今天我来给大家介绍一下Redis的GEO数据类型的实现原理以及使用方法。
大家都一定用过美团APP，经常会使用“附近的餐馆”，也一定在滴滴上打过车，这些都是基于位置信息服务(LBS)的应用。LBS应用访问的数据是和人或者物关联的一组经纬度信息。GEO数据类型就非常适合应用在LBS服务的场景中，下面我们来看一下它的底层结构。
GEO的底层结构：
一般来说，在设计一个数据类型的底层结构时，我们首先要知道，要处理的数据有什么访问特点。我以叫车服务为例，来分析下LBS应用中经纬度的存取特点。
每一辆网约车都有一个编号（例如 10），网约车需要实时的将自己的经纬度信息（110，35 ）发给叫车应用。
用户在叫车的时候，叫车应用会根据用户的经纬度信息（例如经度 100，纬度 38）查找用户的附近车辆，并进行匹配。
等把位置相近的用户和车辆匹配上以后，叫车应用就会根据车辆的编号，获取车辆的信息，并返回给用户。
可以看到，一辆车（或者一个用户）对应着一组经纬度信息，并且随着车（或者用户）的移动，相应的经纬度也会发生变化。这种数据的特点是一个key（例如车的编号）对应着一个value（经纬度信息）。当有很多车辆的信息需要保存的时候，就需要有一个集合来保存一系列的key和value。在Redis中Hash集合类型可以快速访问一系列的key和value，正好可以用来记录一系列的车辆ID和对应的经纬度信息。所以，我们把不同车辆的ID和其对应的经纬度值存在Hash集合中。如下图所示：
Hash集合类型，可以通过HSet命令，将对相应的key设置成相应的value值。所以我们可以使用该命令快速的更新车辆变化的经纬度信息。这样看来，Hash类型看起来是个不错的选择，但是有这么一个问题，对于一个LBS应用来说，除了记录经纬度信息，还需要根据用户的经纬度信息在车辆的Hash集合中进行范围查询。一旦涉及到范围查询，我们就要求集合里的数据是有序的。但是Hash元素是无序的，所以是不能满足我们的需求的。接下来我们看一下Sorted Set是否可以满足我们的需求呢？Sorted Set类型也支持key-value形式，其中key是Sorted Set中的元素，value则是元素的权重分数。Sorted Set可以根据权重来排序，支持范围查询。所以可以满足LBS服务中查找相邻位置的需求了。你有没有发现这么一个问题，由于Sorted Set中权重是一个浮点数，没法去存储一组经纬度的值，那该如何处理呢？这时就要用的GEO类型中的GeoHash编码了。
GeoHash的编码方式
GeoHash编码的基本原理就是“二分区间，区间编码”。当我们要对一组经纬度进行GeoHash编码时，我们要先对经度和纬度分别进行编码，然后再把经度和纬度各自的编码组合成一个最终的编码。下面我们来看一下经度和纬度的单独编码过程。
对于一个地理位置信息来说，它的经度范围是[-180,180]。GeoHash编码会把一个经度的值编码成N位的二进制数（把经度范围进行N次二分区操作）。我们进行第一次二分区时，经度范围[-180,180]会被分成2个子区间[-180,0)和[0,180]。然后看经度值落在哪个范围内，如果落在[-180,0)，我们用0表示，如果落在(0,180]，我们用1来表示。这样，每做一次二分区，就得到1位编码值。当做N次二分区，就可以得到N位编码值。
举个例子，假如我们要编码的经度值是110，我们用5位编码值来编码。
我们先做第一次二分区操作，把经度[-180,180]分成左分区[-180,0)和右分区[0,180]，此时110处在右分区，所以，我们用1来表示第一次分区后的编码值。接下来，我们做第二次分区，把110所在的分区[0,180]区间，分成[0,90)和[90,180]，此时经度值落在[90,180]区间，所以第二次分区后的编码值仍然为1。接下来进行第三次分区，我们对[90,180]进行二分区，值110落在[90,135)之间，所以第三次分区后的编码值为0。然后进行第四次分区，我们对[90,135)进行二分区，值110落在[90,112.5)之间，所以第四次分区后的编码为0。最后进行第五次分区，我们对[90,112.5)进行二分区，值110落在[101.25,112.5]之间，所以第五次分区后的编码为1。
接下来，我们也用5位编码值来对纬度35进行编码。
当一组经纬度的值都编码完成后，我们再把他们组合在一起。组合的规则是：最终编码值的偶数位上依次是经度的编码值，奇数位上依次是纬度的编码值。其中，偶数位从0开始，奇数位从1开始。
用了GeoHash编码后，原来无法用一个权重分数表示一组经纬度（110，35）就可以用1110010110这一个值来表示，就可以保存为Sorted Set的权重分数。使用GeoHash编码后，我们相当于把整个地理空间划分成了一个个小方格，每个方格对应了GeoHash中的一个分区。
举个例子，我们把经度区间[-180,180]做一次二分区，把维度区间[-90,90]做一次二分区，就会得到4个分区。我们来看下它们的经度和纬度范围以及对应的 GeoHash 组合编码。
分区一：[-180,0) 和[-90,0)，编码 00。
分区二：[-180,0) 和[0,90]，编码 01。
分区三：[0,180]和[-90,0)，编码 10。
分区四：[0,180]和[0,90]，编码 11。
这4个分区对应了4个方格，每个方格覆盖了一定范围内的经纬度值，分区越多，每个方格能覆盖到的地理空间就越小，也就越精准。我们把所有方格的编码值映射到一维空间时，相邻方格的 GeoHash 编码值基本也是接近的，如下图所示：
所以，我们使用Sorted Set范围查询得到的相近的编码值，在地理空间上，也是相邻的方格。所以可以实现基于LBS应用打车的功能了。
好了，到目前位置，我们就知道了，GEO类型是把经纬度所在的区间编码作为 Sorted Set 中元素的权重分数，把和经纬度相关的车辆 ID 作为 Sorted Set 中元素本身的值保存下来。这样相邻经纬度的查询就可以通过编码值的大小范围查询来实现了。接下来我们来看一下如何操作GEO类型。
GEO类型操作命令
GEO类型经常会用到两个命令，分别是GEOADD和GEORADIUS。
GEOADD命令：用于把一组经纬度信息和相对应的一个ID记录到 GEO 类型集合中。
GEORADIUS 命令：会根据输入的经纬度位置，查找以这个经纬度为中心的一定范围内的其他元素。当然，我们可以自己定义这个范围。
GEOADD locations 110 35 10
代表把ID为10号的车辆的当前经纬度(110,35)存入key为locations的GEO集合中。
GEORADIUS locations 110 35 5 km ASC COUNT 10
Redis会根据输入的用户的经纬度信息（110，35），查找以这个经纬度为中心的 5 公里内的车辆信息。使用 ASC 选项，让返回的车辆信息按照距离这个中心位置从近到远的方式来排序，以方便选择最近的车辆；使用 COUNT 选项，指定返回的车辆信息的数量。
作者：程序员学长
链接：https://juejin.cn/post/6989395077646778375
来源：掘金
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
随时随地看视频
