Redis GEO（地理坐标使用Redis存贮及其运用）

Redis GEO（地理坐标使用Redis存贮及其运用）

Redis GEO 是 Redis 3.2 版本引入的地理位置功能，基于 Sorted Set（ZSET） 实现。它允许存储地理位置坐标（经纬度），并进行距离计算、范围查询等操作。
核心数据结构
底层实现：Geohash + Sorted Set

Geohash 编码：将二维的经纬度转换为一维字符串，保留空间邻近性

Sorted Set：使用 64 位整数 score 存储 Geohash 编码

成员（member）：地点标识

分值（score）：Geohash 的 52 位整数表示

主要命令
1. GEOADD - 添加地理位置

# 语法
GEOADD key longitude latitude member [longitude latitude member ...]
​
# 示例：添加北京、上海、广州的坐标
GEOADD cities 116.397128 39.916527 "北京" 121.473701 31.230416 "上海" 113.264385 23.129112 "广州"

一次可添加多个位置

如果成员已存在，会更新坐标

2. GEODIST - 计算两点距离

# 语法
GEODIST key member1 member2 [unit]
​
# 示例：计算北京到上海的距离
GEODIST cities "北京" "上海" km

3. GEOPOS - 获取坐标

# 语法
GEOPOS key member [member ...]
​
# 示例：获取北京的坐标
GEOPOS cities "北京"
# 返回：116.39712822437286377 39.91652735625285437

Redis GEO 核心指令详解
一、核心指令深度解析
1. GEOADD - 添加地理位置

# 完整语法
GEOADD key [NX | XX] [CH] longitude latitude member [longitude latitude member ...]
​
# 参数说明
NX：仅添加新成员，不更新已存在成员
XX：仅更新已存在成员，不添加新成员
CH：返回变更数量（新增+更新），默认只返回新增数量
​
# 示例
# 添加北京坐标
GEOADD cities 116.397128 39.916527 "北京"
​
# 使用NX参数（北京已存在则忽略）
GEOADD cities NX 116.397128 39.916527 "北京" 121.473701 31.230416 "上海"
​
# 使用XX参数（只更新北京，上海不存在则忽略）
GEOADD cities XX 116.40 39.92 "北京" 121.47 31.23 "上海"
​
# 使用CH参数查看变更总数
GEOADD cities CH 116.397128 39.916527 "北京" 113.264385 23.129112 "广州"
# 返回：2（如果北京已存在且坐标不同，广州是新增）
​
# 批量添加
GEOADD cities 116.397128 39.916527 "北京" \
121.473701 31.230416 "上海" \
113.264385 23.129112 "广州" \
120.155069 30.274084 "杭州"

底层原理：

将经纬度转换为 52位 Geohash 整数

使用 Sorted Set 存储，member 作为成员，Geohash 作为 score

实际存储格式：ZADD key geohash_int member

2. GEODIST - 计算距离

# 语法
GEODIST key member1 member2 [m|km|mi|ft]
​
# 示例
# 计算北京到上海的距离（千米）
GEODIST cities "北京" "上海" km
# 返回：1068.2986（约1068公里）
​
# 计算北京到广州的距离（米）
GEODIST cities "北京" "广州" m
# 返回：1887002.18（约1887公里）
​
# 不指定单位，默认返回米
GEODIST cities "北京" "上海"
# 返回：1068298.5792

距离计算原理：

使用 Haversine 公式 计算大圆距离

地球半径：6372797.560856米

公式：distance = 2R * arcsin(√(sin²(Δφ/2) + cosφ₁·cosφ₂·sin²(Δλ/2)))

3. GEOPOS - 获取坐标

# 语法
GEOPOS key member [member ...]
​
# 示例
# 获取单个城市的坐标
GEOPOS cities "北京"
返回： "116.39712822437286377" 2) "39.91652735625285437"
​
# 获取多个城市的坐标
GEOPOS cities "北京" "上海" "广州"
# 返回：
# 1) "116.39712822437286377" 2) "39.91652735625285437"
# 1) "121.47370129823684692" 2) "31.23041559259875756"
# 1) "113.26438432931900024" 2) "23.12911163277030071"
​
# 获取不存在的成员
GEOPOS cities "纽约"
# 返回：(nil)

精度说明：

返回的坐标精度比输入的更高

这是 Geohash 解码的固有特性

实际使用中可以截断到所需精度

4. GEORADIUS / GEOSEARCH - 范围查询

# GEORADIUS（传统语法）
GEORADIUS cities 116.397128 39.916527 500 km WITHDIST WITHCOORD COUNT 10 ASC
# 示例1：从成员位置查询
GEOSEARCH cities FROMMEMBER "北京" BYRADIUS 500 km WITHDIST WITHCOORD
​
# 示例2：从坐标查询
GEOSEARCH cities FROMLONLAT 116.397128 39.916527 BYRADIUS 500 km WITHDIST
​
# 示例3：矩形范围查询
GEOSEARCH cities FROMMEMBER "北京" BYBOX 100 100 km WITHDIST
​
# 示例4：带分页和排序
GEOSEARCH cities FROMLONLAT 116.397128 39.916527 BYRADIUS 1000 km WITHDIST COUNT 5 ASC
​
# 示例5：获取所有信息
GEOSEARCH cities FROMMEMBER "北京" BYRADIUS 300 km WITHCOORD WITHDIST WITHHASH

5. GEOHASH - 获取Geohash字符串

# 语法
GEOHASH key member [member ...]
​
# 示例
GEOHASH cities "北京"
# 返回：1) "wx4g0b7xrt0"
​
GEOHASH cities "北京" "上海" "广州"
# 返回：
# 1) "wx4g0b7xrt0"
# 2) "wtw3sjt9qs0"
# 3) "ws0e89curg0"
​
# 使用场景：可用于前端直接调用地图API

二、底层原理深度解析
1. Geohash 编码原理

编码过程：

经纬度（北京）: 116.397128, 39.916527
↓
二进制交错合并
经度二进制: 110100101110000101011...
纬度二进制: 101110010111000010101...
交错后: 1 1 0 1 0 1 1 0 1 0 1 1 ... (经度、纬度交替)
↓
Base32编码
每5位一组: 11100 -> w, 10111 -> x, 00100 -> 4, ...
最终: wx4g0b7xrt0

特性：

前缀匹配：相同前缀表示地理位置相近

精度与长度关系：

1位：±2500km
2位：±630km
3位：±78km
4位：±20km
5位：±2.4km
6位：±610m
7位：±76m
8位：±19m
9位：±2.4m
10位：±0.6m
11位：±0.074m

2. Sorted Set 存储结构

// Redis 内部表示
typedef struct zset {
dict *dict; // 哈希表，用于O(1)查找成员
zskiplist *zsl; // 跳表，用于范围查询
} zset;
​
// GEO 在 ZSET 中的存储
key = "cities"
member = "北京"
score = geohash_to_int64("wx4g0b7xrt0") // 52位整数

内存布局：

+-------------------+ +-------------------+
| ZSET | | 跳表节点 |
| dict: ptr--------|---->| member: "北京" |
| zsl: ptr--------|---->| score: 40698849..|
+-------------------+ | level[0]->下一个 |
+-------------------+

3. 范围查询算法

GEORADIUS 执行步骤：

1. 计算中心点的 Geohash (52位整数)
2. 根据半径计算 Geohash 精度级别
- 小半径：使用高精度（更多位数）
- 大半径：使用低精度（较少位数）
3. 生成8个方向的边界框 Geohash
4. 在 Sorted Set 中查询该范围内的成员
5. 使用 Haversine 公式精确过滤
6. 按距离排序并返回结果

时间复杂度：

O(log(N) + M)：N是总元素数，M是返回元素数

跳表查询：O(log(N))

范围扫描：O(M)

4. 精度与误差控制

误差来源：

Geohash 边界问题：相同前缀可能跨越边界

# 解决方案：查询8个相邻区域
# Redis 内部自动处理

三、高级用法示例
1. 结合 ZSET 命令操作

# 1. 查看所有地理位置成员
ZRANGE cities 0 -1
# 返回：1) "广州" 2) "上海" 3) "北京"
​
# 2. 按 Geohash 范围查询（自定义范围）
ZRANGEBYSCORE cities 4069880000000000 4069890000000000
# 可以获取特定 Geohash 范围的成员
​
# 3. 删除地理位置
ZREM cities "北京"
​
# 4. 获取成员分数（Geohash 整数）
ZSCORE cities "北京"
# 返回："4069884985356763"
​
# 5. 统计数量
ZCARD cities

2. 实现地理围栏

# 用户签到场景
# 1. 添加地理围栏
GEOADD geofence:store 116.397128 39.916527 "store_001"
​
# 2. 用户签到
GEOPOS user:location "user_123"
# 返回用户当前位置
​
# 3. 判断是否在围栏内
GEODIST geofence:store "store_001" user:location "user_123" m
# 如果距离 < 50米，允许签到
​
# 4. 批量检查多个围栏
GEORADIUS geofence:all 116.397 39.916 100 m WITHDIST
# 返回100米内所有围栏及距离

3. 分片策略

# 城市级别分片
GEOADD cities:beijing 116.397128 39.916527 "天安门"
GEOADD cities:shanghai 121.473701 31.230416 "外滩"
​
# 网格分片（基于 Geohash 前缀）
# Geohash 前3位相同的在同一个分片
# wx4（北京区域）、wtw（上海区域）

四、性能优化建议
1. 查询优化

# 避免大范围查询
# 不推荐：查询5000公里范围
GEOSEARCH cities FROMMEMBER "北京" BYRADIUS 5000 km
​
# 推荐：先估算合理半径
GEOSEARCH cities FROMMEMBER "北京" BYRADIUS 50 km COUNT 100
​
# 使用 COUNT 限制结果集
GEOSEARCH key FROMLONLAT 116.397 39.916 BYRADIUS 10 km COUNT 50 ASC

2. 内存优化

# 定期清理过期数据
# 方法1：使用时间戳作为 score 的一部分
GEOADD locations:20240101 116.397 39.916 "user_123"
​
# 方法2：使用 ZREMRANGEBYSCORE 清理
# 假设 score 包含时间戳
ZREMRANGEBYSCORE locations:20240101 0 1704067200000

3. 集群优化

# 使用 hash tag 确保相关数据在同一节点
# 所有北京的数据在同一个 slot
GEOADD {cities}:beijing 116.397128 39.916527 "location1"
GEOADD {cities}:beijing 116.398 39.917 "location2"
​
# 查询时也要使用相同的 hash tag
GEOSEARCH {cities}:beijing FROMMEMBER "location1" BYRADIUS 10 km

实际应用示例
场景：附近的人/商家搜索

# 1. 添加商家位置
GEOADD stores 116.403963 39.915119 "王府井店" 116.40853 39.9155 "东单店" 116.416337 39.928171 "三里屯店"
​
# 2. 用户当前位置查询附近3公里内的商家
GEOSEARCH stores FROMLONLAT 116.406 39.915 BYRADIUS 3 km WITHDIST ASC
​
# 3. 计算用户到具体店面的距离
GEODIST stores "王府井店" "东单店" km

场景：车辆轨迹管理

# 记录车辆实时位置
GEOADD fleet:locations 116.397128 39.916527 "car_001"
GEOADD fleet:locations 121.473701 31.230416 "car_002"
​
# 查询某中心点50公里内的所有车辆
GEOSEARCH fleet:locations FROMLONLAT 116.4 39.9 BYRADIUS 50 km WITHCOORD

性能特点
优点

高性能：查询复杂度 O(log(N) + M)，N是元素数，M是返回数

高精度：使用 WGS84 坐标系统，误差在 0.5m 内

灵活查询：支持半径查询、矩形查询、距离排序

与ZSET兼容：可使用所有ZSET命令操作GEO数据

局限性

数据量限制：单节点适合千万级数据，更大数据需分片

地球范围：只能处理有效经纬度（-180到180，-85到85）

距离计算：采用Haversine公式，计算大圆距离（球面）

最佳实践
1. 键设计

# 业务前缀:数据类型:区域
geo:stores:beijing
geo:users:online
geo:vehicles:active

2. 数据过期策略

# GEO本身不支持TTL，可结合EXPIRE或使用ZSET命令
EXPIRE geo:users:online 3600 # 1小时过期

3. 批量操作优化

# 使用管道(pipeline)批量添加
cat locations.txt | redis-cli --pipe
# locations.txt内容：
GEOADD geo:points 116.397 39.916 "point1"
GEOADD geo:points 121.473 31.230 "point2"

4. 集群部署注意事项

相同查询的成员应放在同一slot（使用hash tag）

# 使用{}确保相关数据在同一节点
GEOADD geo:{city}:stores 116.397 39.916 "store1"
GEOADD geo:{city}:stores 116.398 39.917 "store2"

与其他方案对比

https://blog.csdn.net/m0_75259372/article/details/157697082