geohash: 一个实用的geocoding方法-优快云博客

本文介绍了如何通过GeoHash算法来简化地理位置数据，并实现快速检索附近地点的功能。文章详细解释了GeoHash编码过程及其优势，同时指出了其在边缘情况下的不足。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

这年头和 location 相关的应用越来越火。从 foursquare 的热闹程度就可见一般（什么，没听过 foursquare…. 哥们，你 out 了）。和 location 有关的应用一般都包括一些共同的操作，最常见的一个，就是找附近的东东（餐馆，商店 …. ）。

所以，这里就抛出了一个问题，怎样才能知道两个物体离得近呢？

我之前转过一篇 blog ，是关于用 cellid进行定位的，当然，这种方法是在不得已的情况下才使用，比如得不到 gps 。这里，我们假设可以拿到两个物体的 gps 数据，所以一个最直观的办法，计算两个 gps 点的直线距离。当然，这个计算不精确，不要忘了，地球是圆的，所以两个 gps 点之间的距离应该是一个弧线。上网搜一下，应该能找到一个复杂的公式，专门用来计算这个弧长。

对于两个点来说，上述的方法就够用了。当如果有很多个点呢，难道要我计算两两之间的距离么？

这个问题属于 spatial data indexing&management 的范畴，有很多关于 database 或者 GIS 的书都会讲到一些解决的算法和特殊的数据结构。我在这只介绍一个简单的方法，叫做 geohash 。

geohash 其实是对 gps 数据进行了编码，使得上述问题更容易得到解决。（关于 geohash 的详细论述可以看 wiki ，介绍得很全面）

假设我们有一个 gps 数据，为 <42.6, -5.6> ，首先 (1) 我们会将经纬度分别编码成一个 binarycode ，比如纬度 42.6 被编码成“ 101111001001 ”，经度 -5.6 被翻译成“ 0111110000000 ”，然后 (2) 将两个 binarycode 连起来，经度的 binarycode 作为奇数位，纬度的 binarycode 作为偶数位，就变成了“ 01101 11111 11000 00100 00010 ”，最后，将这个 binarycode 转化为一个 32 进制的字符串，变成“ ezs42 ”。

需要说一下经纬度转化成 binarycode 的算法。举例来说，比如纬度的范围是 +90 ~ -90 ，我们将这个分为两个区间，分别是 (-90, 0) 和 (0,90) ，如果 gps 的 x( 纬度 ) 落在了第一个区间，那么它的第一位 binarycode 就是 0 ，如果落在第二个区间，那么它的第一位 binarycode 就是 1 ，显然 42.6 是在第二个区间，所以它的第一位 binarycode 是 1 ，然后再对 (0,90) 这个区间做二分，再计算下一步的 binarycode….

编码方式说完了，说说 geohash 的好处。当两个 gps 数据对应的 geohash 数据有一定长度的前缀是相同的，表示这两个数据在一定程度上距离接近，相同的前缀越长，那么两个点越离得近。（ nearby places will often (but not always) present similar prefixes. ）

注意，需要提及的是，两个 geohash 有相同前缀，表示这两个点离得近，但是！两个点离得近，不一定 geohash 有相同的前缀。 geohash 在这里存在一个缺陷，就是所谓的 edge case 。详情见 wiki 。

再往深入琢磨一下， geohash 的本质是什么。其实它就是对一个二维平面进行了一个索引，首先对这个平面竖着切一刀，刀的左边标记为 0 ，刀的右边标记为 1 ，然后再横着切一刀，并且继续标记，然后再竖着切 …. 有很多 spatial data indexing 的方法都是这样的思路，它的作用就是把平面的这种二维数据改造成一维的数据。而一维数据有个好处，就是可以做 sorting 。