标签：str block pytho 缩小 经纬度 https ref 经纬 服务
保持好奇心，想出问题，自己寻找答案！
网约车、附近的餐饮
经纬度坐标 —— 计算距离
先按照经纬度坐标范围粗略筛选掉距离过远的车辆，然后再计算进行精确筛选。
大量的时间开销 遍历的解法 时间复杂度高
哈希散列
经度、纬度分开处理，形成网格，并且具有层次，由高到低，代表空间范围由大到小。
采用B树等高效算法实现
GeoHash的思路
地理编码算法
将地理经纬度坐标编码为由字母和数字所构成的短字符串。
矩形网格
采用二分法不断缩小经度和纬度的区间来进行二进制编码，最后将经纬度分别产生的编码奇偶位交叉合并，再用字母数字表示。
递归二分过程，直到所需的精度，经度得到一串二进制编码11010 01010 11001。
纬度同理。
生成新的二进制数，它的偶数位放经度，奇数位放纬度，得到11100 11101 00100 01101 11110 00110。
使用32个数字和字母（字母去掉a、i、l、o这4个）进行32进制编码。
每5位转化为十进制，对应编码。
填充曲线
Z形曲线
python-geohash
移位操作代替二分区间
GeoHash的主要价值在于将二维的经纬度坐标信息编码到一维的字符串中。
地理位置索引 匹配字符串
便于缓存、信息压缩
在使用大数据工具（例如Spark）进行数据挖掘聚类时，GeoHash更加快捷高效。
Z形曲线，突变。
适当增加Geohash编码长度，并使用周围8个近邻编码参与。
参考链接：地理空间索引：GeoHash原理
标签：str block pytho 缩小 经纬度 https ref 经纬 服务
原文地址：https://www.cnblogs.com/hider/p/12840025.html
