Redis之Geospatial：你不知道的，附近人

2023-11-04 10:10
文章标签 redis 知道 附近 geospatial

本文主要是介绍Redis之Geospatial：你不知道的，附近人，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

  • J3 - 白起
  • Redis数据类型 # Geospatial
  • Redis的基本数据类型停更有一段时间了，是时候重新拾起它了。那么今天我来介绍一下这个Redis的Geospatial相关命令，不知道你们怎么觉得反正我感觉挺实用的这个数据类型，因为我实习入职的时候接到的第一个项目好像就用的了这个数据类型（可惜那个功能不是我写的😂）。

一、Geospatial概述

Redis 在 3.2 版本以后增加了地理位置 GEO 模块。

生活中我们常常见到的功能如：附近的人、查找共享单车、美团找附近的餐馆等用来指定两地之间的距离基本上都可以用这个来实现！

并且Geospatial本质是使用Sorted Set存储的，当然计算两者之间的距离Redis用的底层技术则是GeoHash（不了解的，可以看我下面贴出来的资料一）。

Redis对GEO模块添加地理位置的形式是：

key 经度 纬度 名称
  • key：这个好理解我就不解释了
  • 经度：从本初子午线0度开始，向左和向右分别分出180度，跨度是（-180,180），其中本初子午线向左称为西经，本初子午线向右称为东经。
  • 纬度：以赤道0度开始，向上和向下分别分出90度，南极和北极分别为南纬90度和北纬90度，南极到北极的跨度是（-90,90），其中赤道到南极称为南纬，赤道到北极称为北纬。
  • 名称：经度与纬度对应的地理名称

注意的点：

  1. 两级无法直接添加。
  2. 经纬度一定不能超出范围，有效的纬度从-85.05112878度到85.05112878度、有效的经度从-180度到180度。
  3. 地球是圆的，这两个数字的单位不是距离，而是角度。

学下面六个GEO命令之前，我们先来准备一下数据（城市经纬度）

获取城市经纬度：https://jingweidu.bmcx.com/

查看两地距离：http://www.24timemap.com/distance

  1. 北京：116.23128，40.22077
  2. 上海：121.48941，31.40527
  3. 重庆：106.54041，29.40268
  4. 广州：113.27324，23.15792
  5. 天津：117.30983，39.71755
  6. 深圳：113.88308，22.55329

有了以上的这些数据，我们就可以开始学习下面的六个命令了。

二、六大命令解析

2.1 GEOADD（geoadd）

**时间复杂度：**每一个元素添加是O(log(N)) ，N是sorted set的元素数量。

添加地理位置

案例：

127.0.0.1:6379> geoadd myMap 116.23128 40.22077 beijing #添加一个城市的地理坐标
(integer) 1
127.0.0.1:6379> geoadd myMap 121.48941 31.40527 shanghai 106.54041 29.40268 chongqing 113.27324 23.15792 guangzhou #添加多个
(integer) 3
127.0.0.1:6379> geoadd myMap 117.30983 39.71755 tianjing 113.88308 22.55329 shenzhen #添加多个
(integer) 2
127.0.0.1:6379>

2.2 GEOPOS（geopos）

时间复杂度：O(log(N))对于请求的每个成员，其中N是排序集中的元素数量。

获得对应位置的经纬度

返回值：

GEOPOS 命令返回一个数组， 数组中的每个项都由两个元素组成： 第一个元素为给定位置元素的经度， 而第二个元素则为给定位置元素的纬度。

当给定的位置元素不存在时， 对应的数组项为空值。

案例

127.0.0.1:6379> geopos myMap beijing #获取指定位置的下标
1) 1) "116.23128265142440796"2) "40.22076905438526495"
127.0.0.1:6379> geopos myMap shanghai
1) 1) "121.48941010236740112"2) "31.40526993848380499"
127.0.0.1:6379> geopos myMap shanghai tianjing #一次性获取多个地理坐标
1) 1) "121.48941010236740112"2) "31.40526993848380499"
2) 1) "117.30983108282089233"2) "39.71755086262169954"
127.0.0.1:6379>

2.3 GEODIST（geodist）

时间复杂度：O(log(N))

返回两地之间的距离，如果两个位置之间的其中一个不存在， 那么命令返回空值。

指定单位的参数 unit 必须是以下单位的其中一个：

  • m 表示单位为米。
  • km 表示单位为千米。
  • mi 表示单位为英里。
  • ft 表示单位为英尺。

如果用户没有显式地指定单位参数， 那么 GEODIST 默认使用米作为单位。

GEODIST 命令在计算距离时会假设地球为完美的球形， 在极限情况下， 这一假设最大会造成 0.5% 的误差。

案例：

127.0.0.1:6379> geodist myMap beijing tianjing km #北京与天津之间的直线距离，km
"107.6344"
127.0.0.1:6379>

用上面我贴的工具验证一下：

在这里插入图片描述

我们注意到，这计算的还是很精准的。

2.4 GEORADIUS（georadius）

时间复杂度：O(N+log(M))其中，N为以圆心和半径划定的圆形区域的边框内的元素数量，M为索引内的项目数量。

以给定的经纬度为中心， 返回键包含的位置元素当中， 与中心的距离不超过给定最大距离的所有位置元素。

范围可以使用以下其中一个单位：

  • m 表示单位为米。
  • km 表示单位为千米。
  • mi 表示单位为英里。
  • ft 表示单位为英尺。

在给定以下可选项时， 命令会返回额外的信息：

  • WITHDIST: 在返回位置元素的同时， 将位置元素与中心之间的距离也一并返回。 距离的单位和用户给定的范围单位保持一致。
  • WITHCOORD: 将位置元素的经度和维度也一并返回。
  • WITHHASH: 以 52 位有符号整数的形式， 返回位置元素经过原始 geohash 编码的有序集合分值。 这个选项主要用于底层应用或者调试， 实际中的作用并不大。

命令默认返回未排序的位置元素。 通过以下两个参数， 用户可以指定被返回位置元素的排序方式：

  • ASC: 根据中心的位置， 按照从近到远的方式返回位置元素。
  • DESC: 根据中心的位置， 按照从远到近的方式返回位置元素。

案例：

127.0.0.1:6379> georadius myMap 112.89262 22.90026 100 km	#返回指定经纬度为中心的100km范围内的城市
1) "guangzhou"
127.0.0.1:6379> georadius myMap 112.89262 22.90026 200 km withdist	#返回指定经纬度为中心的200km范围内的城市和城市离中心的距离
1) 1) "shenzhen"2) "108.6930"
2) 1) "guangzhou"
127.0.0.1:6379> georadius myMap 112.89262 22.90026 200 km withcoord #获取指定中心范围内的城市和经纬度
1) 1) "shenzhen"2) 1) "113.88307839632034302"2) "22.55329111565713873"
2) 1) "guangzhou"2) 1) "113.27324062585830688"2) "23.1579209662846921"
127.0.0.1:6379> georadius myMap 112.89262 22.90026 200 km withdist desc #带排序，远到近
1) 1) "shenzhen"2) "108.6930"
2) 1) "guangzhou"2) "48.3662"
127.0.0.1:6379> georadius myMap 112.89262 22.90026 200 km withdist asc #带排序，近到远
1) 1) "guangzhou"2) "48.3662"
2) 1) "shenzhen"2) "108.6930"
127.0.0.1:6379> georadius myMap 112.89262 22.90026 200 km withdist count 1 #只获取一个
1) 1) "guangzhou"2) "48.3662"

2.5 GEORADIUSBYMEMBER（georadiusbymember）

时间复杂度：O(N+log(M))其中，N为以圆心和半径划定的圆形区域的边框内的元素数量，M为索引内的项目数量。

这个命令和 GEORADIUS 命令一样， 都可以找出位于指定范围内的元素， 但是 GEORADIUSBYMEMBER 的中心点是由给定的位置元素决定的， 而不是像 GEORADIUS那样， 使用输入的经度和纬度来决定中心点。

案例：

127.0.0.1:6379> georadiusbymember myMap shenzhen 200 km # 获取深圳为中心200km范围内的城市
1) "shenzhen"
2) "guangzhou"
127.0.0.1:6379> georadiusbymember myMap beijing 200 km #和上面同理
1) "beijing"
2) "tianjing"
127.0.0.1:6379>

2.6 GEOHASH（geohash）

这个基本用不到，知道有这么回事就行

时间复杂度：O(log(N))对于请求的每个成员，其中N是排序集中的元素数量。

返回一个或多个位置元素的 Geohash 表示。

案例：

127.0.0.1:6379> geohash myMap chongqing tianjing # 获取指定位置的 geohash字符串
1) "wm5z22s7520"
2) "wx53vqq7t00"
127.0.0.1:6379>

三、Geospatial存储原理案例

前面我说过，Geospatial是使用Sorted Set存储的，那么我们现在回头想想，上面介绍的六种操作命令有将城市的数据移除的命令吗？

显然没有，那么我现在就用Sorted Set中相关的命令来操作一下

案例：

127.0.0.1:6379> zrange myMap 0 -1				#获取myMap的所有值
1) "chongqing"
2) "shenzhen"
3) "guangzhou"
4) "shanghai"
5) "tianjing"
6) "beijing"
127.0.0.1:6379> zrange myMap 0 -1 withscores	#获取myMap的所有值及对应的分数1) "chongqing"2) "4026046519194590"3) "shenzhen"4) "4046340107163728"5) "guangzhou"6) "4046534010880445"7) "shanghai"8) "4054807796443227"9) "tianjing"
10) "4069256193403282"
11) "beijing"
12) "4069896088584598"
127.0.0.1:6379> zrem myMap shenzhen	#移除指定的值
(integer) 1
127.0.0.1:6379> zrange myMap 0 -1 withscores1) "chongqing"2) "4026046519194590"3) "guangzhou"4) "4046534010880445"5) "shanghai"6) "4054807796443227"7) "tianjing"8) "4069256193403282"9) "beijing"
10) "4069896088584598"
127.0.0.1:6379>

通过上面这案例也说明了Geospatial的存储结构就是Sorted Set。

参考资料

资料一：《redis系列之——数据类型geospatial：你隔壁有没有老王？》

资料二：Redis中文网

  • 由于博主才疏学浅，难免会有纰漏，假如你发现了错误或偏见的地方，还望留言给我指出来，我会对其加以修正。
  • 如果你觉得文章还不错，你的转发、分享、点赞、留言就是对我最大的鼓励。
  • 感谢您的阅读，十分欢迎并感谢您的关注。

好了，今天的内容到这里就结束了，关注我，我们下期见

^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^

CSDN：J3 - 白起

这是一个技术一般，但热衷于分享；经验尚浅，但脸皮够厚；明明年轻有颜值，但非要靠才华吃饭的程序员。

长按下图二维码关注，来一场博友之交吧！

在这里插入图片描述

^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^

这篇关于Redis之Geospatial：你不知道的，附近人的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/345054。

相关文章

零基础学习Redis(10) -- zset类型命令使用

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合，内部除了存储元素外，还会存储一个score，存储在zset中的元素会按照score的大小升序排列，不同元素的score可以重复，score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]
阅读更多...
Redis中使用布隆过滤器解决缓存穿透问题

Redis中使用布隆过滤器解决缓存穿透问题

一、缓存穿透(失效)问题 缓存穿透是指查询一个一定不存在的数据，由于缓存中没有命中，会去数据库中查询，而数据库中也没有该数据，并且每次查询都不会命中缓存，从而每次请求都直接打到了数据库上，这会给数据库带来巨大压力。 二、布隆过滤器原理 布隆过滤器（Bloom Filter）是一种空间效率很高的随机数据结构，它利用多个不同的哈希函数将一个元素映射到一个位数组中的多个位置，并将这些位置的值置
阅读更多...
Lua 脚本在 Redis 中执行时的原子性以及与redis的事务的区别

Lua 脚本在 Redis 中执行时的原子性以及与redis的事务的区别

在 Redis 中，Lua 脚本具有原子性是因为 Redis 保证在执行脚本时，脚本中的所有操作都会被当作一个不可分割的整体。具体来说，Redis 使用单线程的执行模型来处理命令，因此当 Lua 脚本在 Redis 中执行时，不会有其他命令打断脚本的执行过程。脚本中的所有操作都将连续执行，直到脚本执行完成后，Redis 才会继续处理其他客户端的请求。 Lua 脚本在 Redis 中原子性的原因
阅读更多...
laravel框架实现redis分布式集群原理

laravel框架实现redis分布式集群原理

在app/config/database.php中配置如下： 'redis' => array('cluster' => true,'default' => array('host' => '172.21.107.247','port' => 6379,),'redis1' => array('host' => '172.21.107.248','port' => 6379,),) 其中cl
阅读更多...
Redis的rehash机制

Redis的rehash机制

在Redis中，键值对（Key-Value Pair）存储方式是由字典（Dict）保存的，而字典底层是通过哈希表来实现的。通过哈希表中的节点保存字典中的键值对。我们知道当HashMap中由于Hash冲突（负载因子）超过某个阈值时，出于链表性能的考虑，会进行Resize的操作。Redis也一样。 在redis的具体实现中，使用了一种叫做渐进式哈希(rehashing)的机制来提高字典的缩放效率，避
阅读更多...
【吊打面试官系列-Redis面试题】说说 Redis 哈希槽的概念？

【吊打面试官系列-Redis面试题】说说 Redis 哈希槽的概念？

大家好，我是锋哥。今天分享关于 【说说 Redis 哈希槽的概念？】面试题，希望对大家有帮助； 说说 Redis 哈希槽的概念？ Redis 集群没有使用一致性 hash,而是引入了哈希槽的概念，Redis 集群有 16384 个哈希槽，每个 key 通过 CRC16 校验后对 16384 取模来决定放置哪个槽， 集群的每个节点负责一部分 hash 槽。
阅读更多...
Redis地理数据类型GEO

Redis地理数据类型GEO

通常要计算两个地理位置的距离不是很方便，这里可以直接通过Redis提供的GEO操作来完成地理位置相关的计算 1）添加地理位置 语法：geoadd key longitude latitude member [longitude latitude member] ...字段说明：key：存放地理位置的集合名称longitude：地理坐标的经度latitude：地理坐标的纬度member：表示这
阅读更多...
Redis-主从集群

Redis-主从集群

主从架构 单节点Redis的并发能力是有上限的，要进一步提高Redis的并发能力，就需要搭建主从集群，实现读写分离。 主从数据同步原理 全量同步 主从第一次建立连接时，会执行全量同步，将master节点的所有数据都拷贝给slave节点，流程： 判断是否是第一次同步，如果是，返回版本信息（replication id 和offset），将salve节点的版本信息变为master的
阅读更多...
Redis安装使用总结

Redis安装使用总结

一、下载安装 从 github 下载：https://github.com/MSOpenTech/redis/releases 或者 https://github.com/ServiceStack/redis-windows 解压缩，如图： 二、配置 打开redis.windows-sevice.conf文件， 2.1 绑定ip：搜索127.0.0.1 ，发现bind 127.0.0.
阅读更多...
面对Redis数据量庞大时的应对策略

面对Redis数据量庞大时的应对策略

面对Redis数据量庞大时的应对策略，我们可以从多个维度出发，包括数据分片、内存优化、持久化策略、使用集群、硬件升级、数据淘汰策略、以及数据结构选择等。以下是对这些策略的详细探讨： 一、数据分片（Sharding） 当Redis数据量持续增长，单个实例的处理能力可能达到瓶颈。此时，可以通过数据分片将数据分散存储到多个Redis实例中，以实现水平扩展。分片的主要策略包括： 一致性哈希：使用一
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2