geohash的原理实际是个四叉树/网格处理

看了下geohash的过程，原以为是一个新的索引过程，发现本质上是一个QuadTree。

不同点是，geohash仅保留了每一个四叉树节点的KEY，而不需要计算四叉树本身的索引。换句话说，如果我们建立一棵四叉树，建立过程如果为每一个节点都生产KEY，{00,01,10,11}表示4个节点。那么也就生产了一个geohash的KEY。

 

如同四叉树一样，

（0）每一个四叉树节点都是一个区域（网格），因此，geohash也是一个区域，四叉树的深度，对应geohash的精度。

（1）四叉树中访问当前节点的子节点是容易的，所以geohash可以通过KEY找到当前区域的子区域。

（2）四叉树访问一个节点的父节点是容易的，所以geohash也可以通过KEY的特点访问包含当前节点的区域的父节点区域。

（3）四叉树查询当前同一个父节点的另外3个兄弟节点是容易的，geohash可以找到其他3个相邻的区域。

（4）四叉树寻访<X,Y>中的周围一定区域的所有Items，是不容易的。同理，geohash要查找<X,Y>一个Items也是不容易的。

      因为在（2）中，只能容易访问当前节点的兄弟节点，而不是所有周边节点。

      四叉树一般是通过结合前面3条来逐层搜索。

 

geohash的优势：

个人觉得，对于不习惯建立四叉树索引、或者不手动写空间索引的人有优势外，如使用mysql或者其他数据库存储方便等。

 

顺便提下，大规模经纬度数据中的统计热点问题。

(0)如果是分布式，就用网格索引的KEY（可以看成是一个满四叉树的geohash的KEY），因为可以保证每台机器上不同数据，但都是同样的KEY结构。

(1)如果是单个文件，文件不太大就用四叉树索引；文件较大，用geohash；四叉树因为存储了大量的节点信息。如果还是太大，结合（0）方式，构建一个N*N叉树，每N*N个网格作为一组存放在一个文件中。

N一般选取，2,4,8

 

• 结果图

先留个坑，过几天填上

 

• 结论

无论使用什么样的hash方式，只要对二维或者多维数据进行hash算法，都不可避免的遇到邻接边问题。解决这个问题的办法，要么吧周边邻近的块搜索下，要么不用hash，而改用树。QuadTree是存储平面坐标点比较有效的办法。