引言
在地理信息中，我们经常要做一个范围搜索，这个往往也是性能的瓶颈，今天我们就来介绍基于geohash的临近搜索。
geohash
首先我们来介绍什么是geohash，geohash简单来说是一种地理编码，就是你给我输入一个经纬度，我给你一个字符串编码。
我们可以简单思考一下，如果让你做范围搜索，你怎么来做索引呢？如果用树的思路，一定是不断的切分现有的空间域，从而加快搜索速度，geohash也是同样的道理。基于的实事就是我们的纬度的范围是（-90，90），同理经度也是指定范围内的数字而已，所以我们基于这个固定的范围不断做切分就好了。下面我们来看看过程
编码过程
我们来编码点（39.923201, 116.390705）
| 经度范围 | 划分区域(1) | 划分区域(0) | 39.923201 |
|---|
| (-90,90) | (-90,0) | (0,90) | 1 |
| (0,90) | (0,45) | (45,90) | 0 |
| ... | ... | ... | ... |
最后得到纬度的二进制表示为：
10111000110001111001
经度的编码
11010010110001000100
然后让我们将经纬度合并，经度占偶数位，纬度占奇数位，注意，0也是偶数位。
11100 11101 00100 01111 00000 01101 01011 00001
按照Base32进行编码
wx4g0ec1
这样我们将一个经纬度表达，变成一个字符串表达啦，这个时候你可以还是有疑问，这个和范围搜索有啥问题。
可以设想一下，我们将地图上所有的地标经纬度，全部编码成指定位数的geohash,那么使用geohash我们是不是就能很快找到，这个分块内的地标呢？
geohash的位数
从上面的geohash的计算过程，我知道，其实我们能把这个geohash编码成任意精度，那么这个位数和精度的关系是是什么呢？
这个图有比较好的说明效果，假如我们编码geohash8位，其实我们是能搜索附近19m的对象。
geohash的缺点
你可能已经感受到了，geohash是一个固定的编码，也就是这个编码是一个矩形，我如果编码8位geohash，其实我是搜索我所在的矩形的附近19m的对象，并不是真正的19m对象。对的，这个也是geohash的缺点，边界bad case频发，那么如何来解决这个问题呢？
其实我们一般是通过目标节点的geohash，获取周边8个块内的对象一起搜索。
这张图就是我们说的搜索范围，怎样保证你搜索的对象都不会少。
项目落地
说了这么多这个geohash在业务中我们怎么使用呢？
场景1
微信的附近的人是一个比较好场景，我们可以根据精度搜索周边上线的用户，开始聊天。
MM匹配
本博客上篇文章讲到MM（map match）算法，有一个过程就是我们要搜索目标点周边的link数据，这个就是很好的geohash的场景。
python使用
python中我们一般使用python-geohash的第三方包来解决geohash的算法。
import geohash
code = geohash.encode(longitude=116.390705,latitude=39.923201, precision=8)
neighbors = geohash.expand(code) # 获取包括自己周边9个块
总结
geohash在工程是比较常用的基于范围的索引方式，实际应用我们可以把点编码好放到redis中，从而搜索也十分高效。从另一个角度来讲，geohash也是一个典型的二分思想，类似于构建一个树，然后在树上搜索。