Redis 地理散列GeoHash
用数据库来算附近的人
地图元素的位置数据使用二维的经纬度表示，经度范围（-180，180]，纬度范围 （-90，90],纬度正负以赤道为界，北正南负，经度正负已本初子午线（英国格林尼治天文台）为界，东正西负。
当两个元素的距离不是很远时，可以直接使用勾股定理就能算得元素之间的距离。我们平时使用的【附近的人】的功能，元素距离都不是很大，勾股定理算距离就足够。现在，如果要计算【附近的人】，也就是给定一个元素的坐标，然后计算这个坐标附近的其他元素，按照距离进行排序，需要如何着手。
如果现在元素的经纬度坐标使用关系数据库（元素id，经度x，纬度y）存储，首先，不可能遍历来计算所有的元素和目标元素的距离然后再进行排序。这个计算量太大了，性能指标无法满足。一般方法都是通过矩形区域来限定元素的数量，然后对区域内的元素进行全量距离计算再排序。 这样可以明显减少计算量，如何划分矩形区域，可以指定一个半径为r，使用一条SQL就可以圈出来，当用户对筛选出来的结果不满意，就扩大半径继续筛选。
select
id
from positions
where
x0-r < x < x0+r
and y0-r < y < y0+r
为了满足高性能的矩阵区域算法，数据表需要在经纬度坐标加上双向复合索引（x,y）,这样可以最大优化查询性能。
但是数据库查询性能毕竟有限，如果【附近的人】查询请求非常多，在高并发场合下，可能不是一个很好的方案。
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可以了。
映射算法将整个地球看成一个二维平面，然后划分成一系列的正方形的方格，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。如何编码最简单的方案就是切蛋糕法，设想一个正方形的蛋糕摆在面前，二刀下去均匀分成四块小正方形，这四个小正方形分别标记为00，01，10，11四个二进制整数。然后对每个小正方形继续用二刀法切割下去，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。
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zset里面，zset的value是元素的key，score是GeoHash的52位整数值。zset的scire虽然是浮点数，但是对于52位的整数值，他可以无损存储。
在使用Redis进行Geo查询时，我们要时刻想到他的内部结构实际上是一个zset。通过zset的score排序就可以得到坐标附近的其他元素，通过将score还原成坐标值就可以得到元素的原始坐标。
Geo指令的基本使用
添加
geoadd指令携带集合名称以及多个经纬度名称三元组
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
计算距离
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"
我们可以看到掘金离美团最近，因为它们都在望京。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
"116.48104995489120483"
"39.99679348858259686"
127.0.0.1:6379> geopos company ireader
"116.5142020583152771"
"39.90540918662494363"
127.0.0.1:6379> geopos company juejin ireader
"116.48104995489120483"
"39.99679348858259686"
"116.5142020583152771"
"39.90540918662494363"
观察到获取的经纬度坐标和getadd进去的坐标有轻微的误差，原因是geohash对二维坐标进行一维映射是有损的，通过映射在还原回来的值会出现较小的差别，对于【附近的人】来说，这种误差是可以接受的。
获取附近的公司
georadiusbymember指令是最为关键的指令，可以用来查询指定元素附近的其他元素
# 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
# withcoord 返回结果时包括地理位置的经度和纬度坐标
# withdist：返回结果时包括结果与指定地理位置之间的距离
# withhash：返回结果时包括地理位置的 geohash 值
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。他可以根据用户的定位来计算【附近的车】，【附近的餐馆】等。他的参数和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"
总结
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，他们将全部放在一个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1Mb，否则会导致集群迁移出现卡顿现象，影响线上业务正常运行。
所以，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。
