Redis知识梳理(8) [ GeoHash 地理位置 ]

Myth丶恋晨 2022-02-03 13:27 288阅读 0赞

Redis 在 3.2 版本以后增加了地理位置 GEO 模块，

意味着我们可以使用 Redis 来实现摩拜单车「附近的 Mobike」、美团和饿了么「附近的餐馆」这样的功能 了。

业界比较通用的地理位置距离排序算法是 GeoHash 算法，Redis 也使用 GeoHash 算法。

GeoHash 算法将二维的经纬度数据映射到一维的整数，这样 所有的元素都将在挂载到一条线上，

距离靠近的二维坐标映射到一维后的点之间 距离也会很接近。

当我们想要计算「附近的人时」，首先将目标位置映射到这条 线上，

然后在这个一维的线上获取附近的点就行了。

那这个映射算法具体是怎样的呢?

它将整个地球看成一个二维平面，然后划分成 了一系列正方形的方格，就好比围棋棋盘。

所有的地图元素坐标都将放置于唯一 的方格中。方格越小，坐标越精确。

然后对这些方格进行整数编码，越是靠近的 方格编码越是接近。

那如何编码呢?一个最简单的方案就是切蛋糕法。

设想一个 正方形的蛋糕摆在你面前，二刀下去均分分成四块小正方形，

这四个小正方形可 以分别标记为 00,01,10,11 四个二进制整数。

然后对每一个小正方形继续用二刀 法切割一下，

这时每个小小正方形就可以使用 4bit 的二进制整数予以表示。

然 后继续切下去，正方形就会越来越小，二进制整数也会越来越长，精确度就会越 来越高。

![img][]

编码之后，每个地图元素的坐标都将变成一个整数，

通过这个整数可以还原出元素的坐标，整数越长，还原出来的坐标值的损失程度就越小。

对于「附近的人」这个功能而言，损失的一点精确度可以忽略不计。

GeoHash 算法会继续对这个整数做一次 base32 编码 (0-9,a-z 去掉 a,i,l,o 四个 字母) 变成一个字符串。

在 Redis 里面，经纬度使用 52 位的整数进行编码，放 进了 zset 里面，

zset 的 value 是元素的 key，score 是 GeoHash 的 52 位整数值。

zset 的 score 虽然是浮点数，但是对于 52 位的整数值，它可以无损存 储。

在使用 Redis 进行 Geo 查询时，我们要时刻想到它的内部结构实际上只是一个 zset(skiplist)。

通过 zset 的 score 排序就可以得到坐标附近的其它元素 (实际情 况要复杂一些，不过这样理解足够了)，

通过将 score 还原成坐标值就可以得到 元素的原始坐标。

# Redis 的 Geo 指令基本使用 #

Redis 提供的 Geo 指令只有 6 个，读者们瞬间就可以掌握。使用时，读者务必 再次想起，它只是一个普通的 zset 结构。

# 增加 #

> geoadd 指令携带集合名称以及多个经纬度名称三元组，注意这里可以加入多个 三元组

127.0.0.1:6379> geoadd company 116.48105 39.996794 juejin  
(integer) 1  
127.0.0.1:6379> geoadd company 116.514203 39.905409 ireader  
(integer) 1  
127.0.0.1:6379> geoadd company 116.489033 40.007669 meituan  
(integer) 1  
127.0.0.1:6379> geoadd company 116.562108 39.787602 jd 116.334255 40.027400 xiaomi  
(integer) 2

# 距离 #

> geodist 指令可以用来计算两个元素之间的距离，携带集合名称、2 个名称和距 离单位。

127.0.0.1:6379> geodist company juejin ireader km  
“10.5501”  
127.0.0.1:6379> geodist company juejin meituan km  
“1.3878”  
127.0.0.1:6379> geodist company juejin jd km  
“24.2739”  
127.0.0.1:6379> geodist company juejin xiaomi km  
“12.9606”  
127.0.0.1:6379> geodist company juejin juejin km  
“0.0000”

距离单位可以是 m、km、 ml、ft，分别代表米、千米、英里和尺。

# 获取元素位置 #

> geopos 指令可以获取集合中任意元素的经纬度坐标，可以一次获取多个

>  127.0.0.1:6379> geopos company juejin  
> 1) 1) “116.48104995489120483”  
> 2) “39.99679348858259686”  
> 127.0.0.1:6379> geopos company ireader  
> 1) 1) “116.5142020583152771”  
> 2) “39.90540918662494363”  
> 127.0.0.1:6379> geopos company juejin ireader  
> 1) 1) “116.48104995489120483”  
> 2) “39.99679348858259686”  
> 2) 1) “116.5142020583152771”  
> 2) “39.90540918662494363”

获取的经纬度坐标和 geoadd 进去的坐标有轻微的误差，原因是 geohash 对二维坐标进行的一维映射是有损的，

通过映射再还原回来的值会出 现较小的差别。

# 获取元素的 hash 值 #

> geohash 可以获取元素的经纬度编码字符串，上面已经提到，它是 base32 编 码。

你可以使用这个编码值去 [http://geohash.org/$\{hash\}中进行直接定位，][http_geohash.org_hash] 它是 geohash 的标准编码值。

127.0.0.1:6379> geohash company ireader  
1) “wx4g52e1ce0”  
127.0.0.1:6379> geohash company juejin  
1) “wx4gd94yjn0”

让我们打开地址 [http://geohash.org/wx4g52e1ce0，观察地图指向的位置是][http_geohash.org_wx4g52e1ce0] 否正确。

# 附近的公司 #

> georadiusbymember 指令是最为关键的指令，它可以用来查询指定元素附近的 其它元素，它的参数非常复杂。

\# 范围 20 公里以内最多 3 个元素按距离正排，它不会排除自身  
127.0.0.1:6379> georadiusbymember company ireader 20 km count 3 asc  
1) “ireader”  
2) “juejin”  
3) “meituan”  
\# 范围 20 公里以内最多 3 个元素按距离倒排  
127.0.0.1:6379> georadiusbymember company ireader 20 km count 3 desc  
1) “jd”  
2) “meituan”  
3) “juejin”

\# 三个可选参数 withcoord withdist withhash 用来携带附加参数  
\# withdist 很有用，它可以用来显示距离  
127.0.0.1:6379> georadiusbymember company ireader 20 km withcoord withdist withhash count 3 asc 1) 1) “ireader”  
2) “0.0000”  
3) (integer) 4069886008361398  
4) 1) “116.5142020583152771”  
2) “39.90540918662494363”  
2) 1) “juejin”  
2) “10.5501”  
3) (integer) 4069887154388167  
4) 1) “116.48104995489120483”  
2) “39.99679348858259686”  
3) 1) “meituan”  
2) “11.5748”  
3) (integer) 4069887179083478  
4) 1) “116.48903220891952515”  
2) “40.00766997707732031”

除了 georadiusbymember 指令根据元素查询附近的元素，Redis 还提供了根 据坐标值来查询附近的元素，这个指令更加有用，它可以根据用户的定位来计算 「附近的车」，「附近的餐馆」等。它的参数和 georadiusbymember 基本一 致，除了将目标元素改成经纬度坐标值。

> 127.0.0.1:6379> georadius company 116.514202 39.905409 20 km withdist count 3 asc
> 
> 1.  1.  “ireader”
>     2.  “0.0000”
> 2.  1.  “juejin”
>     2.  “10.5501”
> 3.  1.  “meituan”
>     2.  “11.5748”

# 小结 & 注意事项 #

在一个地图应用中，车的数据、餐馆的数据、人的数据可能会有百万千万条，如 果使用 Redis 的 Geo 数据结构，它们将全部放在一个 zset 集合中。在 Redis 的集群环境中，集合可能会从一个节点迁移到另一个节点，如果单个 key 的数据 过大，会对集群的迁移工作造成较大的影响，在集群环境中单个 key 对应的数据 量不宜超过 1M，否则会导致集群迁移出现卡顿现象，影响线上服务的正常运 行。

所以，这里建议 Geo 的数据使用单独的 Redis 实例部署，不使用集群环境。

如果数据量过亿甚至更大，就需要对 Geo 数据进行拆分，按国家拆分、按省拆 分，按市拆分，在人口特大城市甚至可以按区拆分。这样就可以显著降低单个 zset 集合的大小。

[img]: /images/20220203/68ae80cfbc9f48f4a5b7429853b4e501.png
[http_geohash.org_hash]: http://geohash.org/$%7Bhash%7D%E4%B8%AD%E8%BF%9B%E8%A1%8C%E7%9B%B4%E6%8E%A5%E5%AE%9A%E4%BD%8D%EF%BC%8C
[http_geohash.org_wx4g52e1ce0]: http://geohash.org/wx4g52e1ce0%EF%BC%8C%E8%A7%82%E5%AF%9F%E5%9C%B0%E5%9B%BE%E6%8C%87%E5%90%91%E7%9A%84%E4%BD%8D%E7%BD%AE%E6%98%AF