使用Redis来实现LBS的应用

微信、陌陌 架构方案分析

近两年、手机应用，莫过于微信、陌陌之类最受欢迎；但实现原理，分享文章甚少。

故，提出两种方案，供分享；不对之处，敬请留言学习。

目标

查找附近的某某某，由近到远返回结果，且结果中有与目标点的距离。

针对查找附近的某某某，提出两个方案，如下：

方案A:

本方案前，请先阅读：基于LBS功能应用的Geohash方案，看过该文章便可简单知道；
1、仅需每分钟将用户的经纬度，上报到数据库；
2、然后每次用户查找附近好友时，通过 LIKE 'wm3yr3%'，即可获取
缺点：稍有一定数据量，对数据库的鸭梨可想而知

 

方案B：使用Redis

策略

假象把中国分成，若干个一平方公里的单元格

1）、用户位置的变更，理解为一个单元格移动到另外一个单元格（或者不移动）

2）、用户查找附近，理解为查找，自己所在方块的的所有人

数据结构

1）、用户基本信息 纬度、经度、GeoHash值（经纬度，仅用于后期距离计算）

2）、单元格 集合（用户1，用户2，…）

存储工具

1）、redis string（key->value） 结构，存储用户基本信息

2）、redis set（集合） 结构，以GeoHash值，前6位作为key（约表示一平方千米），存储单元格的用户群

算法流程

1）、更新用户信息，先删除用户原所在集合，再更新当前用户信息，最后更新当前用户所在集合

2）、查找附近，直接查找，所在单元格集合所有用户ID

具体实现

?

* @site http: //www.wubiao.info    */ include_once ( 'geohash.class.php' );    class LBS {      //索引长度 6位      protected $index_len = 6;      protected $redis ;      protected $geohash ;         public function __construct() {          //redis          $this ->redis = new Redis();          $this ->redis->pconnect( '127.0.0.1' , '6379' );          //geohash          $this ->geohash = new Geohash();      }      /**      * 更新用户信息      * @param mixed $latitude 纬度      * @param mixed $longitude 经度      */      public function upinfo( $user_id , $latitude , $longitude ) {          //原数据处理          //获取原Geohash          $o_hashdata = $this ->redis->hGet( $user_id , 'geo' );          if (! empty ( $o_hashdata )) {              //原索引              $o_index_key = substr ( $o_hashdata , 0, $this ->index_len);              //删除              $this ->redis->sRem( $o_index_key , $user_id );          }          //新数据处理          //纬度          $this ->redis->hSet( $user_id , 'la' , $latitude );          //经度          $this ->redis->hSet( $user_id , 'lo' , $longitude );          //Geohash          $hashdata = $this ->geohash->encode( $latitude , $longitude );          $this ->redis->hSet( $user_id , 'geo' , $hashdata );          //索引          $index_key = substr ( $hashdata , 0, $this ->index_len);          //存入          $this ->redis->sAdd( $index_key , $user_id );          return true;      }      /**      * 获取附近用户      * @param mixed $latitude 纬度      * @param mixed $longitude 经度      */      public function serach( $latitude , $longitude ) {          //Geohash          $hashdata = $this ->geohash->encode( $latitude , $longitude );          //索引          $index_key = substr ( $hashdata , 0, $this ->index_len);          //取得          $user_id_array = $this ->redis->sMembers( $index_key );          return $user_id_array ;      } } ?>

性能测试

1）模拟数据上报

?

* @site http: //www.wubiao.info    */ include_once ( 'lbs.class.php' );    $b_time = microtime(true); $n = 0;    while (1) {      //user_id 1~1000000      $user_id = rand(1, 1000000);        //latitude 30.59773~30.726786      $rand_latitude = rand(30597730, 30726786);      $latitude = $rand_latitude / 1000000;         //longitude 103.983192 ~104.16069      $rand_longitude = rand(103983192, 104160690);      $longitude = $rand_longitude / 1000000;         $lbs = new lbs();      $lbs ->upinfo( $user_id , $latitude , $longitude );      $n ++;      mylog( $n );      $e_time = microtime(true);      if (( $e_time - $b_time ) >= 60) {          exit ;      } }    function mylog( $content ) {      file_put_contents ( 'upinfo.log' , $content . "\r\n" , FILE_APPEND); } ?>

　　

2）模拟附近查找

?

* @site http: //www.wubiao.info    */ include_once ( 'lbs.class.php' );    $b_time = microtime(true); $n = 0;    while (1) {      //latitude 30.59773~30.726786      $rand_latitude = rand(30597730, 30726786);      $latitude = $rand_latitude / 1000000;         //longitude 103.983192 ~104.16069      $rand_longitude = rand(103983192, 104160690);      $longitude = $rand_longitude / 1000000;         $lbs = new lbs();      $re = $lbs ->serach( $latitude , $longitude );        $n ++;      mylog( $n );        $e_time = microtime(true);      if (( $e_time - $b_time ) >= 60) {          exit ;      } }    function mylog( $content ) {      file_put_contents ( 'search.log' , $content . "\r\n" , FILE_APPEND); } ?>

测试环境

vmWare虚拟机，内存256M，主频2.93GHz

性能结果

模拟了100W活跃用户行为，不断更新，不断查找附近好友

?

1 2 3 4 5 6 7 8

//60 seconds insert 88544   //60 seconds search 117660   //成都 100W人，数据占用内存 11 .97M

总结

从测试结果来看，完全能满足，微信、陌陌之类的性能要求；

尚可改进之处：

1、Geohash，可写成PHP C扩展；或者其他Geohash实现方式

2、Redis，内存消耗较大，可考虑redis集群方案

3、本文仅查出本单元格用户，提高精度，可查出周围八个单元个，求交集

4、求出结果，如需按照由远到近排序；读出Redis经纬度，利用距离公式排序方可。（可参照上一篇文章）

问题

1）假设我现在设定的hash长度为7 ，那一个个hash值对应一个块，如何得到这个块的坐标区间呢？

例如，成都永丰立交的Geohash值为：wm3yr31d2524；如取7位，则为，wm3yr31；

根据Geohash的算法，那么区间就会是 wm3yr3100000 ~ wm3yr31zzzzz;

根据如上两值，通过“Geohash->经纬度”算出经纬度，可大致确定区间。

2）如果用户上报的位置信息有时效性（比如：15秒内有效）如何处理？

可以在redis存储的时候，设置有效时间