业界比较通用的地理位置排序算法是GeoHash算法，Redis也使用了GeoHash算法。GeoHash算法将二维经纬度数据经过编码映射到一维的整数，这样将所有的元素挂载到一条直线上，距离很近的二维经纬度坐标映射到一维后的点之间的距离也会很近，当我们要计算"附近的人"时，首先将目标位置定位到这条线上，然后获取这条一维直线上附近的点就可以了。
经过GeoHash算法编码之后，每个地图的元素坐标将变成一个整数，通过这个整数可以还原出初始坐标，整数越长，还原出来的坐标损失就越小，对于附近的人这种功能，损失一点精度是可以接受的。
GeoHash算法会继续对这个整数做一次base32编码变成一个字符串。在Redis中，经纬度使用的是52位的整数进行编码放在zset里，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，但是仍然可以无损储存52位的整数值。
一、Geo的基本用法
- geoadd
向集合中添加元素
image.png
格式：geoadd [key] [经度] [纬度] [名称]
geo并没有删除语句，但是geo本质上就是一个zset，所以可以直接使用zset的删除指令进行删除。
- geodist
计算两个元素之间的距离
image.png
格式：geodist [key] [名称1] [名称2] [距离单位] 距离单位可以是m、km、ml、ft。
从结果来看 小米到掘金的距离要小于京东到掘金的距离
- geopos
获取元素的初始位置
image.png
格式：geopos [key] [名称]
我们可以看到geopos取出来的元素初始位置和存进去的初始位置会有一定的误差，这是因为GeoHash对二维坐标转换为一维坐标是有一定损耗的，但是对于附近的人这种功能，这点损耗是完全可以接受的。
- geohash
获取元素的hash值
image.png
格式：geohash [key] [名称]
上面已经提到，他是个base32的编码，可以自行利用这个编码获取定位。
5.georadiusbymember geo最关键的指令之一，可以查询指定元素附近的其他元素
image.png
image.png
格式：georadiusbymember [key] [名称1] [距离] [距离单位] [count] [数量] [排序方式]
无论正序排列还是倒序排列，并不会排除本身
另外还有三个可选参数，withcoord withdist withhash 其中withdist可以计算距离
6.georadius 根据定位查询附近的人
image.png
格式：georadius [key] [经度] [纬度] [距离] [距离单位] [可选参数] [count] [数量] [排序方式]
可以直接根据定位来查询附近的信息，他的参数和georadiusbymember基本相似，只是把名称换成了经纬度
好了 今天的分享就到这里了，如果感觉对自己有帮助的话，欢迎关注我的公众号 "IT编程技术猿"
谢谢大家啦！
网友评论