背景
緩衝區查詢是非常常見的空間查詢，用來查詢周邊的資訊。本文介紹了H3來進行緩衝區查詢的方案。
H3簡介
H3是由Uber開源的一個六邊形分層索引網格系統，也是最近幾年實現資料聚合的主要趨勢，在H3出現之前大部分情況採用的是Geohash演算法，墨卡託投影，還有一些其他投影技術，比如Google S2地理索引。
在不同緯度的地區使用等面積、等形狀的六邊形地理單元可以減少指標和特徵歸一化的成本。另一方面，在常用的地理範圍查詢中，基於矩形的查詢方法，存在 8 鄰域到中心網格的距離不相等的問題，四邊形存在兩類長度不等的距離，而六邊形的周圍鄰居到中心網格的距離卻是有且僅有一個，從形狀上來說更加接近於圓形。
具體思路步驟
建立表按H3來分割槽，分割槽不超過一千個最好
CREATE TABLE pntsh3 ENGINE = MergeTree（） PARTITION BY （geoh3） order by （geoh3，Lon，Lat） AS select id，geoToH3（ toFloat64（Lon）， toFloat64（Lat），3） geoh3，toFloat64（Lon） Lon， toFloat64（Lat） Lat from pnts
計算需要緩衝區範圍內幾個該級別下幾個格子可以覆蓋ceil（200000/h3EdgeLengthM（3）/2+1， 0）），得到H3集合。計算公式大概就是用距離處理六邊形兩邊和再加上一個一邊長，結果向上取整
select Lon， Lat，id from pntsh3 where geoh3 in （select arrayJoin（h3kRing（geoToH3（-120。419219，34。889755999999998， 3）， toInt64（ceil（200000/h3EdgeLengthM（3）/2+1， 0））））） and greatCircleDistance（Lon，Lat，-120。419219，34。889755999999998） <=200000
select Lon， Lat，id from pntsh3 where geoh3 in （select arrayJoin（h3kRing（geoToH3（-120。419219，34。889755999999998， 3）， toInt64（ceil（200/h3EdgeLengthM（3）/2+1， 0））））） and greatCircleDistance（Lon，Lat，-120。419219，34。889755999999998） <=200
相對於暴力計算，無論緩衝區大小均有一定提升
select Lon， Lat，id from pntsh3 where greatCircleDistance（Lon，Lat，-120。419219，34。889755999999998） <=200
select Lon， Lat，id from pntsh3 where greatCircleDistance（Lon，Lat，-120。419219，34。889755999999998） <=200
透過H3索引的合理使用，有效減少了全表掃描，提升查詢速度
參考資料：
https：//www。biaodianfu。com/uber-h3。html
https：//github。com/uber/h3-js#module_h3。h3Distance
https：//zhuanlan。zhihu。com/p/60861179
