空间搜索（圆范围）中Geohash编码方案和格网编码方案对比探讨
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对应的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
*/
public static List<String> GeoHashSearch(double minX, double minY, double maxX, double maxY,
double X, double Y, int geohashLength,double searchRange){
List<Integer> latLngLength = SetHashLength(geohashLength);
double boundMinX = X - searchRange;
double boundMaxX = X + searchRange;
double boundMinY = Y - searchRange;
double boundMaxY = Y + searchRange;
List<Double> range = GetGoeHashRange(minX, minY, maxX, maxY, latLngLength.get(0), latLngLength.get(1));
List<String> searchResult= new ArrayList<String>();
double xrange = range.get(0);
double yrange = range.get(1);
double value = 0.5;
for (int i = 0; boundMinX + (i - value) * xrange <= boundMaxX; i++) {
for (int j = 0; boundMinY + (j - value) * yrange <= boundMaxY; j++) {
String geohashCode = Encode(minX, minY, maxX, maxY,
boundMinX + i* xrange, boundMinY + j * yrange, geohashLength);
if (!searchResult.contains(geohashCode)) {
searchResult.add(geohashCode);
}
}
}
return searchResult;
}2.4优缺点探讨
2.4.1优点
- geohash编码通过不断的二分，如果有必要可以直接将精度编码至厘米或毫米级别，并且对应的编码长度不会特别长。比如，当经纬度坐标系下，即使坐标范围用全球范围（-90到90，-180到180），其厘米级的编码长度也不长。以下是此时的长度精确表：
2.4.2缺点
- 高精度编码没法使用：虽然精度到厘米编码长度也不长，但是当查询范围是1Km例如，此时编码长度只需要到2位，而查询却必须使用like去匹配，此时查询效率反而太低。
- 不同编码长度间跨越的精度太大：比如，查询1000M和查询2000M范围所对应的编码长度可能都是2，这样导致查询的结果的个数（格网切分）可能特别多。那么此时即使对编码字段做了索引，也不一定会产生实际效果（如果使用In则索引无效,而使用OR，查询条件又过多影响sql解析等)。
- 编码为字符串影响查询效率:geohash编码的结果是基于Base32规范进行结果编码，为字符串，影响数据库查询效率。
2.5 换一种思路
geohash编码由于随着地图范围不同各编码长度精度无法确定、编码只能以字符串存储等问题，在我们的业务场景上无法使用。那么，如果我们让编码精度确定、编码可以用数字替代，是否就可以达到业务场景的需要呢？
3.基于格网编码的范围查询
3.1算法介绍
格网划分算是GIS算法中的万金油。以前博客中写过的空间索引、地理插值、影像金字塔、矢量切片等等均可以基于格网的思路去探索。这里，同样可以利用格网算法来进行编码。
3.1.1基本算法
- 将地图的左上角坐标当做原点，设定好格网的长度（X方向和Y方向）
- 传入坐标，计算坐标分别在X方向和Y方向离坐标原点的格网个数，分别为xNum、yNum
/***
* 通过传入地图起始点，待编码坐标，编码的X和Y方向精确度，获取网格编码字符串
* @param minX 地图起始点X坐标
* @param minY 地图起始点Y坐标
* @param X
* @param Y
* @param gridXSize X方向精确度。平面坐标为M，经纬度坐标为度
* @param gridYSize Y方向精确度。平面坐标为M，经纬度坐标为度
* @return
*/
public static long GetGridCode(double minX, double minY, double X, double Y, double gridXSize,double gridYSize){
if (X < minX || Y < minY){
return -1;
}
int xNum = (int)Math.ceil(Math.abs(X - minX) / gridXSize);
int yNum = (int)Math.ceil(Math.abs(Y - minY) / gridYSize);
return CreateLongCode(xNum,yNum);
}3.1.2编码优化
如果我们需要将编码转换成数字编码，那么我们同样需要设定一种规则。这里，我规定xNum和yNum都必须是八个字符串长度，不足的在前缀以0补充，最后再合并转换成整数。（注意，这里我设计以0作为前缀而不是后缀补充，是为了及时转换成数字后，以后可以通过数字将编码反转换为空间范围）
/***
* 以8位数和8位数分别将col和row填充组合成一个整数
*/
private static long CreateLongCode(int x,int y){
String sx=String.valueOf(y);
String sy=String.valueOf(y);
for(int i=sx.length();i<XLen;i++){
sx="0"+sx;
}
for(int j=sy.length();j<YLen;j++){
sy="0"+sy;
}
String scode=sx+sy;
long code=Long.parseLong(scode);
return code;
}
/***
* 获取网格编码所对应的真实地理范围
* @param minX
* @param minY
* @param value 编码值
* @param gridXSize X方向精确度。平面坐标为M，经纬度坐标为度
* @param gridYSize Y方向精确度。平面坐标为M，经纬度坐标为度
* @return
*/
public static List<Double> Decode(double minX, double minY, long value, double gridXSize,double gridYSize){
String svalue=String.valueOf(value);
String sx=svalue.substring(0,svalue.length()-YLen-1);
String sy=svalue.substring(svalue.length()-YLen);
int xnum=Integer.parseInt(sx);
int ynum=Integer.parseInt(sy);
double boundMinX = minX + (xnum - 1) * gridXSize;
double boundMaxX = boundMinX + gridXSize;
double boundMinY = minY + (ynum - 1) * gridYSize;
double boundMaxY = boundMinY + gridYSize;
List<Double> bound = new ArrayList<Double>();
bound.add(boundMinX);
bound.add(boundMinY);
bound.add(boundMaxX);
bound.add(boundMaxY);
return bound;
}3.2范围查询
同样，这里也需要考虑与geohash查询时一样的情况:
- 查询XY落在网格的边角上
- 查询范围阈值大于网格大小 解决思路与之前相同：
/***
* 通过传入地图起始点、网格X和Y方向精确度、查询范围和查询点，返回对应查询范围内所有网格编码
* @param minX
* @param minY
* @param X
* @param Y
* @param gridXSize X方向精确度。平面坐标为M，经纬度坐标为度
* @param gridYSize Y方向精确度。平面坐标为M，经纬度坐标为度
* @param range 查询范围,平面坐标为M，经纬度坐标为度
* @return
*/
public static List<Long> GridCodeSearch(double minX, double minY, double X, double Y, double gridXSize, double gridYSize,double range){
if (X < minX || Y < minY){
return null;
}
double boundMinX = X - range;
double boundMinY = Y - range;
double boundMaxX = X + range;
double boundMaxY = Y + range;
double value=0.5;
List<Long> searchResult = new ArrayList<Long>();
for (int i = 0; boundMinX + (i - value) * gridXSize <= boundMaxX; i++){
for (int j = 0; boundMinY + (j - value) * gridYSize <= boundMaxY; j++){
long gridCode = GetGridCode(minX, minY, boundMinX + i * gridXSize, boundMinY + j * gridYSize, gridXSize, gridYSize);
if (!searchResult.contains(gridCode)){
searchResult.add(gridCode);
}
}
}
return searchResult;
}3.3格网划分的一点建议
- 格网不宜划分太小，建议划分的比查询范围大，这样保证范围过滤查询时返回的匹配格网编码少。比如，格网大小500M，查询范围100M，查询时，在多数情况下将只返回一个编码。当然，此时基于该编码去数据库中查询，将得到更多的数据点，于是需要我们做精确的范围计算量变大。但是：将数据库压力适当转移到服务器计算是一种更划算的策略。当然，格网划的太大，也会适得其反，建议通用查询范围一两倍即可。
4.后续方案描述
- 坐标存入时，将坐标基于格网编码并同步存入到指定字段，对该字段建立索引（此时字段为长度大于16的长整型)。
- 查询时，调用编码查询接口，获取到该XY以及查询范围下，对应的网格编码。在数据库中利用这些编码做匹配查询（粗过滤)。对返回的结果进一步做精确范围匹配(精过滤可做可不做，视需求规格而定)。
-----欢迎转载，但保留版权，请于明显处标明出处：http://www.cnblogs.com/naaoveGIS/
如果您觉得本文确实帮助了您，可以微信扫一扫，进行小额的打赏和鼓励，谢谢 ^_^
