度的解碼算法與之相反

GeoHash原理

Geohash其實就是將整個地圖或者某個分割所得的區域進行一次劃

分，由於採用的是base32編碼方式，即Geohash中的每一個字母或者

數字（如wx4g0e中的w）都是由5bits組成（2^5 = 32，base32），這

5bits可以有32中不同的組合（0~31），這樣我們可以將整個地圖區域

分爲32個區域，通過00000 ~ 11111來標識這32個區域。第一次對地圖

劃分後的情況如下圖所示（每個區域中的編號對應於該區域所對應的

編碼）。
——
Geohash的0、1串序列是經度0、1序列和緯度0、1序列中的數字交替

進行排列的，偶數位對應的序列爲經度序列，奇數位對應的序列爲緯

度序列，在進行第一次劃分時，Geohash0、1序列中的前5個

bits（11100），那麼這5bits中有3bits是表示經度，2bits表示緯度，所

以第一次劃分時，是將經度劃分成8個區段（2^3 = 8），將緯度劃分

爲4個區段（2^2 = 4），這樣就形成了32個區域。如下圖
------------
同理，可以按照第一次劃分所採用的方式對第一次劃分所得的32個區

域各自再次劃分。

Geohash特點

Geohash 一個點附近的地方(但不絕對) hash 字符串總是有公共前

綴，並且公共前綴的長度越長，這兩個點距離越近。

GeoHash缺陷

z階曲線

上圖就是 Z 階曲線。這個曲線比較簡單，生成它也比較容易，只需要把每個 Z 首尾相連即可。

Z 階曲線同樣可以擴展到三維空間。只要 Z 形狀足夠小並且足夠密，也能填滿整個三維空間。

如圖所示，我們將二進制編碼的結果填寫到空間中，當將空間劃分爲四塊時候，編碼的順序分別是左下角00，左上角01，右下腳10，右上角11，也就是類似於Z的曲線，當我們遞歸的將各個塊分解成更小的子塊時，編碼的順序是自相似的（分形），每一個子快也形成Z曲線，這種類型的曲線被稱爲Peano空間填充曲線。

這種類型的空間填充曲線的優點是將二維空間轉換成一維曲線（事實上是分形維），對大部分而言，編碼相似的距離也相近，但Peano空間填充曲線最大的缺點就是突變性，有些編碼相鄰但距離卻相差很遠，比如0111與1000，編碼是相鄰的，但距離相差很大。

除Peano空間填充曲線外，還有很多空間填充曲線，如圖所示，其中效果公認較好是Hilbert空間填充曲線，相較於Peano曲線而言，Hilbert曲線沒有較大的突變。但是由於Peano曲線實現更加簡單，在使用的時候配合一定的解決手段，可以很好的滿足大部分需求，因此TD內部Geohash算法採用的是Peano空間填充曲線。

使用注意點

a、 由於GeoHash是將區域劃分爲一個個規則矩形，並對每個矩形進行編碼，這樣在查詢附近POI信息時會導致以下問題，比如紅色的點是我們的位置，綠色的兩個點分別是附近的兩個餐館，但是在查詢的時候會發現距離較遠餐館的GeoHash編碼與我們一樣（因爲在同一個GeoHash區域塊上），而較近餐館的GeoHash編碼與我們不一致。這個問題往往產生在邊界處。
--------------------------------------------------
解決的思路很簡單，我們查詢時，除了使用定位點的GeoHash編碼進行匹配外，還使用周圍8個區域的GeoHash編碼，這樣可以避免這個問題。

b、 我們已經知道現有的GeoHash算法使用的是Peano空間填充曲線，這種曲線會產生突變，造成了編碼雖然相似但距離可能相差很大的問題，因此在查詢附近餐館時候，首先篩選GeoHash編碼相似的POI點，然後進行實際距離計算。

c、 GeoHash Base32編碼長度與精度。可以看出，當geohash base32編碼長度爲8時，精度在19米左右，而當編碼長度爲9時，精度在2米左右，編碼長度需要根據數據情況進行選擇。
----------------

Geohash單元聚合器

一個查詢返回的結果集中可能包含很多的點，以至於不能在地圖上全

部單獨顯示。 geohash單元聚合器可以按照你指定的精度計算每個點

的geohash並將相鄰的點聚合到一起。

返回結果是一個個單元格，每個單元格對應一個可以在地圖上展示的 geohash。 通過改變 geohash 的精度，你可以統計全球、某個國家，或者一個城市級別的綜述信息。

聚合結果是稀疏（sparse）的，因爲它只返回包含了文檔集合的單元。 如果你的geohash精度太細，導致生成了太多的結果集，它默認只會返回包含結果最多的10000個單元 – 它們包含了大部分文檔集合。 然後，爲了找出這排在前10000的單元，它還是需要先生成所有的結果集。 你可以通過如下方式控制生成的單元的數目：

• 使用一個矩形過濾器來限制結果集。
• 對應該矩形，選擇一個合適的精度。