##关于GeoHash
GeoHash是一种将二维坐标数据编码为一维数据的算法，具体可以参考GeoHash Wiki.
简单的描述下算法， 首先将整个平面按x, y轴对半， 如下则得到四个区域， 分别二进制编码为（00, 01, 10, 11）.
* -----------------
* | | |
* | | |
* | 0,1 | 1,1 |
* -----------------
* | | |
* | | |
* | 0,0 | 1,0 |
* -----------------
每个编码代表一个矩形区域范围， 若某坐标落在区域01中， 则置首两位编码为01， 其中0为x轴的编码， 1为y轴的编码； 以此迭代类推下去，累积的编码长度越长， 则编码代表的区域与坐标本身的误差越小，无限逼近下去，是可以认为是完全等同的。 实际上，针对地球坐标，GeoHash编码在大约52bit，即类似上述步骤重复26次， 精度已经小于1m了，足够精确。
##基于GeoHash的空间索引实现
基于GeoHash的空间索引的实现，本质上就是将一组坐标通过GeoHash编码， 将编码后的值保存到存储系统中。后续的查找， 都基于GeoHash编码完成。
通常的GeoHash的实现，均是将GeoHash的编码为Base32的字符串。 按照以上的GeoHash算法描述， 由于相近的坐标有很大几率的GeoHash的开头部分是相同的， 这样在一般的存储服务例如mysql中，可以很容易的基于前缀匹配找到相近的点。相关的做法， 网上有不少详细描述，这里不再赘述。
大家可能也发现到， 简单基于前缀匹配的做法，对于目标坐标在GeoHash区域的边缘情况是无法解决的。针对这一点，通常的GeoHash实现也提供一个接口， 用于计算某个GeoHash编码的周围8个区域的编码（东，南， 西， 北， 东北， 东南， 西北， 西南）。分别对于周边8个区域查找，可以解决这类边缘情况。
这里也简单介绍下计算周边8个相邻区域的编码方法：
由于GeoHash的编码实际上是X轴的编码与Y轴的编码错位合并而成， 如X轴编码为11（扩展为1010）， Y轴编码为01（扩展为0001）， 则GeoHash的值为1011 = 1010 + 0001.
- 东方的区域实际上是X轴编码+1， Y轴编码不变， 则为 1010 + 1 + 0001 = 1100
- 西方的区域实际上是X轴编码-1， Y轴编码不变
- 北方的区域实际上是X轴编码不变， Y轴编码+1
- 南方的区域实际上是X轴编码不变， Y轴编码-1
- 东北的区域实际上是X轴编码+1， Y轴编码+1
- 西北的区域实际上是X轴编码-1， Y轴编码+1
- 西南的区域实际上是X轴编码-1， Y轴编码-1
- 东南的区域实际上是X轴编码+1， Y轴编码-1
##改进的GeoHash-Int
目前GeoHash实现大部分均只提供Base32编码的结果, Base32编码的优点是直观可视， 例如某些地图（包括Google）就用Base32的GeoHash字符串作为坐标的url。缺点则是占用空间大， 以及每增加一个字符，跨越的空间范围过大，不规则（考虑下每字符代表5bit， 以及GeoHash原理是每2bit算一个步进）。
鉴于上述的问题， 这里提供一个高性能的C99实现的GeoHash库，提供64bit int的GeoHash结果， 以及快速计算相邻区域的方法。这个库已经用于Ardb的空间索引实现， 表现极为优秀。 项目的地址在这里。 GeoHash-Int