阅读全文

⭐⭐⭐ Spring Boot 项目实战	⭐⭐⭐ Spring Cloud 项目实战
《Dubbo 实现原理与源码解析 —— 精品合集》	《Netty 实现原理与源码解析 —— 精品合集》
《Spring 实现原理与源码解析 —— 精品合集》	《MyBatis 实现原理与源码解析 —— 精品合集》
《Spring MVC 实现原理与源码解析 —— 精品合集》	《数据库实体设计合集》
《Spring Boot 实现原理与源码解析 —— 精品合集》	《Java 面试题 + Java 学习指南》

摘要: 原创出处 https://miketech.it/geohash-algorithm/ 「Mike.Zhou」欢迎转载，保留摘要，谢谢！

---

🙂🙂🙂关注**微信公众号：【芋道源码】**有福利：

1. RocketMQ / MyCAT / Sharding-JDBC 所有源码分析文章列表
2. RocketMQ / MyCAT / Sharding-JDBC 中文注释源码 GitHub 地址
3. 您对于源码的疑问每条留言都将得到认真回复。甚至不知道如何读源码也可以请教噢。
4. 新的源码解析文章实时收到通知。每周更新一篇左右。
5. 认真的源码交流微信群。

---

当今年代，每个人都有智能手机，出门在外，自然离不开使用手机地图了，查找附近的餐馆，附近的地铁站，非常方便，可是在这项技术背后又隐藏着什么算法呢？这篇博客将会讲述这个技术背后的GeoHash算法以及基本的实现。

首先既然算法名字叫做GeoHash了那么对单词比较敏感的人可能已经猜出来了，差不多就是对当前的位置生成一个Hash值，然后再比较相似吧，是的，大概就是这个样子。

GeoHash的原理就是讲一个地理位置的经纬度，转换成一个可以排序，可以比较的的Hash字符串。这个字符串。

GeoHash代表的不是一个精确地的标，而是一个区域，当Hash值越长的时候，这个hash代表的区域越小，就越精确，比如 wtw3eegq 这个Hash就是上海南京西路周围的的一块，但是 只有前6位 wtw3ee 的话这个Hash代表的区域面积就比 wtw3eegq要大，但是 wtw3eegq 是包扩在 wtw3ee 这个区域里面的，所以可以用这个特性来查找一个坐标周围的餐馆之类的地方。

GeoHash就是这样，他将地球首先分为四个象限，之后每一象限再平分为四个象限，就是这样无限细分下去，这样，地球就根据坐标分为了若干区域，每个区域都会根据算法来生成一个Hash值，Hash值越相似就代表两个区域的位置越近。

接下来将会讨论这个算法的具体细节：

• 计算纬度

比如我们需要计算 坐标 121.443469, 31.22246 的GeoHash值

首先将纬度范围(-90, 90)平分成两个区间(-90,0)、(0, 90)，如果目标纬度位于前一个区间，则编码为0，否则编码为1。

由于31.22246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31.22246位于(0, 45)，所以编码为0。

就和中学时代学过的二分法解方程一样简单，对吧~

以此类推，直到精度符合要求为止，得到编码为1010 1100 0110 0111 1100 ，下面的表只是计算了前8位，可以看出，二分次数越多，取得的值就越精确。

left	mid	right	bit
-90	0	90	1
0	22.5	45	0
22.5	33.75	45	1
22.5	30	37.5	0
30	33.75	37.5	1
30	31.875	33.75	1
30	30.9375	31.875	0
30.9375	31.40625	31.875	0

接下来看经度

• 计算经度

首先将经度范围(-180, 180)平分成两个区间(-180,0)、(0, 180)，如果目标经度位于前一个区间，则编码为0，否则编码为1。

由于121.443469属于(0, 180)，所以取编码为1。

然后再将(0, 180)分成 (0, 90), (90, 180)两个区间，而121.443469位于(90, 180)，所以编码为1。

以此类推，直到精度符合要求为止，得到经度编码为1101 0110 0101 1100 0001 ，下面的表只是计算了前8位。

left	mid	right	bit
-180	0	180	1
0	90	180	1
90	135	180	0
90	112.5	135	1
112.5	123.75	135	0
112.5	118.125	123.75	1
118.125	120.9375	123.75	1
120.9575	122.35375	123.75	0

• 经度纬度合并

接下来将经度和纬度的编码合并，奇数位是纬度，偶数位是经度

10101100011001111100 和 11010110010111000001 合并为： 1110011001111000001101101011010101010010

• Base32编码转换

得到合并后的编码之后，每5位一看，转换为十进制，之后按照Base32的编码表来转换为Base32编码

Decimal	0	1	2	3	4	5	6	7
Base32	0	1	2	3	4	5	6	7
Decimal	8	9	10	11	12	13	14	15
Base32	8	9	b	c	d	e	f	g
Decimal	16	17	18	19	20	21	22	23
Base32	h	j	k	m	n	p	q	r
Decimal	24	25	26	27	28	29	30	31
Base32	s	t	u	v	w	x	y	z

刚才合并的编码为：1110011001111000001101101011010101010010

将他分为11100、11001、11100、00011、01101、01101、01010、10010

十进制为：28, 25, 28, 3, 13, 13, 10, 18

根据编码表转换后的Base32编码值为 wtw3eebk

这个值：wtw3eebk 就是坐标121.443469, 31.22246 的GeoHash值

这样的话只要在坐标入库的时候程序顺便算出坐标的GeoHash值一并入库，就可以实现快速进行周边餐馆查找之类的功能了。

• 测试

为了看一下这个算法的可行性，我写了一个爬虫来访问高德地图来不断检索地址并且算出Geohash（文章最后会给出整个爬虫和算法的代码）

我生成的GeoHash是8位的，通过匹配前6位：wtw3ef，来进行查找，匹配出了下面的餐馆

热辣壹号(淮海中路百盛店) 淮海中路918号百盛商场8层 121.459133,31.217455 wtw3efgy

伊秀寿司(淮海店) 淮海中路918号淮海百盛8层(久事复兴大厦) 121.459291,31.217210 wtw3efgv

丸龟制面(淮海百盛店) 淮海中路918号百盛购物中心B1楼13铺(近陕西南路) 121.459274,31.217533 wtw3efgz

查厘士港式餐厅(淮海中路黄金店) 淮海中路988黄金世界3层 121.458316,31.216696 wtw3efg4

九久日本料理(淮海店) 淮海中路939号巴黎春天百货5楼(地铁1号线陕西南路站) 121.459520,31.216730 wtw3efu4

通过地址可以看出来这几个餐馆都是位于淮海中路上的。

和高德地图检索周边出来的餐馆差不多：

下面是GeoHash的精度表：

GeoHash长度	Lat位数	Lng位数	Lat误差	Lng误差	km误差
1	2	3	±23	±23	±2500
2	5	5	± 2.8	±5.6	±630
3	7	8	± 0.70	± 0.7	±78
4	10	10	± 0.087	± 0.18	±20
5	12	13	± 0.022	± 0.022	±2.4
6	15	15	± 0.0027	± 0.0055	±0.61
7	17	18	±0.00068	±0.00068	±0.076
8	20	20	±0.000086	±0.000172	±0.01911
9	22	23	±0.000021	±0.000021	±0.00478
10	25	25	±0.00000268	±0.00000536	±0.0005971
11	27	28	±0.00000067	±0.00000067	±0.0001492
12	30	30	±0.00000008	±0.00000017	±0.0000186

Github链接

这个项目中有我写的爬虫，查询类和Geohash，Base32相关类

爬虫读取后存为txt，之后查询的时候读取txt作为临时数据库