GeoHash：GeoHash是一種將二維的經緯度轉換成字符串的方法。
原出處：http://www.cnblogs.com/LBSer/p/3310455.html
運用：mongoDB使用geoHash對二維經緯度座標索引轉換爲可排序的一維索引，從而可以使用B樹類似的二分查找的方式對其進行相關的搜索查詢。
如：用戶在地圖上搜索附近幾百米內的飯館位置。
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，同時在大部分情況下，字符串前綴匹配越多的距離越近。
因此，geoHash做了下列幾個動作：
1）GeoHash將二維的經緯度轉換成字符串。
2）字符串越長，表示的範圍越精確。
3）字符串相似的表示距離相近（大部分情況下是的），可以利用字符串的前綴匹配來查詢附近的POI信息點。
因此可以使用geoHash執行2維座標轉1維字符串，且轉化後的字符串可排序，通過匹配前綴來進行附近搜索。
geoHash的編碼方法：逼近編碼。
如：北海公園座標 緯度：39.928167 經度：116.389550
1.對緯度執行類似二分法編碼。
- 將【-90,90】分爲左右兩部分，【-90,0】左區間和【0,90】右區間，39.928167在右區間範圍，賦值1。
- 然後將【0,90】分爲左右兩個區間，【0,45】左區間和【45,90】右區間，39.928167屬於左區間，賦值0。
- 以此類推，隨着算法的進行會產生一個序列10111 00011，序列的長度跟給定的區間劃分次數有關。
2.對經度執行類似的二分法編碼，序列：11010 01011。
3.組碼。
- 將經度算出的序列與緯度算出的序列進行組合，偶數位放經度，奇數位放緯度，把2串編碼組合生成新串：11100 11101 00100 01111。
- 使用0-9、b-z（去掉a, i, l, o）這32個字母進行base32編碼，首先將11100 11101 00100 01111轉成十進制，對應着28、29、4、15，十進制對應的編碼就是wx4g。
- 同理，將編碼轉換成經緯度的解碼算法與之相反，具體不再贅述。
GeoHash Base32編碼長度與精度
詳情見下表： 摘自維基百科：http://en.wikipedia.org/wiki/Geohash
GeoHash算法爲什麼可以實現有序編碼
爲什麼分別給經度和維度編碼？爲什麼需要將經緯度兩串編碼交叉組合成一串編碼？
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。爲什麼GeoHash不選擇Hilbert空間填充曲線呢？可能是Peano曲線思路以及計算上比較簡單吧，事實上，Peano曲線就是一種四叉樹線性編碼方式。
使用注意點
1）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。
2）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。
3）geohash只是空間索引的一種方式，特別適合點數據，而對線、面數據採用R樹索引更有優勢（可參考：深入淺出空間索引：爲什麼需要空間索引）。