假如需要对带经纬度的数据举办检索，好比查找当前地址位置四周1000米的旅馆，一种简朴的要领就是：获取数据库中的所有旅馆数据，按经纬度计较间隔，返回间隔小于1000米的数据。

这种方法在数据量小的时候较量有效，可是当数据量大的时候，检索的效率是很低的，本文先容利用Solr的Spatial Query举办空间搜索。

空间搜索道理

空间搜索，又名Spatial Search(Spatial Query)，基于空间搜索技能，可以做到：

1）对Point（经纬度）和其他的几许图形建索引

2）按照间隔排序

3）按照矩形，圆形可能其他的几许形状过滤搜索功效

在Solr中，空间搜索主要基于GeoHash和Cartesian Tiers 2个观念来实现：

GeoHash算法

通过GeoHash算法，可以将经纬度的二维坐标酿成一个可排序、可较量的的字符串编码。
在编码中的每个字符代表一个区域，而且前面的字符是后头字符的父区域。其算法的进程如下：

按照经纬度计较GeoHash二进制编码

地球纬度区间是[-90,90]， 如某纬度是39.92324，可以通过下面算法对39.92324举办迫近编码:

1）区间[-90,90]举办二分为[-90,0),[0,90]，称为阁下区间，可以确定39.92324属于右区间[0,90]，给标志为1；

2）接着将区间[0,90]举办二分为 [0,45),[45,90]，可以确定39.92324属于左区间 [0,45)，给标志为0；

3）递归上述进程39.92324老是属于某个区间[a,b]。跟着每次迭代区间[a,b]总在缩小，并越来越迫近39.928167；

4）假如给定的纬度（39.92324）属于左区间，则记录0，假如属于右区间则记录1，这样跟着算法的举办会发生一个序列1011 1000 1100 0111 1001，序列的长度跟给定的区间分别次数有关。

同理，图纸加密，地球经度区间是[-180,180]，对经度116.3906举办编码的进程也雷同：

组码

通过上述计较，纬度发生的编码为1011 1000 1100 0111 1001，经度发生的编码为1101 0010 1100 0100 0100。偶数位放经度，奇数位放纬度，把2串编码组合生成新串：11100 11101 00100 01111 00000 01101 01011 00001。

最后利用用0-9、b-z（去掉a, i, l, o）这32个字母举办base32编码，首先将11100 11101 00100 01111 00000 01101 01011 00001转成十进制 28，29，4，15，0，13，11，1，十进制对应的编码就是wx4g0ec1。同理，将编码转换成经纬度的解码算法与之相反，详细不再赘述。

由上可知，字符串越长，暗示的范畴越准确。当GeoHash base32编码长度为8时，精度在19米阁下，而当编码长度为9时，精度在2米阁下，编码长度需要按照数据环境举办选择。不外从GeoHash的编码算法中可以看出它的一个缺点，位于界线两侧的两点，固然十分靠近，但编码会完全差异。实际应用中，可以同时搜索该点地址区域的其他八个区域的点，即可办理这个问题。

Cartesian Tiers 笛卡尔层

笛卡尔分层模子的思想是将经纬度转换成更大粒度的分层网格，该模子建设了许多的地理层，每一层在前一层的基本上细化切分粒度，劳务派遣管理系统，每一个网格被分派一个ID，代表一个地理位置。

每层以2的平方递增，所以第一层为4个网格，第二层为16 个，所以整个舆图的经纬度将在每层的网格中浮现：

那么如何构建这样的索引布局呢，其实很简朴，软件开发，只需要对应笛卡尔层的层数来构建域即可,一个域或坐标对应多个tiers条理。也等于tiers0->field_0，tiers1->field_1,tiers2->field_2,……,tiers19->field_19。（一般20层即可）。每个对应笛卡尔条理的域将按照当前这笔记录的经纬度通过笛卡尔算法计较出归属于当前层的网格，然后将gridId（网格独一标示）以term的方法存入索引。这样每笔记录关于笛卡尔0-19的域将城市有一个gridId对应起来。可是查询的时候一般是需要查周边的地点，那么大概周边的范畴高出一个网格的范畴，那么实际操纵进程是按照经纬度和一个间隔确定出需要涉及查询的从19-0（从高往低查）若干层对应的若干网格的数据。那么一个经纬度周边地点的查询只需要如下图圆圈内的数据：