一个面试题，当时头脑不清楚，回答的不好，特此总结一番。油站数量百万级，范围全国范围，不限数据结构或工具。
在面试回答解法：
- 分块
全国的地区按方形或圆形分为很多个区域，则每一个地址位置会映射到一个区域。并预处理好一个区域内所含的油站。
首先判断你所在的区域，然后在该区域内捞取油站，获取最近的，若没有则向外拓展寻找。
- 不断缩小范围
借助数据库，存入油站的地理位置。
首先任意选一个油站计算距离d，然后利用数据库的索引（b+树复杂度log级别，时间主要是io吧，存在内存里的话可以二分，可以建树等）排除x轴距离大于d的，排除y轴距离大于d的（这里还可以做缓存优化）。在命中的油站中继续重复这个操作。
最后排除不了时再较小数量的油站中全扫描遍历除距离最小的。
大佬们的解法
- 空间索引算法：Geohash,s2,h3
例如Geohash，其实类似我分块的方法，他主要就是做了如何分块（编码）。
GeoHash是一种地址编码方法。他能够把二维的空间经纬度数据编码成一个字符串
参考：www.jianshu.com/p/2fd0cf12e…
- KD Tree
类似我第二种解法了，不断按某一维度切分数据。关键在于他可以找出具体按哪个维度（x还是y）,哪个值切分最优
- VP Tree
和KD Tree差不多
