geohash和geohash聚合

Geohash原理

GeoHash本质上是空间索引的一种方式，其基本原理是将地球理解为
一个二维平面，将平面递归分解成更小的子块，每个子块在一定经纬
度范围内拥有相同的编码。以GeoHash方式建立空间索引，可以提高
对空间poi数据进行经纬度检索的效率。

认识Geohash

GeoHash将二维的经纬度转换成字符串，比如下图展示了北京9个区
域的GeoHash字符串，分别是WX4ER，WX4G2、WX4G3等等，每
一个字符串代表了某一矩形区域。也就是说，这个矩形区域内所有的
点（经纬度座标）都共享相同的GeoHash字符串，这样既可以保护隐
私（只表示大概区域位置而不是具体的点），又比较容易做缓存。
--------------------------------------
Geohash编码中，字符串相似的表示距离相近（特殊情况后文阐

述），这样可以利用字符串的前缀匹配来查询附近的POI信息。如下

两个图所示，一个在城区，一个在郊区，城区的GeoHash字符串之间

比较相似，郊区的字符串之间也比较相似，而城区和郊区的GeoHash

字符串相似程度要低些。此外，不同的编码长度，表示不同的范围区

间，字符串越长，表示的范围越精确。

GeoHash算法

以经纬度值：（116.389550， 39.928167）进行算法说明，对纬度39.928167进行逼近编码 (地球纬度区间是[-90,90]

a、 区间[-90,90]进行二分为[-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

b、 接着将区间[0,90]进行二分为 [0,45),[45,90]，可以确定39.928167属于左区间 [0,45)，给标记为0

c、 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

d、 如果给定的纬度x（39.928167）属于左区间，则记录0，如果属于右区间则记录1，序列的长度跟给定的区间划分次数有关，如下图

e、 同理，地球经度区间是[-180,180]，可以对经度116.389550进行编码。通过上述计算， 纬度产生的编码为1 1 0 1 0 0 1 0 1 1 0 0 0 1 0，经度产生的编码为1 0 1 1 1 0 0 0 1 1 0 0 0 1 1

f、 合并：偶数位放经度，奇数位放纬度，把2串编码组合生成新串如下图

g、 首先将11100 11101 00100 01111 0000 01101转成十进制，对应着28、29、4、15，0，13 十进制对应的base32编码就是wx4g0e,如下图.
——
h、同理，将编码转换成经纬度的解码算法与之相反

GeoHash原理

Geohash其实就是将整个地图或者某个分割所得的区域进行一次划

分，由于采用的是base32编码方式，即Geohash中的每一个字母或者

数字（如wx4g0e中的w）都是由5bits组成（2^5 = 32，base32），这

5bits可以有32中不同的组合（0~31），这样我们可以将整个地图区域

分为32个区域，通过00000 ~ 11111来标识这32个区域。第一次对地图

划分后的情况如下图所示（每个区域中的编号对应于该区域所对应的

编码）。
——
Geohash的0、1串序列是经度0、1序列和纬度0、1序列中的数字交替

进行排列的，偶数位对应的序列为经度序列，奇数位对应的序列为纬

度序列，在进行第一次划分时，Geohash0、1序列中的前5个

bits（11100），那么这5bits中有3bits是表示经度，2bits表示纬度，所

以第一次划分时，是将经度划分成8个区段（2^3 = 8），将纬度划分

为4个区段（2^2 = 4），这样就形成了32个区域。如下图
------------
同理，可以按照第一次划分所采用的方式对第一次划分所得的32个区

域各自再次划分。

Geohash特点

Geohash 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。

GeoHash缺陷

z阶曲线

上图就是 Z 阶曲线。这个曲线比较简单，生成它也比较容易，只需要把每个 Z 首尾相连即可。

Z 阶曲线同样可以扩展到三维空间。只要 Z 形状足够小并且足够密，也能填满整个三维空间。

如图所示，我们将二进制编码的结果填写到空间中，当将空间划分为四块时候，编码的顺序分别是左下角00，左上角01，右下脚10，右上角11，也就是类似于Z的曲线，当我们递归的将各个块分解成更小的子块时，编码的顺序是自相似的（分形），每一个子快也形成Z曲线，这种类型的曲线被称为Peano空间填充曲线。

这种类型的空间填充曲线的优点是将二维空间转换成一维曲线（事实上是分形维），对大部分而言，编码相似的距离也相近，但Peano空间填充曲线最大的缺点就是突变性，有些编码相邻但距离却相差很远，比如0111与1000，编码是相邻的，但距离相差很大。

除Peano空间填充曲线外，还有很多空间填充曲线，如图所示，其中效果公认较好是Hilbert空间填充曲线，相较于Peano曲线而言，Hilbert曲线没有较大的突变。但是由于Peano曲线实现更加简单，在使用的时候配合一定的解决手段，可以很好的满足大部分需求，因此TD内部Geohash算法采用的是Peano空间填充曲线。

使用注意点

a、 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POI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。

b、 我们已经知道现有的GeoHash算法使用的是Peano空间填充曲线，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，因此在查询附近餐馆时候，首先筛选GeoHash编码相似的POI点，然后进行实际距离计算。

c、 GeoHash Base32编码长度与精度。可以看出，当geohash base32编码长度为8时，精度在19米左右，而当编码长度为9时，精度在2米左右，编码长度需要根据数据情况进行选择。
----------------

Geohash单元聚合器

一个查询返回的结果集中可能包含很多的点，以至于不能在地图上全

部单独显示。 geohash单元聚合器可以按照你指定的精度计算每个点

的geohash并将相邻的点聚合到一起。

返回结果是一个个单元格，每个单元格对应一个可以在地图上展示的 geohash。 通过改变 geohash 的精度，你可以统计全球、某个国家，或者一个城市级别的综述信息。

聚合结果是稀疏（sparse）的，因为它只返回包含了文档集合的单元。 如果你的geohash精度太细，导致生成了太多的结果集，它默认只会返回包含结果最多的10000个单元 – 它们包含了大部分文档集合。 然后，为了找出这排在前10000的单元，它还是需要先生成所有的结果集。 你可以通过如下方式控制生成的单元的数目：

• 使用一个矩形过滤器来限制结果集。
• 对应该矩形，选择一个合适的精度。