什么是geohash？它的原理是什么？它帮助我们解决了哪些痛点，本文为你娓娓道来。
（本文包含以下内容，阅读完需要约10分钟）
- 我们日常生活中遇到哪些定位的场景
- 简单复习一下经纬度
- geohash原理解析
- geohash存在的边界问题
- 如何解决边界问题
- 计算两点距离的计算
我们日常生活中遇到哪些定位的场景
我们上下班经常会用APP打车和共享单车，下面2张图，应该都很熟悉，打开定位，查找我附近的车，那么，这个是怎么实现的呢？
我脑海中第一个实现方式是：实时上报经纬度。在数据库里，把经纬度都标记为索引，通过查找对比经纬度的值，来找到附近1km的车子，但是这种做法第一是索引比较多，数值比较大，二是需要循环遍历经纬度，查询会很慢，效率很低。
那么，这些APP是怎么做到，既能精准定位，又能快速查找呢？答案就是 geohash
geohash通过算法将1个定位的经度和纬度2个数值，转换成1个hash字符串。如果2个地方距离越近，那么他们的hash值的前缀越相同。然后通过数据库中like操作符 “ like wtw366%” 快速查找到附近的车。
比如上海腾讯大厦的经纬度是： （31.1688749, 121.3975184），那么转换成geohash就是 wtw366ngz5qt，我们想找附近的车子，可以用：
1 | select * from cart where geohash like 'wtw366%' ; |
简单复习一下经纬度
在大致了解什么是geohash之后，我们先来复习一下什么是经纬度（高中学的，可能已经忘记光了（逃）），这对于理解geohash有很大的帮助。
我们将地球铺平开来，会得到下面这个平面图。
以赤道和本初子午线为界，将地球分为经度和纬度。赤道是在0度，本初子午线也在0度。以赤道作为经度X横坐标，以本初子午线作为纬度 Y 竖坐标。
经度（longitude）和纬度（latitude）简称 lng 和 lat。
其中，从本初子午线向东划分180度称为东经，用”E”表示：（0, 180]；向西划分180度为西经,用“W”表示：[-180, 0）
以赤道为0度,向南北各分出90度，南北极的读数均是90度，北纬用“N”表示 :（0, 90] ，南纬用“S”表示: [-90, 0）
1 | 纬线和纬线是角度数值，并不是米。 |
所以，我们常用十字坐标法来表示经纬度坐标图：
我们一般读“经纬度”，其实，表示一个定位的书面经纬度是 “（纬度，经度）”。
比如上海腾讯大厦的定位就是： (31.1688749, 121.3975184）表示的是：纬度=31.1688749，经度=121.3975184
geohash原理解析
在了解什么是经纬度之后，现在我们就可以开始来说下geohash的原理了，geohash通过以下步骤，实现了将一个经纬度数子串，转换成1个hash字符串。
- 指定一个位置的经纬度坐标值。
- 根据十字坐标图和二分法，将纬度和经度划分成1和0的二进制数字串。
- 按照“偶数位放经度，奇数位放纬度”算法，合并经度和纬度这2个二进制数字串。
- 合并后的二进制数字串，按照从前往后，每隔5位，换算成十进制数字，最后不足5位的用0补齐。
- 十进制数字，对应base32字符串算法的所在位置，一一匹配，得到了最后的字符串结果。
- 按照进度划分截取，得到最终的geohash值。
我们按照这个顺序，结合实际的例子，依次计算操作一下。
找出一个位置的经纬度
我们可以用各种地图和定位工具，比如依靠Google地图，通过定位或者搜索一个地点，就容易找出经纬度。
这样，我们就找出了上海腾讯大厦的经纬度是 (31.1688749, 121.3975184)
将经纬度按照二分算法变成01二进制
- 由于31.1688749属于(0, 90)，所以取编码为1。
- 然后再将(0, 90)分成 (0, 45), (45, 90)两个区间，而31.1688749位于(0, 45)，所以编码为0。
- 然后再将(0, 45)分成 (0, 22.5), (22.5, 45)两个区间，而31.1688749位于(22.5, 45)，所以编码为1。
….
….
依次类推可得上海腾讯大厦纬度编码为：经度也用同样的算法，对(-180, 180)依次细分，(-180，0)、(0,180) ，得出编码为：1
101011000101010000111101101101
1
110101100101001110111110011010
偶数位放经度，奇数位放纬度
通过二分算法，我们得到了腾讯大厦的纬度和经度的二级制串为：
1 | string(30) "101011000101010000111101101101" |
现在需要按照”偶数位放经度，奇数位放纬度”，将这2个数字串，合二为一。那么这个到底怎么理解呢？我刚开始不理解到底怎么操作，后来经过一系列的思考，可以如下操作：
由于无法用文字表述，我截了个操作图，如图上的箭头操作顺序所示，就是把纬度往右移动一个位置，然后依次串起来。
这样，合并之后，我们得了一个60个字符长度的的二进制数字串：
1 | string(60) "111001100111100000110011000110101000111111111001011011011001" |
二进制转换成十进制
我们把这个60位的二进制，按照从左往右，每5位划分成1个组，最后一组如果不足5位就用0补齐到5位。划分后如下所示：
1 | 11100 11001 11100 00011 00110 00110 10100 01111 11111 00101 10110 11001 |
然后，把分好的二进制，转换成十进制：
1 | 28 25 28 3 6 6 20 15 31 5 22 25 |
匹配对应base32表算法的所在位置
base32表是用0-9、b-z（去掉a, i, l, o）这32个字母进行组合的编码集合，base-32如下所示：0123456789bcdefghjkmnpqrstuvwxyz
为了更好理解和一一对应，我们把base32各个字符的位置信息和它的字符串用表对应起来：
所以， 28 25 28 3 6 6 20 15 31 5 22 25 对应上面的表的位置就得到了，是：
1 | wtw366ngz5qt |
这样，最后我们得到了，上海腾讯大厦的经纬度（31.1688749, 121.3975184） 对应的 geohash 为 wtw366ngz5qt。
geohash 的精度问题
geohash其实表示的是一个矩形的块状区间，它总共分成最大12个字符串，也就是表示从 1-12 级。字符数越大，块区间就越小，那么定位就越精准。
我们刚才计算上海腾讯大厦的geohash采用的是12级，基本计算出来的位置就是毫秒级别了，可以说是非常的精准了。
上面是geohash字符串长度对应的区间精度，我们可以看到，当geohash为12位时，表示是37毫米范围的区间，已经是非常的精准了。当geohash为6位时，表示为1.2k米范围内的矩形位置。
所以，当2个定位的geohash 前7位是一样的时，表示他们在附近1.2km的范围内。
那我们还是用腾讯大厦的geohash值，分别截取经度为前7，6，5位看看，在地图上是怎么样的：
所以，根据上面的图，随着字符越来越少，精度越来越小，这个矩形也越来越大，这一整块区间都共用一个geohash来表示。在实际应用中，我们就可以动态的调整精度，实现更大或者更小范围内的搜索，既能精准定位，又可以隐藏住一个地点的具区位信息。
geohash存在的边界问题
由于geohash表示的是一个区块信息，在同一个区块里的2个位置，它会认为是最近的，然而，其实更近的位置可能刚好在另一个区间，这样就造成了不匹配的问题。这就存在一个边界问题。
我们用实际例子来看。我们想找腾大附近1.5km范围内的便利店，我们选取geohash精度为6。园区有2家 A 和 B。B距离我们更近一点，但是，由于A 和腾大在一个hash区块内，所以，就得出了A是最佳的选择。这就是边界的问题。
如何解决边界问题
那么如何解决这个边界问题，给出最近最优的算法方案呢？答案就是：把定位附近的8个方向的geohash都算出来。最后分别计算这些点和自己的距离（由于范围很小，点的数量就也很少，计算量就很少）过滤掉不满足条件的点就ok了。
计算两点距离的计算
通过余弦定理以及弧度计算方法，最终推导出来的算式A为：
1 | $s = acos(cos($radLat1) * cos($radLat2) * cos($radLng1 - $radLng2) + sin($radLat1) * sin($radLat2)) * $R |
目前大多使用的是Google公开的距离计算公司，推导算式B为：
1 | $s = 2*asin(sqrt(pow(sin(($radLat1-$radLat2)/2),2)+cos($radLat1)*cos($radLat2)*pow(sin(($radLng1-$radLng2)/2),2)))*$R; |
其中 : $radLat1、$radLng1，$radLat2，$``radLng2 为弧度$R为地球半径
