Algorithm Geohash：使用libgeohash查找邻居

在我的应用程序中，我将所有用户的Geohash存储在一个表中，并希望找到使用这些Geohash的用户的邻居

根据我收集的关于Geohash的信息：

在数据库中使用时，Geohash数据的结构有两个 优势。首先，由geohash索引的数据将具有 连续切片中的给定矩形区域（切片数 取决于所需的精度和geohash“故障”的存在 “行”）。这在需要查询的数据库系统中特别有用 在单个索引上比在多个索引上更容易或更快 查询。第二，这个索引结构可以用于 快速而肮脏的近距离搜索-最近的点通常位于 最近的地理哈希

例如，为了查找“sj8101b085”的邻居，我计划通过以下方式搜索哈希：

SELECT * FROM Users WHERE Geohash LIKE 'sj8101b085%'

然后通过逐个减少散列长度来触发相同的查询，即“sj8101b08%”、“sj8101b0%”，等等，直到得到所需数量的邻居。我觉得这就是我所需要做的

但后来我发现了同一篇文章底部提到的这个C库。该库有一个名为

GEOHASH\u get\u nexture

的函数，它为我们提供给定散列的相邻散列。geohash字符串表示地球上的矩形区域。这个函数返回表示相邻矩形的geohash。这意味着我要在递归中运行这个函数（邻居，然后是邻居的邻居等等），直到我得到所需数量的邻居

---

现在我真的很困惑，我该如何写我的搜索算法？使用第一种方法还是使用第二种方法？

geohash是一个位字符串，其中偶数位表示经度，奇数位表示纬度。例如，经度表示的每一位选择可行区域的一半。初始可行区域为[-180，180]，如果经度的第一位为0，则下一个可行区域为[-180，0]，如果为1，则为[0，180]。前两位加在一起，选择赤道上方或下方地球的一半，以及本初子午线左侧或右侧地球的一半。您可以将其视为“矩形区域”，正如您在维基百科链接中所称。前四位加在一起，选择北半球或南半球的一半，以及东半球或西半球的一半。等等

链接中显示的geohash ezs42以32为基数，因此每个字符表示geohash的5位。示例哈希为5个字符的含义是geohash为25位，其中13位表示经度，12位表示纬度。这意味着经度被分成13倍的一半，而纬度被分成12倍的一半，geohash同时选择12个纬度范围中的一个和13个纵向范围中的一个。从散列末尾移除的每个字符将从geohash中删除5位；这相当于经度的3个刻度和纬度的2个刻度，反之亦然。否则，它会将你的纵向范围增加8倍，将你的纬度范围增加4倍，反之亦然。查询该geohash将给出相应“矩形”区域内的所有点

我不熟悉libgeohash；然而，从您的描述中，听起来好像您给了它一个geohash，它还给了您一个geohash集合，这些geohash以输入所暗示的粒度表示相邻的“矩形”区域。据推测，如果你用它来寻找最近的邻居，你将需要跟踪那些你访问过的和没有访问过的Geohash，并且你将不得不反复询问邻居，直到你找到你正在寻找的点为止。从视觉上看，这看起来像是从原始“矩形”大小的“矩形”的初始几何散列中展开的扇形。你需要小心，不要简单地考虑在一个相邻区域中找到的第一个点，因为另一个相邻区域可能有一个更靠近查询点的点；也就是说，在搜索最近的查询点的K之前，你需要考虑所有邻居的点（这意味着，例如，你需要在邻居的方法的第二次迭代中寻找最近的K之前，从原始矩形的所有8个邻居的邻居请求和查询点”。

考虑到libgeohash邻居方法，如果您的原始“矩形”很小（比如，英寸乘以英寸），并且您的点足够稀疏，那么您可能需要花费大量的时间，直到您通过这种扇出技术覆盖足够的地球，直到您找到您的点为止。另一方面，使用前缀方法，可能是你的点足够密集，增加4和8倍的范围会考虑大量的要点。在任何一种情况下，如果要查找k个最近的邻居，仍然需要测试所有结果点的距离，以选择其中k个最近的点。最终，您的选择将取决于您的数据；但是，我建议从前缀方法开始，因为它比相邻的“矩形”区域方法简单得多。

公共集GetMoreNeights（int-surroundRange，String-originHash）{
public Set<String> getMoreNeighbours(int surroundRange, String originHash){
    int matrixSize = nthOddNumber(surroundRange / 5);
    Set<String> locationSet = new HashSet<>();
    locationSet.add(originHash);
    List<String> tempNbHash = new ArrayList<>();
    for(int i=0; i < matrixSize / 2; i++) {
        if(tempNbHash.isEmpty()) {
        Map<String, Boolean> memo = new HashMap<>();
            Set<String> collection = new HashSet<>();
            locationSet.forEach(loc -> {
                if (!memo.containsKey(loc)) {
                    Collection<? extends CharSequence> neighbors = GeoHashUtils.neighbors(loc);
                    neighbors.forEach(nb -> collection.add(nb.toString()));
                }
                memo.put(loc, true);
            });
            locationSet.addAll(collection);
            tempNbHash.addAll(collection);
        } else {
            Map<String, Boolean> memo = new HashMap<>();
            Set<String> collection = new HashSet<>();
            tempNbHash.forEach(loc -> {
                if (!memo.containsKey(loc)) {
                    Collection<? extends CharSequence> neighbors = GeoHashUtils.neighbors(loc);
                    neighbors.forEach(nb -> collection.add(nb.toString()));
                }
                memo.put(loc, true);
            });
            locationSet.addAll(collection);
            tempNbHash.clear();
            tempNbHash.addAll(collection);
        }
    }
    return locationSet;
}

public int nthOddNumber(int n){
    return (2 * n - 1);
}

int matrixSize=nthOddNumber（环绕范围/5）；
Set locationSet=new HashSet（）；
locationSet.add（originHash）；
List tempNbHash=new ArrayList（）；
对于（int i=0；i{
如果（！备忘录容器（loc））{
Collectionary您是否从Python之类的编程语言与数据库交互？