7.1 GEO数据结构的认识及其基本使用演示
7.1.1 GEO的介绍
GEO,代表地理坐标。Redis在3.2版本中加入了对GEO的支持,允许存储地理坐标信息,帮助我们根据经纬度来检索数据。常见的命令有:
GEOADD:添加一个地理空间信息,包含:经度(longitude)、纬度(latitude)、值(member)
GEODIST:计算指定的两个点之间的距离并返回
GEOHASH:将指定member的坐标转为hash字符串形式并返回
GEOPOS:返回指定member的坐标
GEORADIUS:指定圆心、半径,找到该圆内包含的所有member,并按照与圆心之间的距离排序后返回。6.2以后已废弃
GEOSEARCH:在指定范围内搜索member,并按照与指定点之间的距离排序后返回。范围可以是圆形或矩形。6.2.新功能
GEOSEARCHSTORE:与GEOSEARCH功能一致,不过可以把结果存储到一个指定的key。 6.2.新功能
7.1.2 GEO的基本使用演示
通过 GEOADD group x y member 添加经纬坐标;
以下是通过ADD命令添加的三条数据:
北京南站( 116.378248 39.865275 )
北京站( 116.42803 39.903738 )
北京西站( 116.322287 39.893729 )
通过GEODIST group a地 b地 单位,计算两点间直线距离
以下,分别计算北京南到北京西、北京站到北京西的距离
通过GEOSEARCH ,计算附近xx距离的所有点的信息
以下是搜索天安门附近10km火车站
7.2 附近商户搜索功能的实现
7.2.1 需求分析及接口说明
这个需求需要使用GEO数据结构去统计以当前登录用户的地理位置为中心,向外扩散一段距离的店铺信息。同时,为了更好的对商店信息进行管理,我们需要先将店铺信息按类型存储到Redis中。
7.2.2 功能实现说明
1. 编写测试类,提前将店铺坐标信息存入Redis中
@Test void LoadShopData(){ //1. 查询店铺信息 List<Shop> list = shopService.list(); //2. 把店铺按照typeId分组 Map<Long,List<Shop>> shopMap = list.stream().collect(Collectors.groupingBy(shop -> shop.getTypeId())); //3. 分批写入redis for(Map.Entry<Long,List<Shop>> entry : shopMap.entrySet()) { //3.1 获取类型id Long typeId = entry.getKey(); String key = RedisConstants.SHOP_GEO_KEY + typeId; //3.2 获取同类型的店铺列表 List<Shop> shops = entry.getValue(); // Redis 将 name 和 Point 封装在一起的一种用法 List<RedisGeoCommands.GeoLocation<String>> locations = new ArrayList<>(); //3.3 写入Redis GEOADD key x y member for(Shop shop : shops){ // stringRedisTemplate.opsForGeo().add(key,new Point(shop.getX(),shop.getY()),shop.getId().toString()); // 先把所有的点存好,再一次性存入Redis,性能更好 locations.add(new RedisGeoCommands.GeoLocation<>( shop.getId().toString(), new Point(shop.getX(),shop.getY()) )); } stringRedisTemplate.opsForGeo().add(key, locations); } }
分类存放:
2. 更换依赖版本
原先的依赖没办法使用GEO的最新语法,我们需要在配置文件中进行版本更替
<!--排除旧版本--> <exclusions> <exclusion> <artifactId>lettuce-core</artifactId> <groupId>io.lettuce</groupId> </exclusion> <exclusion> <artifactId>spring-data-redis</artifactId> <groupId>org.springframework.data</groupId> </exclusion> </exclusions> </dependency> <!--引入新版本依赖--> <dependency> <groupId>org.springframework.data</groupId> <artifactId>spring-data-redis</artifactId> <version>2.6.2</version> </dependency> <dependency> <groupId>io.lettuce</groupId> <artifactId>lettuce-core</artifactId> <version>6.1.6.RELEASE</version> </dependency>
【推荐插件】Maven helper
用它可以更加方便的进行包管理
3. 修改queryShopByType接口,实现分类分页查询功能
需要传入的参数变成四个
/** * 根据商铺类型分页查询商铺信息 * @param typeId 商铺类型 * @param current 页码 * @return 商铺列表 */ @GetMapping("/of/type") public Result queryShopByType( @RequestParam("typeId") Integer typeId, @RequestParam(value = "current", defaultValue = "1") Integer current, @RequestParam(value = "x" , required = false) Double x, @RequestParam(value = "y", required = false) Double y ) { return shopService.queryShopByType(typeId, current, x, y); }
实现类中:
【步骤说明】
1. 根据传参判断本次查询任务需不需要坐标,如果不需要,那就直接按照标准分页查询去做
2. 需要查坐标,则计算分页参数:
包括: 起始值 from = (current - 1) * SystemConstants.DEFAULT_PAGE_SIZE;
终点值 end = current * SystemConstants.DEFAULT_PAGE_SIZE;
3. 在Redis中使用查询店铺地址信息
opsForGeo().search(...RedisGeoCommands.GeoSearchCommandArgs.newGeoSearchArgs() .includeDistance() .limit(end))4. 使用getContent()方法解析出店铺信息、距离信息
5. 使用stream流截取from 到 end 部分的数据进行遍历
6. 获取店铺id、距离信息分装成一一对应的Map集合
7. 通过ids集合,查询店铺信息集合
8. 通过Map集合,匹配店铺信息结合与距离信息
9. 返回结果
/** * 根据类型分页分类查询店铺信息 * @param typeId * @param current * @param x * @param y * @return */ @Override public Result queryShopByType(Integer typeId, Integer current, Double x, Double y) { //1.判断 是否需要根据坐标查询 if(x==null || y == null){ // 不需要坐标查,按数据库查 // 根据类型分页查询 Page<Shop> page = query() .eq("type_id", typeId) .page(new Page<>(current, SystemConstants.DEFAULT_PAGE_SIZE)); // 返回数据 return Result.ok(page.getRecords()); } //2. 计算分页参数 int from = (current - 1) * SystemConstants.DEFAULT_PAGE_SIZE; int end = current * SystemConstants.DEFAULT_PAGE_SIZE; //3. 查询redis,按照类型、页码、距离升序:结果:shopId 、 distance String key = SHOP_GEO_KEY + typeId; GeoResults<RedisGeoCommands.GeoLocation<String>> results = stringRedisTemplate.opsForGeo() .search( key, GeoReference.fromCoordinate(x,y), new Distance(Shop_FEO_DISTANCE), RedisGeoCommands.GeoSearchCommandArgs.newGeoSearchArgs() .includeDistance() .limit(end) ); //4. 解析出id if(results == null){ return Result.ok(Collections.emptyList()); } // 解析 List<GeoResult<RedisGeoCommands.GeoLocation<String>>> list = results.getContent(); if(list.size() <= from){ return Result.ok(Collections.emptyList()); } //4.1 截取 from 到 end 的部分 // list.subList(from,end); // 定义一个集合,保存店铺id和距离的关系 List<Long> ids = new ArrayList<>(list.size()); Map<String,Distance> distanceMap = new HashMap<>(list.size()); list.stream().skip(from).forEach(result -> { // 4.2 获取店铺id String shopIdStr = result.getContent().getName(); ids.add(Long.valueOf(shopIdStr)); // 4.3 获取距离 Distance distance = result.getDistance(); distanceMap.put(shopIdStr,distance); }); //5. 查询店铺 List<Shop> shops = query().in("id",ids) .last("ORDER BY FIELD(id," + StrUtil.join(",",ids) + ")") .list(); // 匹配店铺距离 for(Shop shop : shops) { shop.setDistance(distanceMap.get(shop.getId().toString()).getValue()); } //6. 返回结果 return Result.ok(shops); }