GeoHash企业级大数据 用户画像实战应用项目 GeoHash大数据项目实战

       App后台获取自己的地图位置P，计算所在位置P与北京所有餐馆的距离，然后返回距离<=1000米的餐馆。但是北京的餐馆何其多啊，这样计算不得了，于是想了，既然知道经纬度了，那应该知道自己在朝阳区，那应该计算所在位置P与朝阳区所有餐馆的距离啊，但是朝阳区也很多餐馆啊，应该计算所在位置P与所在街道所有餐馆的距离，这样计算量又小了，效率也提升了。就是通过过滤的方法来减小参与计算的餐馆数目，从某种角度上讲，这里使用索引技术。

一提到索引，大家脑子里马上浮现出B树索引，因为大量的数据库（如MySQL、oracle、PostgreSQL等）都在使用B树。B树索引本质上是对索引字段进行排序，然后通过类似二分查找的方法进行快速查找，即它要求索引的字段是可排序的，一般而言，可排序的是一维字段，比如时间、年龄、薪水等等。但是对于空间上的一个点（二维，包括经度和纬度），如何排序呢？又如何索引呢？解决的方法很多，下文介绍一种方法来解决这一问题。

思想：如果能通过某种方法将二维的点数据转换成一维的数据，那样不就可以继续使用B树索引了嘛。那这种方法真的存在嘛，答案是肯定的。目前很火的GeoHash算法就是运用了上述思想，GeoHash将二维的经纬度转换成字符串，每一个字符串代表了某一地图区域，通过对比字符串来计算距离。不仅外卖app，地图app，大众点评等生活商圈app，都是这样来给用户推荐附近商家的。

关于GeoHash的学习，我这里有一套葵花宝典，赠送给大家

————————–
GeoHash算法能完美的解决地图定位功能中关于按距离排序的需求，比如App中摇一摇附近的人，推荐附近商户等功能是怎么实现的？在用户图像中，如何有效地获取用户的商圈，生活圈等商业兴趣？

1）GeoHash用一个字符串表示经度和纬度两个坐标，比如我现在所在位置的GeoHash值为 wx4sv61q；
2）GeoHash标识的并不是一个点，而是一个区域，比如 wx4sv61q 对应的就是一个矩形区域；
3）编码的前缀可以标识更大的区域，比如 wx4sv61 编码代表的区域要大于 wx4sv61q 代表的区域，但是 wx4sv61q 代表的区域一定在 wx4sv61 代表的区域内。
      因此我们再去做距离检索的时候，只需要对GeoHash进行前缀匹配即可，具体的实现请看视频