geohash网格图_空间搜索（圆范围）中Geohash编码方案和网格编码方案对比探讨

文章版权由作者李晓晖和博客园共有，若转载请于明显处标明出处：http://www.cnblogs.com/naaoveGIS/

1.背景

多个项目中实现范围(圆)搜索的方案为：依赖库表中的X和Y字段构造一个矩形查询范围，再通过几何计算范围中的数据到指定坐标的距离是否在阈值半径中，最后返回阈值中的数据。

该方案有几个优点：

无需对数据预处理，仅通过sql就可以实现，实现方式简单。

数据库环境中，通过数字搜索比通过字符串搜索效率更高，占用的CPU更少。

但是，该方案在表数据量庞大的情况下，通过X和Y两个字段，并且有四个查询条件，对性能有一定损耗。

在之前我写过一篇关于Geohash编码研究的文章WebGIS中GeoHash编码的研究和扩展,这里提到了一种将X和Y以哈夫曼原理编码成一维字符串的方案。那么这里如果我们使用geohash编码方案来优化查询效率是否有用？

2.基于GeoHash编码的范围查询

2.1需要解决的点

基于GeoHash编码原理，将编码对象从经纬度数据扩展到也支持平面坐标数据

由于编码值对应的是一个范围，如果查询坐标落入在范围的角落，仅通过相同字符串匹配可能导致查询结果不全，这里需要重构查询范围

根据查询的容差范围，可以计算出该范围所得应的geohash字符串位数

2.2解决思路

针对平面坐标：将编码范围改变成该地图平面坐标真实范围，基于哈夫曼编码规则进行计算，最后使用base32编码成字符串。

针对查询范围：以查询点为中心通过查询范围构造出查询范围矩形，利用目前查询范围所对应的hash编码长度所对应的精度，利用该精度将矩形进行切割，然后对格网分别编码。

geohash长度所对应的真实精度：基于编码规律，经度的bit长度可以为奇偶，但是纬度的bit长度必须是偶数，反算出经度和纬度的bit长度。然后根据经纬对范围，结合各方向的二分法次数(bit长度)，即可算出经纬度此时的精度。

2.3方案实现

这里重点给出查询搜索代码，即通过hash长度对应的精度、查询范围参数，进行网格切分和编码。

/***

* 通过传入指定范围、指定坐标、查询范围和geohash长度，返回查询范围中对应的所有geohash编码

* @param minX

* @param minY

* @param maxX

* @param maxY

* @param X

* @param Y

* @param geohashLength geohash字符串编码长度

* @param searchRange 查询范围，如果是平面坐标系100M则传入100,经纬度坐标系0.0001度则传入0.0001

* @return</