像之前說的的例子，都是在HBase clinet 端作處理。
而我們使用HBase，當然希望是使用他整體Cluster 的運算能力來幫我們運算，所以我們想把運算的作業交由HBase的Region Server 幫我們作處理。
HBase 提供了兩種方式讓我們可以把運算功能實作在 Region Server
1) filter
2) coprocessor
我們來看一下要如何處理，首先我們先改變一下我們的問題，我們不再找離自己最近的wifi，問題改成:
找尋某個多邊型內的有哪些wifi
比如說我們想確認國父紀念館裡有多少wifi，這個還算簡單，因為國父紀念館是一個方形的範圍，但有可能我們是希望讓使用者手繪多邊形，所以希望是不規則的多邊形也可以處理。
假設我們現在的問題是：「離我最近的５個wifi熱點在哪裡」
工程師看到問題，一般來說，就會想到至少要下面二樣東西才能查找相關資訊
1.我(目標) 目前的位置(經度及緯度)
2.要幾個結果數 (本問題是5個，當然你也可以寫死，比較彈性的方式是多一個參數或設定可以傳入想要的結果數)
依上述的問題，我們定義的函數如下
public colleciton<QueryMatch> queryKNN(double lat , double lon , int n)
{
1.把目標轉成geohash
2.迴圈找出目標和他的9宮格鄰居內的wifi 熱點資料
3.對上述找出之資料進行排序，找出最近距離的n 個點回傳
}
大致上的程式碼如下
目前想採用的方案是使用HBse + geohash
HBase要想能很快的搜尋，就必須把row key設計好，但從之前的例子，我們直接使用經度+緯度 或是 緯度+經度當成row key，都無法達成我們想要下列的目標
1.查詢空間內彼此接近的點，在硬碟上的儲存位置也是彼此接近
2.回應查詢時，回傳盡可能少的點
也許我們可以實作一個coprocessor，把多餘的經度或緯度的資料濾掉，但這個不是理想的方式，因為還是需要先讀出資料，先避開無關的資料不去讀取，才是最好的方式。
所以現在的問題是，如何把經度和緯度整合起來變成一個好的row key，這時我們可使用geohash
geohash的介紹可參考
http://www.cnblogs.com/LBSer/p/3310455.html
http://charlee.li/geohash-intro.html
最近在研究geohash，剛好看到和HBase 的結合，所以這邊就一併筆記一下
背景：目前網路上一些基於地理位置的服務，例如，找到目前所在地周遭５００公尺的咖啡站，在巨量資料的情況下，你總不希望你的使用者等一個MapReduce跑完才會知道結果吧？！
因為HBase 有低延遲(low latency)的特性，也許我們可以使用HBase來儲存此類的地理資料並解決問題。
地理位置最簡單的結構就是大家常知道的經緯度（Ｘ，Ｙ座標），有一些地圖資料比較詳細，甚至有高度的資料(Z軸)，這邊我們先不考慮這項因素，只要先考慮X，Ｙ座標即可。
最近在研究Arvo
簡單地說， Arvo 可以把物件序列化，以便系統之間溝通
Arvo介紹
http://fangjian0423.github.io/2016/02/21/avro-intro/
http://blog.csdn.net/xyw_blog/article/details/8967362
Arvo 把物件序列化和反序列化的方式有兩種
1.需先取得Arvo Schema ，藉由Arvo Schema 產生資料對應的物件，在程式裡面作資料序列化和反序列化
ex:http://www.iteblog.com/archives/1008
這種的好處是程式撰寫簡單，但相反的比較沒彈性，如果格式改變則程式要作修改並重新編譯
2.Runtime 讀取Avro 檔案取得Schema 並作序列化及反序列化
好處是若檔案格式改變，因為程式是Runtime讀取Scheam作parse，所以不用修改
缺點是程式撰寫較為複雜(後來也覺得還好)
最近吳奇隆和劉詩詩的婚禮弄的轟轟烈烈
也因此小虎隊三人齊聚一堂!
網路上也一直播放之前三人合體的畫面。
現在只要三人同台合唱，場邊總有人流下感動的眼淚，其實我聽了也蠻感傷，
應該是因為，那是陪我們這一代人成長的回憶，在那個之前還算美好的時代!
雖然覺得蘇友朋不適合待在幕前，但非常欣賞他的努力
https://www.youtube.com/watch?v=Q-tYr7i2oaQ
還有就是我高中的時候，看了很多遍他寫我在建中的日子，是一本很適合考生穩定自己心情的書。
By the way，還是覺得蘇友朋是值得學習的對象!
http://lxw1234.com/archives/2016/02/614.htm
http://lxw1234.com/archives/2016/03/619.htm
不過最近試的結果是降維後準確度也降低了
這表示我原本選的資料就太完美了嗎...XD
下次來問問教授!!!