Redis数据结构 GeoHash

目录

使用数据库实现查找附近的人

GeoHash 算法简述

在 Redis 中使用 Geo

增加

距离

获取元素位置

获取元素的 hash 值

附近的公司

注意事项

---

注意：本文参考  Redis(6)——GeoHash查找附近的人

使用数据库实现查找附近的人

我们都知道，地球上的任何一个位置都可以使用二维的 经纬度 来表示，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，经度正负以本初子午线 (英国格林尼治天文台) 为界，东正西负。比如说，北京人民英雄纪念碑的经纬度坐标就是 (39.904610, 116.397724)，都是正数，因为中国位于东北半球。

所以，当我们使用数据库存储了所有人的 经纬度 信息之后，我们就可以基于当前的坐标节点，来划分出一个矩形的范围，来得知附近的人，如下图：

所以，我们很容易写出下列的伪 SQL 语句：

SELECTidFROM positions WHERE x0 - r < x < x0 + r AND y0 - r < y < y0 + r

如果我们还想进一步地知道与每个坐标元素的距离并排序的话，就需要一定的计算。

当两个坐标元素的距离不是很远的时候，我们就可以简单利用 勾股定理 就能够得出他们之间的 距离。不过需要注意的是，地球不是一个标准的球体，经纬度的密度 是 不一样 的，所以我们使用勾股定理计算平方之后再求和时，需要按照一定的系数 加权 再进行求和。当然，如果不准求精确的话，加权也不必了。

我们能够差不多能写出如下优化之后的 SQL 语句来：(仅供参考)

SELECT
	*
FROM
	users_location
WHERE
	latitude > '.$lat.' - 1
	AND latitude < '.$lat.' + 1AND longitude > '.$lon.' - 1
	AND longitude < '.$lon.' + 1
ORDERBY
	ACOS(
		SIN( ( '.$lat.' * 3.1415 ) / 180 ) * SIN( ( latitude * 3.1415 ) / 180 ) + COS( ( '.$lat.' * 3.1415 ) / 180 ) * COS( ( latitude * 3.1415 ) / 180 ) * COS( ( '.$lon.' * 3.1415 ) / 180 - ( longitude * 3.1415 ) / 180 )
	) * 6380ASC
	LIMIT10';

为了满足高性能的矩形区域算法，数据表也需要把经纬度坐标加上 双向复合索引 (x, y)，这样可以满足最大优化查询性能。

GeoHash 算法简述

这是业界比较通用的，用于 地理位置距离排序 的