<\/p>\n\n\n\n
Toda vez que um sistema de geolocaliza\u00e7\u00e3o recebe um par de coordenadas, latitude e longitude, ele enfrenta um problema fundamental: coordenadas brutas s\u00e3o cont\u00ednuas. O planeta n\u00e3o tem fronteiras naturais entre um ponto e o seguinte. Mas bancos de dados precisam de fronteiras. Precisam de \u00edndices. Precisam de uma forma de perguntar “quais registros est\u00e3o perto deste ponto?” sem varrer 500 bilh\u00f5es de entradas uma por uma.<\/p>\n\n\n\n
\u00c9 exatamente para resolver esse problema que o Geohash existe.<\/p>\n\n\n\n
Geohash \u00e9 um sistema de indexa\u00e7\u00e3o espacial que converte qualquer par de coordenadas geogr\u00e1ficas em uma string alfanum\u00e9rica curta. Essa string n\u00e3o representa um ponto, representa uma c\u00e9lula retangular da superf\u00edcie terrestre. Quanto mais longa a string, menor e mais precisa \u00e9 a c\u00e9lula.<\/p>\n\n\n\n
O sistema foi criado em 2008 por Gustavo Niemeyer e colocado em dom\u00ednio p\u00fablico. Desde ent\u00e3o, tornou-se um dos padr\u00f5es mais utilizados em bancos de dados geoespaciais, presente em solu\u00e7\u00f5es como Elasticsearch, MongoDB, Redis e sistemas distribu\u00eddos em escala.<\/p>\n\n\n\n
A l\u00f3gica central \u00e9 elegante: em vez de indexar coordenadas com dois eixos independentes (latitude e longitude), o Geohash colapsa os dois eixos em uma \u00fanica string linear. Isso transforma um problema bidimensional em um problema de busca por prefixo, opera\u00e7\u00e3o que qualquer banco de dados resolve com efici\u00eancia.<\/p>\n\n\n\n
O processo come\u00e7a dividindo o planeta ao meio, repetidamente.<\/p>\n\n\n\n
Passo 1 – Divis\u00e3o bin\u00e1ria recursiva<\/strong><\/p>\n\n\n\n O algoritmo parte da longitude total (\u2212180\u00b0 a +180\u00b0) e da latitude total (\u221290\u00b0 a +90\u00b0). Para cada coordenada, ele pergunta: o valor est\u00e1 na metade esquerda ou direita do intervalo? A resposta gera um bit: 0 para esquerda\/baixo, 1 para direita\/cima. O intervalo \u00e9 ent\u00e3o dividido ao meio novamente, e o processo se repete.<\/p>\n\n\n\n Passo 2 – Intercala\u00e7\u00e3o de bits<\/strong><\/p>\n\n\n\n Os bits de longitude e latitude s\u00e3o intercalados alternadamente, longitude, latitude, longitude, latitude, gerando uma \u00fanica sequ\u00eancia bin\u00e1ria. Esse entrela\u00e7amento \u00e9 o que garante que pontos geograficamente pr\u00f3ximos tendam a ter strings similares. A sequ\u00eancia resultante tra\u00e7a o que matem\u00e1ticos chamam de curva Z (ou curva de Morton): um caminho que percorre o espa\u00e7o preservando, em alguma medida, a proximidade espacial.<\/p>\n\n\n\n Passo 3 – Codifica\u00e7\u00e3o em Base32<\/strong><\/p>\n\n\n\n A sequ\u00eancia bin\u00e1ria \u00e9 dividida em grupos de 5 bits. Cada grupo \u00e9 convertido em um caractere do alfabeto Base32, que usa d\u00edgitos de 0 a 9 e letras, excluindo propositalmente a, i, l e o para evitar confus\u00e3o visual com outros caracteres.<\/p>\n\n\n\n O resultado \u00e9 uma string como 6gyf4bf, que representa n\u00e3o um ponto, mas um ret\u00e2ngulo de aproximadamente 76 metros por 76 metros no mapa.<\/p>\n\n\n\n Uma das propriedades mais \u00fateis do Geohash \u00e9 sua hierarquia. Cada caractere adicionado \u00e0 string aumenta a precis\u00e3o da c\u00e9lula, subdividindo o ret\u00e2ngulo anterior em 32 partes menores.<\/p>\n\n\n\n <\/p>\n\n\n\n Isso significa que dois geohashes com prefixo comum compartilham a mesma regi\u00e3o. 6gyf4 e 6gyf4bf est\u00e3o no mesmo bairro. 6gyf e 6gye est\u00e3o em regi\u00f5es adjacentes. A estrutura de prefixo permite buscas de proximidade extremamente eficientes: em vez de calcular dist\u00e2ncias para todos os pontos do banco, o sistema filtra primeiro pelos geohashes relevantes e refina depois.<\/p>\n\n\n\n Isso \u00e9 especialmente valioso em escala. Quando voc\u00ea trabalha com centenas de milh\u00f5es de registros de dispositivos, cada um com m\u00faltiplos sinais de localiza\u00e7\u00e3o ao longo do tempo, a capacidade de agrupar e filtrar por prefixo geohash \u00e9 o que torna o processamento vi\u00e1vel.<\/p>\n\n\n\n O Geohash tem uma caracter\u00edstica contraintuitiva que qualquer sistema de geolocaliza\u00e7\u00e3o precisa tratar com cuidado.<\/p>\n\n\n\n A propriedade de prefixo compartilhado vale em um sentido, mas n\u00e3o no outro: dois pontos geograficamente pr\u00f3ximos nem sempre t\u00eam prefixos em comum. Isso acontece quando os dois pontos est\u00e3o em lados opostos de uma linha divis\u00f3ria do algoritmo.<\/p>\n\n\n\n O exemplo mais claro: um ponto na margem norte de um rio e outro na margem sul, separados por 20 metros. Se o algoritmo tiver dividido o planeta exatamente naquele meridiano ou paralelo, os dois pontos ter\u00e3o geohashes completamente diferentes, como se estivessem em regi\u00f5es distintas.<\/p>\n\n\n\n O mesmo acontece em locais pr\u00f3ximos ao meridiano de Greenwich (0\u00b0), ao Equador, ao meridiano de 180\u00b0, e aos polos. Nesses limites, a correspond\u00eancia entre proximidade f\u00edsica e proximidade de prefixo quebra.<\/p>\n\n\n\n A solu\u00e7\u00e3o padr\u00e3o \u00e9 sempre consultar tamb\u00e9m as 8 c\u00e9lulas vizinhas de qualquer geohash de interesse, norte, sul, leste, oeste e as quatro diagonais. Em termos pr\u00e1ticos, isso significa que uma busca de proximidade eficiente via Geohash n\u00e3o \u00e9 uma consulta de prefixo simples, mas uma consulta de 9 prefixos simult\u00e2neos.<\/p>\n\n\n\n Para profissionais de m\u00eddia e marketing, o Geohash raramente aparece em interfaces, mas est\u00e1 por baixo de praticamente toda opera\u00e7\u00e3o de geolocaliza\u00e7\u00e3o em escala.<\/p>\n\n\n\n Quando uma plataforma processa sinais de GPS de milh\u00f5es de dispositivos para identificar padr\u00f5es de visita, ela n\u00e3o opera sobre coordenadas brutas. Ela indexa esses sinais em c\u00e9lulas geohash, agrupa os dados por c\u00e9lula, e executa as an\u00e1lises sobre esses agrupamentos. A c\u00e9lula \u00e9 a unidade fundamental de processamento.<\/p>\n\n\n\n Isso tem implica\u00e7\u00f5es diretas na forma como audi\u00eancias baseadas em localiza\u00e7\u00e3o s\u00e3o constru\u00eddas:<\/p>\n\n\n\n Granularidade de an\u00e1lise.<\/strong> O n\u00edvel de precis\u00e3o escolhido para o Geohash determina a resolu\u00e7\u00e3o da an\u00e1lise. Geohashes de 6 caracteres (~610m \u00d7 1,2km) s\u00e3o \u00fateis para an\u00e1lises de bairro e fluxo urbano. Geohashes de 7 ou 8 caracteres (~76m \u00d7 76m) permitem trabalhar na escala de quarteir\u00f5es e estabelecimentos. A escolha do n\u00edvel n\u00e3o \u00e9 arbitr\u00e1ria, ela define o que o sistema consegue distinguir.<\/p>\n\n\n\n Agrega\u00e7\u00e3o e anonimiza\u00e7\u00e3o.<\/strong> Agrupar sinais de localiza\u00e7\u00e3o em c\u00e9lulas geohash \u00e9 tamb\u00e9m uma das t\u00e9cnicas utilizadas para trabalhar com dados de forma agregada e an\u00f4nima, sem expor trajet\u00f3rias individuais. Em vez de tratar cada registro como um ponto \u00fanico vinculado a um dispositivo, o sistema trabalha com densidades por c\u00e9lula.<\/p>\n\n\n\n Efici\u00eancia em escala.<\/strong> A principal raz\u00e3o do Geohash ter se tornado um padr\u00e3o \u00e9 operacional: ele permite que sistemas distribu\u00eddos particionem e paralelizem o processamento de dados geoespaciais de forma previs\u00edvel. Cada c\u00e9lula \u00e9 uma fatia independente do espa\u00e7o, e pode ser processada de forma independente.<\/p>\n\n\n\n O Geohash n\u00e3o \u00e9 o \u00fanico sistema de indexa\u00e7\u00e3o espacial existente. Existem alternativas com caracter\u00edsticas distintas:<\/p>\n\n\n\n S2 Geometry (Google):<\/strong> usa uma proje\u00e7\u00e3o esf\u00e9rica diferente e c\u00e9lulas hier\u00e1rquicas sem as distor\u00e7\u00f5es de latitude do Geohash. Adotado em sistemas que precisam de maior precis\u00e3o geom\u00e9trica global.<\/p>\n\n\n\n H3 (Uber):<\/strong> usa grade hexagonal em vez de retangular. Hex\u00e1gonos t\u00eam a propriedade de manter dist\u00e2ncias mais uniformes entre centros de c\u00e9lulas vizinhas, o que favorece an\u00e1lises de fluxo e densidade.<\/p>\n\n\n\n Quadtrees e R-trees:<\/strong> estruturas de \u00e1rvore usadas principalmente em bancos de dados geoespaciais relacionais, com vantagens em consultas de pol\u00edgonos complexos.<\/p>\n\n\n\n O Geohash persiste como padr\u00e3o amplamente adotado por uma combina\u00e7\u00e3o de simplicidade, legibilidade humana e compatibilidade com qualquer banco de dados que suporte indexa\u00e7\u00e3o de strings, uma vantagem pr\u00e1tica enorme em ambientes de engenharia heterog\u00eaneos.<\/p>\n\n\n\n Quando dados de geolocaliza\u00e7\u00e3o de centenas de milh\u00f5es de dispositivos precisam ser armazenados, consultados e processados em escala de tempo real, a escolha da estrutura de indexa\u00e7\u00e3o n\u00e3o \u00e9 detalhe de implementa\u00e7\u00e3o, \u00e9 a base sobre a qual toda a intelig\u00eancia subsequente se apoia.<\/p>\n\n\n\n O Geohash resolve um problema que n\u00e3o aparece no briefing de nenhuma campanha, mas que est\u00e1 presente em toda opera\u00e7\u00e3o de segmenta\u00e7\u00e3o baseada em localiza\u00e7\u00e3o: como transformar coordenadas cont\u00ednuas em unidades discretas que um sistema computacional consegue indexar, comparar e agregar com efici\u00eancia.<\/p>\n\n\n\n Entender como essa grade invis\u00edvel funciona, sua l\u00f3gica hier\u00e1rquica, suas propriedades de prefixo, seus casos de borda, \u00e9 parte do que separa quem usa geolocaliza\u00e7\u00e3o como recurso de quem a entende como infraestrutura.<\/p>\n\n\n\n <\/p>\n","protected":false},"excerpt":{"rendered":" Toda vez que um sistema de geolocaliza\u00e7\u00e3o recebe um par de coordenadas, latitude e longitude, ele enfrenta um problema fundamental: coordenadas brutas s\u00e3o cont\u00ednuas. O planeta n\u00e3o tem fronteiras naturais entre um ponto e o seguinte. Mas bancos de dados precisam de fronteiras. Precisam de \u00edndices. Precisam de uma forma de perguntar “quais registros est\u00e3o […]<\/p>\n","protected":false},"author":1,"featured_media":792,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-791","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-sem-categoria"],"yoast_head":"\nPrecis\u00e3o hier\u00e1rquica<\/strong><\/h2>\n\n\n\n
Comprimento<\/strong><\/td> Dimens\u00e3o aproximada da c\u00e9lula<\/strong><\/td><\/tr> 1 caractere<\/td> ~5.000 km \u00d7 5.000 km<\/td><\/tr> 3 caracteres<\/td> ~78 km \u00d7 78 km<\/td><\/tr> 5 caracteres<\/td> ~2,4 km \u00d7 2,4 km<\/td><\/tr> 6 caracteres<\/td> ~0,61 km \u00d7 1,22 km<\/td><\/tr> 7 caracteres<\/td> ~76 m \u00d7 76 m<\/td><\/tr> 9 caracteres<\/td> ~4,8 m \u00d7 4,8 m<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n O problema de borda: o caso que a intui\u00e7\u00e3o ignora<\/strong><\/h2>\n\n\n\n
Por que isso importa para quem trabalha com dados de localiza\u00e7\u00e3o<\/strong><\/h2>\n\n\n\n
Geohash no contexto de indexa\u00e7\u00e3o espacial<\/strong><\/h2>\n\n\n\n
O c\u00f3digo que voc\u00ea n\u00e3o v\u00ea, mas que est\u00e1 em todo lugar<\/strong><\/h2>\n\n\n\n