https://zsr.github.io/2016/10/17/Google-S2/
Google S2作用：
根据多边形的边界区域映射成由许多一维数值构成的集合，这样就可以由这个集合代替多边形区域，便于后续计算。
典型的可以将不同国家(或者地区)的边界区域(经纬度)计算成一维数值的集合，可以用于判断该区域的任何一个坐标是否包涵在内，简单的说就是地理定位。
s2库提供了一个Cell的概念，每个Cell相当于一个单元格，在一个单元格内的所有Point，都可以算出同一个CellId。同时可以认为，一个Polygon可以用一个Cell的集合来表示。
那么这时的步骤就是通过区域的坐标，来初始化其内包含的所有的CellId，将这些CellId的id放入redis中做key，对应的value是区域名称(譬如，上海浦东新区)，构建完全国范围的CellId后，查询用户的区域就可以通过用户的坐标获得一个CellId，然后去redis中查询，在使用LocalCache后，基本就没有什么计算成本，完全可以满足性能需求。
操作步骤：
1）首先获取地域图形的坐标点集合，可以从Natural Earth网站获取全球的坐标元数据(.shp文件)。
2）解析shp文件，生成区域坐标集合，这里选择pyshp(解析shp文件的python插件)，这里需要注意：同一个国家可能包涵多个区域(muti Polygon)，需要分开处理。下载地址：https://pypi.python.org/pypi/pyshp/
3）使用Google S2将多边形的边界坐标集合转化为一维数值集合，代表这个多边形的覆盖区域。
S2原理：
| 1234567891011 | S2RegionCoverer coverer = new S2RegionCoverer();ArrayList<S2CellId> covering = new ArrayList<S2CellId>();coverer.setMinLevel(minLevel);coverer.setMaxLevel(maxLevel);coverer.setMaxCells(1000000);S2Polygon s2Polygon = S2Polygon.makePolygon(polygonValue);//getCovering()表示可以最小程度覆盖整个区域，外接多边形coverer.getCovering(s2Polygon, covering);//getInteriorCovering()表示最大程度填充整个区域，内接多边形// coverer.getInteriorCovering(s2Polygon, covering);System.out.println(“covering of size:” + covering.size()); |
这里采用getCovering()外接多边形模式，避免多边形区域有盲点。MinLevel＝9，MaxLevel＝14
说明：MaxLevel最多可以设置30级，每升一级精度提升接近4倍，14级单个Cell可以表示范围：200平米~400平米，层级越高，构建越慢。
S2需要将地理位置表示为计算机可以理解的方式，即二进制码的表示，所以我们的目标就是用二进制码来表示三维空间。如何来做呢？需要进行降维。
1) 首先从三维降到二维，我们将地球放在一个正方体中，假设地球中心发光，光线穿过球体表面到达正方体平面的点就是球体表面的点的投影。于是我们就可以将地球投影到正方体的六个正方形表面。
通过投影我们可以将三维球体映射到二维平面，但是这个方法有一个问题，就是投影长度的比例不同。水平方向上的投影长度比上下两端的投影长度小，这就造成了投射面积不均匀，会影响以后对地图的切分。解决方法就是再进行一次区间转换，对长度进行微挑，将长的拉短，短的拉长，尽量使投影面积分布均匀。
2) 将二维变成一维。我们有很多点组成的正方形平面，如何对这个平面进行一维表示呢？方法就是遍历，比如我们就可以用00 01 10 11来表示下面四个点组成的平面。将这种方法不断扩展到极限，我们可以得到填充整个二维平面的一条曲线，这就是著名的希尔伯特曲线（Hilbert Curve）。希尔伯特曲线可以把二维平面映射到一条线段上，它还有一个优势就是可以保存局部性，即空间位置相近的点在希尔伯特曲线上的位置也是相近的。
可以发现位置相近的二维坐标在一维线段上面也是邻近的。
3) 创建cell集合：
简单来说，就是将一个能完整覆盖多边形面积的cell，不断的划分(4块cell)，如果4快仍然全部与多边形相交则继续划分，否则有一个或多个cell不与多边形相交则抛弃，直至最大划分到maxLevel。可以发现如果maxLevel设置的越大，则精度越高(测试效率来看，maxLevel设置为14，15级已经比较精确，层级大于15级非常影响生成cell的效率)。
这里假设多边形区域为二维图形，如果需要对该图形进行覆盖，可能有以下可能：
- cell被包含在多边形内部
- cell与多边形相交(有一部分在外面)图中大的cell和多边形相交，如果该cell的level已经达到maxLevel则停止划分，并将这个cell加入最后集合；如果这时候该cell的level小于maxLevel,则继续划分为4小块(不一定等分)，可以发现有2个小的cell仍然与多边形相交，如果这2个cell层级已经达到MaxLevel则将这2个加入最终集合，否则继续划分，另外2个cell已经在多边形的外面则抛弃，
如果多边形内部可以完整填充一个cell(注意限制：minLevel，maxLevel; 级别越小，cell越大)，则将该cell直接添加到集合中。比如这里设置的minLevel＝9(一般只有面积非常大的国家才会有level＝9),所以多边形区域所能生成的最大面积cell只有可能是level＝9.
根据实际测试来看，像美国，俄罗斯相对面积比较大的国家，最小的level可以达到7(目测地球所有国家中最小的level就是7)，也就是说这些国家的面积可以内涵完整的level=7的cell，这么做可以将许多高层次的cell由一个低层次的cell替代，减少了生成的cell数量同时表示的范围没有变化。
之所以这里选择minLevel＝9，是为了以后定位方便，目前的定位是通过经纬度由Google S2生成CellId，再由这个CellId查询所有的CellId集合，如果有匹配的则命中。匹配的代码 如下：
| 123456789 | int minLevel = 9;int maxLevel = 14;for (int i = minLevel; i < (maxLevel + 1); i++) { paCell = s2cell.parent(i); if (cellIds.contains(paCell.id())) { System.out.println(“命中!!!”); break; }} |
匹配的规则：先从最低级别判断，如果没有被包含在CellId集合中则判断其父层是否被包含，这样逐层递增直至maxLevel。所以minLevel设置的太小会增加判断次数，在并发比较大的情况下会影响效率。