Redis GEO 命令详解：轻松实现“附近的人“功能

目录

引言

Redis GEO命令概述

什么是GEO命令？

主要命令详解

命令应用示例

添加地点信息

查询两地距离

查询附近的城市

实现"查找附近的人"功能

功能需求与实现思路

基本需求

实现思路

命令实现方案

存储用户位置

查询附近的用户

Java代码实现详解

使用Redis GEO的优势与注意事项

优势

注意事项

引言

        在移动互联网时代，基于地理位置的服务已成为众多应用的标配功能。无论是打车软件、外卖平台还是社交应用，"附近的XX"功能几乎无处不在。这类功能的核心技术挑战在于：如何高效存储地理位置数据并进行快速检索？Redis 3.2版本引入的GEO（地理空间）命令集完美解决了这一问题，为开发者提供了简单高效的地理位置数据处理方案。

        本文将深入浅出地介绍Redis GEO命令及其工作原理，通过实际案例和代码示例，帮助你轻松实现"查找附近的人"等地理位置相关功能。无论你是Redis新手还是有经验的开发者，都能从中获取有价值的信息。


Redis GEO命令概述

什么是GEO命令？

        GEO是"Geolocation"（地理定位）的简写，Redis GEO是Redis专门为地理位置信息存储和检索设计的命令集。它允许我们将经纬度坐标存储到Redis数据库中，并支持按距离查询、计算两点间距离等多种地理空间操作。

        底层实现上，Redis GEO使用了地理空间索引算法（Geohash），将二维的经纬度转换为一维的字符串，并通过Redis的有序集合(Sorted Set)来存储，这使得地理位置的存取和计算变得非常高效。

主要命令详解

Redis GEO主要提供了以下几个核心命令：

  • GEOADD: 添加地理空间信息
# 将指定的地理空间位置（经度、纬度、名称）添加到指定的key中
# 可以一次添加多个位置
GEOADD key longitude latitude member [longitude latitude member ...]
  • GEODIST: 计算两点间距离
# 返回两个给定位置之间的距离
# unit参数指定返回值的单位，可以是m（米）、km（千米）、mi（英里）或ft（英尺）
GEODIST key member1 member2 [unit]
  • GEOHASH: 获取经纬度的Geohash表示
# 返回一个或多个位置元素的Geohash表示
# Geohash是一种将经纬度编码为字符串的方法
GEOHASH key member [member ...]
  • GEOHASH: 获取经纬度的Geohash表示
# 返回一个或多个位置元素的Geohash表示
# Geohash是一种将经纬度编码为字符串的方法
GEOHASH key member [member ...]
  • GEOPOS: 获取位置的经纬度
# 返回指定名称位置的经纬度坐标
GEOPOS key member [member ...]
  • GEORADIUS: 查找指定半径内的成员
# 以给定的经纬度为中心，返回键中包含的位置元素当中，与中心的距离不超过给定半径的所有位置元素
GEORADIUS key longitude latitude radius unit [WITHCOORD] [WITHDIST] [WITHHASH] [COUNT count] [ASC|DESC] [STORE key] [STOREDIST key]

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
WITHCOORD: 将位置元素的经度和纬度也一并返回
WITHHASH: 以52位无符号整数的形式返回位置元素的geohash值（主要用于调试）
COUNT n: 限定返回的记录数量
ASC|DESC: 根据中心的位置，按照从近到远（ASC）或从远到近（DESC）的顺序返回位置元素

  • GEOSEARCH: 在指定范围内搜索
# 在指定范围内搜索，范围可以是圆形或矩形
GEOSEARCH key [FROMMEMBER member] [FROMLONLAT longitude latitude] [BYRADIUS radius unit] [BYBOX width height unit] [WITHDIST] [WITHCOORD] [WITHHASH] [COUNT count] [ASC|DESC]
  • GEOSEARCHSTORE: 在指定范围内搜索并将结果存储
# 与GEOSEARCH功能相同，但可以将结果存储到指定的key中
GEOSEARCHSTORE destination key [FROMMEMBER member] [FROMLONLAT longitude latitude] [BYRADIUS radius unit] [BYBOX width height unit] [WITHDIST] [WITHCOORD] [WITHHASH] [COUNT count] [ASC|DESC]

这些命令共同构成了一个完整的地理空间数据处理工具集，能够满足大多数基于位置的服务需求。

命令应用示例

让我们通过一个具体的例子来理解GEO命令的使用：

添加地点信息

# 上述命令将"东京"和"吉隆坡"两个城市的经纬度信息添加到名为"locations"的地理空间集合中。
GEOADD locations 139.781210 35.774426 "东京" 101.653962 5.205122 "吉隆坡"

查询两地距离

# 这个命令会返回东京和吉隆坡之间的距离（单位：公里）。
GEODIST locations "东京" "吉隆坡" km

查询附近的城市

# 这个命令会查找距离指定坐标点（经度139.0，纬度35.0）1000公里范围内的所有城市，并同时返回它们与中心点的距离。
GEORADIUS locations 139.0 35.0 1000 km WITHDIST

实现"查找附近的人"功能

        "查找附近的人"是移动应用中的常见功能，下面我们将详细讲解如何使用Redis GEO命令来实现。

功能需求与实现思路

基本需求

  • 存储每个用户的地理位置信息（经纬度）
  • 能够查询指定用户周围一定范围内的其他用户
  • 返回的用户列表按照距离排序

实现思路

  1. 使用GEOADD命令将用户ID及其经纬度信息存储在Redis中
  2. 当需要查询"附近的人"时，使用GEORADIUS命令，以查询用户的位置为中心，指定半径范围进行搜索

命令实现方案

假设我们正在开发一个社交应用，需要实现广州市用户查找1000公里范围内其他用户的功能：

存储用户位置

GEOADD user_location 113.267548 23.142979 "user1"
GEOADD user_location 113.300000 23.150000 "user2"
GEOADD user_location 114.057868 22.543099 "user3"

查询附近的用户

# 命令会返回距离广州市指定坐标1000公里范围内的所有用户，并显示他们与查询点的具体距离。
GEORADIUS user_location 113.254325 23.144043 1000 km WITHDIST

Java代码实现详解

下面是使用Java语言和Jedis客户端实现"查找附近的人"功能的代码示例：

import redis.clients.jedis.GeoCoordinate;
import redis.clients.jedis.GeoRadiusResponse;
import redis.clients.jedis.GeoUnit;
import redis.clients.jedis.Jedis;
import redis.clients.jedis.params.GeoRadiusParam;import java.util.List;
import java.util.Map;
import java.util.HashMap;
import java.util.stream.Collectors;/*** Redis GEO功能示例：实现"附近的人"功能* * @author Muller*/
public class RedisGeoDemo {private static final String USER_LOCATION_KEY = "user_location";/*** 存储用户地理位置信息* * @param userId 用户ID* @param longitude 经度* @param latitude 纬度* @param jedis Redis连接* @return 添加成功的数量*/public static Long saveUserLocation(String userId, double longitude, double latitude, Jedis jedis) {try {return jedis.geoadd(USER_LOCATION_KEY, longitude, latitude, userId);} catch (Exception e) {System.err.println("保存用户位置信息失败: " + e.getMessage());return 0L;}}/*** 批量存储多个用户的地理位置信息* * @param userLocations 用户位置Map，key为用户ID，value为经纬度坐标* @param jedis Redis连接* @return 添加成功的数量*/public static Long saveUserLocations(Map<String, double[]> userLocations, Jedis jedis) {try {Map<String, GeoCoordinate> memberCoordinateMap = new HashMap<>();for (Map.Entry<String, double[]> entry : userLocations.entrySet()) {String userId = entry.getKey();double[] coordinates = entry.getValue();memberCoordinateMap.put(userId, new GeoCoordinate(coordinates[0], coordinates[1]));}return jedis.geoadd(USER_LOCATION_KEY, memberCoordinateMap);} catch (Exception e) {System.err.println("批量保存用户位置信息失败: " + e.getMessage());return 0L;}}/*** 查询附近的人* * @param longitude 经度* @param latitude 纬度* @param radius 半径* @param jedis Redis连接* @return 附近用户ID列表*/public static List<String> getNearbyUsers(double longitude, double latitude, double radius, Jedis jedis) {try {List<GeoRadiusResponse> responses = jedis.georadius(USER_LOCATION_KEY, longitude, latitude, radius, GeoUnit.KM, GeoRadiusParam.geoRadiusParam().withDist().sortAscending());return responses.stream().map(GeoRadiusResponse::getMemberByString).collect(Collectors.toList());} catch (Exception e) {System.err.println("查询附近用户失败: " + e.getMessage());return List.of();}}/*** 获取用户详细地理信息（包含距离）* * @param longitude 经度* @param latitude 纬度* @param radius 半径* @param jedis Redis连接* @return 附近用户详细信息列表*/public static List<UserGeoInfo> getNearbyUsersWithDistance(double longitude, double latitude, double radius, Jedis jedis) {try {List<GeoRadiusResponse> responses = jedis.georadius(USER_LOCATION_KEY, longitude, latitude, radius, GeoUnit.KM, GeoRadiusParam.geoRadiusParam().withDist().withCoord().sortAscending());return responses.stream().map(response -> new UserGeoInfo(response.getMemberByString(),response.getDistance(),response.getCoordinate().getLongitude(),response.getCoordinate().getLatitude())).collect(Collectors.toList());} catch (Exception e) {System.err.println("查询附近用户详细信息失败: " + e.getMessage());return List.of();}}/*** 计算两个用户之间的距离* * @param userId1 用户1的ID* @param userId2 用户2的ID* @param jedis Redis连接* @return 两用户间距离（单位：公里），如果计算失败返回-1*/public static double getDistanceBetweenUsers(String userId1, String userId2, Jedis jedis) {try {Double distance = jedis.geodist(USER_LOCATION_KEY, userId1, userId2, GeoUnit.KM);return distance != null ? distance : -1;} catch (Exception e) {System.err.println("计算用户距离失败: " + e.getMessage());return -1;}}/*** 获取用户的地理坐标* * @param userId 用户ID* @param jedis Redis连接* @return 用户坐标[经度,纬度]，如果不存在返回null*/public static double[] getUserPosition(String userId, Jedis jedis) {try {List<GeoCoordinate> positions = jedis.geopos(USER_LOCATION_KEY, userId);if (positions != null && !positions.isEmpty() && positions.get(0) != null) {GeoCoordinate pos = positions.get(0);return new double[] { pos.getLongitude(), pos.getLatitude() };}return null;} catch (Exception e) {System.err.println("获取用户坐标失败: " + e.getMessage());return null;}}/*** 用户地理信息包装类*/public static class UserGeoInfo {private String userId;private double distance;private double longitude;private double latitude;public UserGeoInfo(String userId, double distance, double longitude, double latitude) {this.userId = userId;this.distance = distance;this.longitude = longitude;this.latitude = latitude;}public String getUserId() {return userId;}public double getDistance() {return distance;}public double getLongitude() {return longitude;}public double getLatitude() {return latitude;}@Overridepublic String toString() {return "用户ID: " + userId + ", 距离: " + String.format("%.2f", distance) + "公里" +", 坐标: [" + longitude + ", " + latitude + "]";}}/*** 示例用法*/public static void main(String[] args) {// 这里仅用于演示，实际使用应通过连接池获取Jedis实例try (Jedis jedis = new Jedis("localhost", 6379)) {// 清除之前可能存在的测试数据jedis.del(USER_LOCATION_KEY);// 存储几个测试用户的位置（广州及周边城市的坐标）saveUserLocation("user1", 113.267548, 23.142979, jedis);  // 广州saveUserLocation("user2", 114.057868, 22.543099, jedis);  // 深圳saveUserLocation("user3", 113.030396, 22.938259, jedis);  // 佛山saveUserLocation("user4", 116.397128, 39.916527, jedis);  // 北京System.out.println("===== 查询广州周边1000公里范围内的用户 =====");List<String> nearbyUsers = getNearbyUsers(113.267548, 23.142979, 1000, jedis);System.out.println("附近的用户: " + nearbyUsers);System.out.println("\n===== 查询广州周边1000公里范围内的用户（包含距离信息） =====");List<UserGeoInfo> nearbyUsersWithDist = getNearbyUsersWithDistance(113.267548, 23.142979, 1000, jedis);nearbyUsersWithDist.forEach(System.out::println);System.out.println("\n===== 计算用户间距离 =====");double distance = getDistanceBetweenUsers("user1", "user2", jedis);System.out.println("广州(user1)到深圳(user2)的距离: " + String.format("%.2f", distance) + "公里");distance = getDistanceBetweenUsers("user1", "user4", jedis);System.out.println("广州(user1)到北京(user4)的距离: " + String.format("%.2f", distance) + "公里");System.out.println("\n===== 获取用户坐标 =====");double[] pos = getUserPosition("user1", jedis);if (pos != null) {System.out.println("用户user1的坐标: [" + pos[0] + ", " + pos[1] + "]");}}}
}

使用Redis GEO的优势与注意事项

优势

  • 性能高效：Redis基于内存操作，地理位置查询性能极高
  • 使用简单：GEO命令集设计直观，容易上手
  • 功能完善：提供了从添加、查询到计算距离的完整功能集
  • 可扩展性好：可以轻松处理百万级别的POI（兴趣点）数据
  • 与Redis其他功能协同：可以结合Redis的缓存、事务等功能

注意事项

  • 精度限制：GEO命令的精度受到Geohash算法的限制，对于需要极高精度的应用场景（如军事）可能不适用
  • 内存消耗：大量GEO数据会占用较多内存，需要合理规划Redis服务器资源
  • 经纬度范围：Redis GEO只接受有效的经纬度范围（经度：-180到180，纬度：-85.05112878到85.05112878）
  • 数据持久化：使用AOF持久化模式可能会导致重启时间延长，需权衡数据安全性和重启速度
  • 适用场景：最适合"附近的XX"这类不需要复杂地理形状计算的场景，如需多边形区域计算等高级地理信息功能，可能需要专业GIS系统

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.rhkb.cn/news/42846.html

如若内容造成侵权/违法违规/事实不符，请联系长河编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

外包干了一个月，技术明显进步。。。。。

外包干了一个月，技术明显进步。。。。。

先说一下自己的情况&#xff0c;本科生&#xff0c;19年通过校招进入南京某软件公司&#xff0c;干了接近2年的功能测试&#xff0c;今年年初&#xff0c;感觉自己不能够在这样下去了&#xff0c;长时间呆在一个舒适的环境会让一个人堕落!而我已经在一个企业干了2年的功能测试&…
阅读更多...
出海企业数字化为什么需要双层架构ERP？工博深度解析SAP ERP公有云方案

出海企业数字化为什么需要双层架构ERP？工博深度解析SAP ERP公有云方案

目录 什么是双层架构ERP&#xff1f; SAP双层架构ERP四大核心优势 标准化与集成 敏捷性与创新 成本与风险控制 合规与自主性 企业海外业务扩张时&#xff0c;可能由于文化差异、经验差异、合规要求和不断变化的地理政治环境等因素&#xff0c;使总部系统的在海外的推广充…
阅读更多...
LVS的 NAT 模式实验

LVS的 NAT 模式实验

文章目录 目录 文章目录 概要 IP规划与题目分析 实验步骤 一、nginx配置&#xff08;rs1、rs2、rs3&#xff09; 二、LVS配置 三、客户端配置 四、防火墙和selinux配置 实验结果 痛点解答 概要 LVS/NAT lvs/nat网络地址转换模式&#xff0c;进站/出站的数据流量经过分发器(IP负…
阅读更多...
MySQL Binlog

MySQL Binlog

MySQL Binlog MySQL Binlog 介绍查看 Binlog 位点开启和关闭 BinlogBinlog 的作用Binlog 记录的格式Binlog 的解析Binlog 加密Binlog 的清理根据Binlog文件名删除根据时间删除 Binlog 保留参数Binlog 的落盘Binlog 相关参数 MySQL主从复制&#xff1a;https://blog.csdn.net/a…
阅读更多...
第十四届蓝桥杯省赛电子类单片机学习记录（客观题）

第十四届蓝桥杯省赛电子类单片机学习记录（客观题）

01.一个8位的DAC转换器&#xff0c;供电电压为3.3V&#xff0c;参考电压2.4V&#xff0c;其ILSB产生的输出电压增量是&#xff08;D&#xff09;V。 A. 0.0129 B. 0.0047 C. 0.0064 D. 0.0094 解析&#xff1a; ILSB&#xff08;最低有效位&#xff09;的电压增量计算公式…
阅读更多...
【随手记】支持多模态输入的 AI Chatbot App

【随手记】支持多模态输入的 AI Chatbot App

一、Streamlit 1、Streamlit开发文档 官方文档&#xff1a;https://docs.streamlit.io/ 中文文档&#xff1a;https://blog.csdn.net/weixin_44458771/article/details/135495928 2、Streamlit命令行启动 pip install streamlit streamlit run app.py --server.port 85013…
阅读更多...
为什么大模型在 OCR 任务上表现不佳？

为什么大模型在 OCR 任务上表现不佳？

编者按&#xff1a; 你是否曾经用最先进的大语言模型处理企业文档&#xff0c;却发现它把财务报表中的“$1,234.56”读成了“123456”&#xff1f;或者在处理医疗记录时&#xff0c;将“0.5mg”误读为“5mg”&#xff1f;对于依赖数据准确性的运营和采购团队来说&#xff0c;这…
阅读更多...
关于ArcGIS中加载影像数据，符号系统中渲染参数的解析

关于ArcGIS中加载影像数据，符号系统中渲染参数的解析

今天遇到一个很有意思的问题&#xff0c;故记录下来&#xff0c;以作参考和后续的研究。欢迎随时沟通交流。如果表达错误或误导&#xff0c;请各位指正。 正文 当我们拿到一幅成果影像数据的时候&#xff0c;在不同的GIS软件中会有不同效果呈现&#xff0c;但这其实是影像是…
阅读更多...
智能舵机：AI融合下的自动化新纪元

智能舵机：AI融合下的自动化新纪元

在自动化的浪潮中&#xff0c;智能舵机以其独特的魅力和卓越的性能&#xff0c;正引领着自动化产业迈向新的高度。今天&#xff0c;让我们一起走进智能舵机的世界&#xff0c;感受AI技术为其带来的无限可能。 一、智能舵机&#xff1a;自适应控制的先锋 智能舵机&#xff0c;…
阅读更多...
计算机二级WPS Office第四套电子表格

计算机二级WPS Office第四套电子表格

解题过程 排名的函数有三个&#xff1a;rank函数、rank.avg函数、rank.eq函数
阅读更多...
【数学建模】（启发式算法）蚁群算法(Ant Colony Optimization)的详解与应用

【数学建模】（启发式算法）蚁群算法(Ant Colony Optimization)的详解与应用

蚁群算法(Ant Colony Optimization)详解与应用 文章目录 蚁群算法(Ant Colony Optimization)详解与应用前言1. 蚁群算法的生物学基础2. 蚁群算法的基本原理2.1 算法框架2.2 状态转移规则2.3 信息素更新规则 3. 蚁群算法的实现4. 蚁群算法的改进4.1 MAX-MIN蚁群系统(MMAS)4.2 精…
阅读更多...
基于Springboot的网上订餐系统 【源码】+【PPT】+【开题报告】+【论文】

基于Springboot的网上订餐系统 【源码】+【PPT】+【开题报告】+【论文】

网上订餐系统是一个基于Java语言和Spring Boot框架开发的Web应用&#xff0c;旨在为用户和管理员提供一个便捷的订餐平台。该系统通过简化餐饮订购和管理流程&#xff0c;为用户提供快速、高效的在线订餐体验&#xff0c;同时也为管理员提供完善的后台管理功能&#xff0c;帮助…
阅读更多...
使用idea开发spark程序

使用idea开发spark程序

新建scala 项目 创建lib目录 将spark jars/ 路径下所有jar 复制到 lib目录 添加依赖 创建scala 程序 package sparkimport org.apache.spark.{SparkConf, SparkContext}object WordCount {def main(args: Array[String]): Unit {val conf new SparkConf().setAppName(&q…
阅读更多...
CORDIC算法：三角函数的硬件加速革命——从数学原理到FPGA实现的超高效计算方案

CORDIC算法：三角函数的硬件加速革命——从数学原理到FPGA实现的超高效计算方案

计算机该如何求解三角函数&#xff1f;或许你的第一印象是采用泰勒展开&#xff0c;或者采用多项式进行逼近。对于前者&#xff0c;来回的迭代计算开销成本很大&#xff1b;对于后者&#xff0c;多项式式逼近在较窄的范围內比较接近&#xff0c;超过一定范围后&#xff0c;就变…
阅读更多...
无需docker三步安装deepseek可视化操作软件-Open-WebUI

无需docker三步安装deepseek可视化操作软件-Open-WebUI

在以前安装Open-WebUI时&#xff0c;需要通过docker安装, 针对小白来讲呢有些麻烦, 因此这里推荐使用python环境安装Open-WebUI,简单快捷上手快! 1. Mac安装python3.11 以上的环境, windows同学直接官网下载安装包msi,双击安装即可1.1 Mac直接安装 python3.11brew install pyt…
阅读更多...
3DGS较真系列

3DGS较真系列

目录 引言 三维高斯飞溅(3DGS) 总体流程 SFM算法 1.特征提取&#xff1a; 2.特征匹配&#xff1a; 3.图像对优选&#xff1a; 4.相机位姿估计及空间点坐标获取&#xff1a; 5.三角化确立新图像地图点&#xff1a; 6.重建场景及其约束&#xff1a; 3DGS 1.捏雪球 2…
阅读更多...
【计网】网络、互连网、互联网的认识和区分

【计网】网络、互连网、互联网的认识和区分

一、些杂乱的知识点&#xff1a; 1.Internet是由数量极大的各种计算机网络连接起来的。 2.世界上最大的计算机网络Internet叫互联网&#xff08;互联网 &#xff01; 互连网&#xff09;。 3.互联网的两个基本特点&#xff1a; &#xff08;1&#xff09;互通性&#xff1a…
阅读更多...
手机零售行业的 AI 破局与创新降本实践 | OceanBase DB大咖说

手机零售行业的 AI 破局与创新降本实践 | OceanBase DB大咖说

OceanBase《DB 大咖说》第 20 期&#xff0c;我们邀请了九机与九讯云的技术总负责人&#xff0c;李远军&#xff0c;为我们分享手机零售企业如何借力分布式数据库OceanBase&#xff0c;赋能 AI 场景&#xff0c;并通过简化架构实现成本管控上的突破与创新。 李远军于2016年加入…
阅读更多...
高并发金融系统，“可观测-可追溯-可回滚“的闭环审计体系

高并发金融系统，“可观测-可追溯-可回滚“的闭环审计体系

一句话总结 在高并发金融系统中&#xff0c;审计方案设计需平衡"观测粒度"与"系统损耗"&#xff0c;通过双AOP实现非侵入式采集&#xff0c;三表机制保障操作原子性&#xff0c;最终形成"可观测-可追溯-可回滚"的闭环体系。 业务痛点与需求 在…
阅读更多...
迅为iTOP-RK3576人工智能开发板Android 系统接口功能测试

迅为iTOP-RK3576人工智能开发板Android 系统接口功能测试

2.1 开机启动 开发板接通电源&#xff0c;并按下电源开关&#xff0c;系统即启动&#xff0c;在启动过程中&#xff0c;系统会显示下图中的开机画面&#xff0c;它们分别是 Android 系统启动时的 Logo 画面&#xff1a; 最后会显示如下解锁画面&#xff1a; 2.2 命令终端 将…
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023