参考链接：July_
记得大致是外卖的笔试题牵扯到一个附近的点，当时蠢，也是为了争取面试的机会，所以写的bfs＋优先队列，想通过bfs＋优先队列找最近的点，虽然自己心里知道这个方法是不行的，对于附近的点，也是最近看博客了解到的。
可以用R树，每次将在一个区域中划分，将大的矩形进行划分，并且每次划分成小的矩形，将相邻的矩形划分到一个区域，再次迭代用更大的矩形去包含该区域。
比如一个卖家要送餐的范围，那就把不同的买家划分成一个个小矩形，用个大的矩形去包含这些小矩形，然后让更大的矩形包含大的矩形，直至最后只剩下两个矩形，然后就方便查找。
也可以用geohash，如果要确定一个点的位置，将其位置可以划分成一个字符串，然后用字典树进行存储，
支持地理位置索引是MongoDB的一大亮点，这也是全球最流行的LBS服务foursquare 选择MongoDB的原因之一。我们知道，通常的数据库索引结构是B+ Tree，如何将地理位置转化为可建立B+Tree的形式。首先假设我们将需要索引的整个地图分成16×16的方格，如下图（左下角为坐标0,0 右上角为坐标16,16）：
单纯的［x，y］的数据是无法建立索引的，所以MongoDB在建立索引的时候，会根据相应字段的坐标计算一个可以用来做索引的hash值，这个值叫做geohash，下面我们以地图上坐标为［4，6］的点（图中红叉位置）为例。我们第一步将整个地图分成等大小的四块，如下图：
划分成四块后我们可以定义这四块的值，如下（左下为00，左上为01，右下为10，右上为11）：
|
十进制 |
0 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
13 |
14 |
15 |
|
base32 |
0 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
b |
c |
d |
e |
f |
g |
|
十进制 |
16 |
17 |
18 |
19 |
20 |
21 |
22 |
23 |
24 |
25 |
26 |
27 |
28 |
29 |
30 |
31 |
|
base32 |
h |
j |
k |
m |
n |
p |
q |
r |
s |
t |
u |
v |
w |
x |
y |
z |