架构视界
主页
企业架构
  • 方案总览
  • 业财一体
  • 企业中台
  • 组织与绩效
  • 流程治理
数据收集与分析
  • 转型总览
  • 信息化阶段
  • 数字化解决方案
  • 智数化解决方案
  • 智能化解决方案
  • 产品设计
  • 项目管理
全栈软件工程
AI 原生软件工程
方法论
博客
  • 资源导航
  • 效率工具
  • 展示专区
主页
企业架构
  • 方案总览
  • 业财一体
  • 企业中台
  • 组织与绩效
  • 流程治理
数据收集与分析
  • 转型总览
  • 信息化阶段
  • 数字化解决方案
  • 智数化解决方案
  • 智能化解决方案
  • 产品设计
  • 项目管理
全栈软件工程
AI 原生软件工程
方法论
博客
  • 资源导航
  • 效率工具
  • 展示专区
  • 标签索引
  • 2024年

    • 勇闯大A:美债与美元周期
    • 勇闯大A:交易纪律与自我管理
    • 勇闯大A:交易系统分层
    • 勇闯大A:买卖点与止损规则
    • 勇闯大A:债券与资金流向
    • 勇闯大A:微观、宏观与周期
    • Mac 开发环境:新机配置清单
    • 勇闯大A:内外盘与换手率
    • 会计管理:财报阅读与管理报表
    • 会计基础:记账原理与分录
    • 财务入门:财务体系全景
  • 2023年

    • 境外投资:泰国 BOI 申请实务
  • 2022年

    • 企业架构:故障管理与分级响应
    • 企业架构:技术债务的识别、度量与偿还
  • 2021年

    • Python 数据分析:员工分布可视化
    • Python 数据分析:IP 访问折线图
    • Python 数据分析:IP 词云图
    • Redis:RediSearch 全文检索
    • Rust 基础:第一个 CLI 程序
    • Rust 基础:所有权机制
    • Rust 基础:函数与控制流
    • Rust 基础:变量与数据类型
    • Rust 基础:入门与开发环境
    • 企业架构:分布式系统设计
    • 企业架构:编程式权限设计
    • JVM 调优:启动参数与 GC 日志
    • MyBatis 批量插入:三种写法对比
    • 测试:Spring Boot 分层 Mock
    • Redis:布隆过滤器判断元素存在
    • Jenkins:安装配置与应用部署
    • WebClient:非阻塞 HTTP 客户端
    • Drone:Docker 部署轻量 CI
    • Spring AOP:操作审计日志落库
    • Redisson:分布式锁与 RedLock
    • MyBatis 拦截器:雪花算法主键
    • Netty:线程模型与网络编程
    • Redis:SCAN 游标遍历大键空间
    • Jenkins:单机部署与升级脚本
    • Mac:Neo4j 与 Jupyter 安装
    • JavaFX:OpenJDK 11 环境配置
    • Mac:用 jenv 管理 JDK 版本
    • Redis:有序集合实现延时队列
    • Spring Boot 日志:MDC 串联链路
    • 定时任务:Spring 调度与 Cron
    • GoAccess:Nginx 日志分析
    • MyBatis 拦截器:慢 SQL 分析
    • Lucene:倒排索引与中文分词
    • 分布式锁:三种实现方案对比
    • 学习技巧:减少学习排斥心理
    • 动态数据源:多租户数据路由
    • Compose:Spring Boot 三件套
    • Java 阻塞队列:源码与用法
    • Redis:Docker Compose 哨兵
    • Redis:Docker Compose 主从
    • 网络通信:TCP/IP 与 HTTP 基础
  • 2020年

    • 延时队列:DelayQueue 与 Redis 实现
    • MySQL 基础:员工库导入实践
    • 雪花算法:分布式 ID 生成
    • Redis:地理位置查询
    • 抓包:Wireshark 与 Tcpdump
    • SPI:JDK 与 Spring 扩展机制
    • ZooKeeper:概念与集群搭建
    • Spring Boot:集成 JMH 基准测试
    • Wireshark:抓包工具入门
    • Compose:Redis 与 MySQL
    • CentOS 7:Docker 安装部署
    • Netty:源码阅读环境搭建
    • MySQL 基础:SQL 常见用法
    • CentOS 7:Selenium 运行环境
    • Nginx:HTTPS 证书配置
    • JMH:基准测试与 Spring Boot 集成
    • Spring Boot:指定 Tomcat 版本
    • Eureka:实例上下线告警
    • 钉钉告警:应用异常与实例上下线
    • JVM:内存布局、类加载与调优
    • Git:rebase 合并多次提交
    • CentOS 7:OpenResty 部署
  • 2019年

    • Redis CLI:macOS 安装与使用
    • Nginx:访问日志格式
    • 工程规范:可维护代码的写法
    • IntelliJ IDEA:常用插件
    • SkyWalking:源码阅读环境搭建
    • Spring Boot:Redis 超时配置
    • gRPC:ProtoBuf 定义与代码生成
    • Arthas:Java 线上问题诊断
    • Redis:缓存穿透与击穿防护
    • Docker 部署:Elasticsearch
    • Docker 部署:MySQL 5.7 单机
    • Spring Redis:字符串命令封装
    • Docker 部署:ZooKeeper 运行
    • Docker 部署:Redis 单机运行
    • Dubbo:Spring Boot 微服务集成
    • CentOS 7:CMake 源码编译安装
    • 性能度量:吞吐量与 QPS 指标
    • Java 递归:从笔试题到经典问题
    • CentOS 7:ELK 日志平台部署
    • CentOS 7:SonarQube 部署
    • Selenium:Chrome 浏览器自动化
    • JJWT:令牌生成与解析测试
    • Spring 源码:阅读环境搭建
    • JUnit 4:注解、断言与参数化
    • JWT:令牌结构与签名机制
    • FastDFS:架构与文件存取机制
    • XPath:XML 文档节点定位
    • Redis 基础:锁、队列与事务
    • Redis 基础:数据类型与命令
    • MyBatis:Slf4j 日志接入
    • MyBatis:H2 单元测试与 SQL 日志
    • 源码阅读:开源项目环境搭建
    • Git 配置:命令清单与作用域
    • Java 核心:面向对象与基础类型
    • Java 核心:关键字、异常与反射
    • Java 核心:多线程基础
    • Java 核心:同步关键字与线程池
    • Java 核心:锁与并发工具
    • Java 核心:语言基础与并发
    • Dubbo:远程调用与服务治理
    • Java 集合:框架总览与实现对比
    • Maven:生命周期与常用命令
    • MyBatis:执行流程与插件机制
    • Spring:IoC 容器与依赖注入
    • Spring:AOP 与自动装配
    • Spring:事务与启动流程
    • Spring:IoC、AOP 与事务
    • Spring MVC:请求分发与注解
    • MySQL:架构与索引
    • MySQL:事务、锁与 MVCC
    • MySQL:日志与 SQL 优化
    • MySQL:架构、事务与优化
    • Redis 基础:持久化与线程模型
  • 2018年

    • Java HashMap:扩容机制与哈希冲突
    • Java 集合:HashSet 去重原理
    • Java 基础:交换两个变量的值
    • Spring MVC:零 web.xml 改造
    • Mac 开发环境:新机配置清单
    • Log4j:日志分级与按业务拆分
    • Modbus:工业通信协议与 RTU 帧
    • MySQL 基础:子查询与连接查询
    • MySQL 基础:库与表操作
    • MySQL 基础:表操作与查询
    • MySQL 基础:约束、引擎与数据类型
    • MySQL 基础:库表、约束与类型
    • Java 集合:Vector 与 Stack
    • Java 集合:Vector 与 Stack
    • RabbitMQ:CentOS 7 单机部署
    • Redis:CentOS 7 单机部署
    • MongoDB:CentOS 7 单机部署
    • Linux:常用系统与运维命令
    • 注册中心:Eureka 与 ZooKeeper
    • MySQL:CentOS 7 单机部署
    • Git 分支:主分支与临时分支
    • CentOS 7:Java 开发环境部署
    • Java 集合:LinkedList 双向链表
    • Java 集合:ArrayList 动态数组
    • Spring AOP:注解方式实现切面
← 返回博客

Redis:地理位置查询

2020年12月24日 #数据与存储 #Redis

源码地址

Geo

Redis 在 3.2 版本中增加了 GEO 类型用于存储和查询地理位置。

  • GEOADD:添加地理位置

  • GEOPOS:查询位置信息

  • GEODIST:距离统计

  • GEORADIUS:以给定的经纬度为中心, 找出某一半径内的元素

  • GEORADIUSBYMEMBER 找出位于指定范围内的元素,中心点是由给定的位置元素决定

  • GEOHASH:返回一个或多个位置元素HASH

  • 关于删除,使用集合函数中的zrem,geo本质存在一个集合中。

演示效果

  • 使用百度地图,标记出5个坐标。百度地图坐标获取 百度地图
        // 1.杭州市 蒋村商务中心 120.075338,30.294845
        // 2.杭州市 中节能西溪首座 120.081806,30.294907
        // 3.杭州市 西溪蝶园 120.070452,30.294221
        // 4.杭州市 西溪财富中心 120.077854,30.296342
        // 5.杭州市 九橙 西溪创投中心 120.055468,30.284523
  • 使用redis-cli作为客户端测试工具 geo 集合key = hz

GEOADD

  • 添加坐标信息
127.0.0.1:6379> geoadd hz 120.075338 30.294845 1 
(integer) 1
127.0.0.1:6379> geoadd hz 120.081806 30.294907 2
(integer) 1
127.0.0.1:6379> geoadd hz 120.070452 30.294221 3
(integer) 1
127.0.0.1:6379> geoadd hz 120.077854 30.296342 4
(integer) 1
127.0.0.1:6379> geoadd hz 120.055468 30.284523 5
(integer) 1
127.0.0.1:6379> 

GEOPOS

  • 从键里面返回所有给定位置元素的位置(经度和纬度)
127.0.0.1:6379> geopos hz 1 2 
1) 1) "120.07533878087997437"
   2) "30.29484408467364176"
2) 1) "120.08180826902389526"
   2) "30.29490745270262408"

GEODIST

  • 返回两个给定位置之间的距离。如果两个位置之间的其中一个不存在, 那么命令返回空值。
  • 指定单位的参数 unit 必须是以下单位的其中一个
    • m 表示单位为米。
    • km 表示单位为千米。
    • mi 表示单位为英里。
    • ft 表示单位为英尺。
127.0.0.1:6379> geodist hz 1 2 m
"621.3522"
# 获取 1 和 2 之间的距离米
  • 拿百度地图的尺子测试下。差了6米问题不大。精度不高的业务够用了。

GEORADIUS

  • 以给定的经纬度为中心, 返回键包含的位置元素当中, 与中心的距离不超过给定最大距离的所有位置元素。
  • 范围可以使用以下其中一个单位:
    • m 表示单位为米。
    • km 表示单位为千米。
    • mi 表示单位为英里。
    • ft 表示单位为英尺。
  • 在给定以下可选项时, 命令会返回额外的信息:
    • 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。 距离的单位和用户给定的范围单位保持一致。
    • WITHCOORD : 将位置元素的经度和维度也一并返回。
    • WITHHASH : 以 52 位有符号整数的形式, 返回位置元素经过原始 geohash 编码的有序集合分值。 这个选项主要用于底层应用或者调试, 实际中的作用并不大。
  • 默认命令的排序
    • ASC : 根据中心的位置, 按照从近到远的方式返回位置元素。
    • DESC : 根据中心的位置, 按照从远到近的方式返回位置元素。
127.0.0.1:6379> georadius hz 120.075338 30.294845 500 m 
1) "3"
2) "1"
3) "4"
# 中心坐标 120.075338 30.294845 500m内的位置。

127.0.0.1:6379> georadius hz 120.075338 30.294845 500 m WITHDIST
1) 1) "3"
   2) "474.3718"
2) 1) "1"
   2) "0.1264"
3) 1) "4"
   2) "293.5036"
# 中心坐标 120.075338 30.294845 500m内的位置,并显示距离m。

127.0.0.1:6379> georadius hz 120.075338 30.294845 500 m WITHDIST WITHCOORD ASC
1) 1) "1"
   2) "0.1264"
   3) 1) "120.07533878087997437"
      2) "30.29484408467364176"
2) 1) "4"
   2) "293.5036"
   3) 1) "120.0778546929359436"
      2) "30.29634210487881063"
3) 1) "3"
   2) "474.3718"
   3) 1) "120.07045179605484009"
      2) "30.2942205432684446"
# 中心坐标 120.075338 30.294845 500m内的位置,并显示距离,ASC排序。
  • 一般用来做附近的人(建筑等等)

GEORADIUSBYMEMBER

  • 找出位于指定范围内的元素,参数是元素而不是坐标。

  • 范围可以使用以下其中一个单位:

    • m 表示单位为米。
    • km 表示单位为千米。
    • mi 表示单位为英里。
    • ft 表示单位为英尺。
  • 在给定以下可选项时, 命令会返回额外的信息:

    • 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。 距离的单位和用户给定的范围单位保持一致。
    • WITHCOORD : 将位置元素的经度和维度也一并返回。
    • WITHHASH : 以 52 位有符号整数的形式, 返回位置元素经过原始 geohash 编码的有序集合分值。 这个选项主要用于底层应用或者调试, 实际中的作用并不大。
  • 默认命令的排序

    • ASC : 根据中心的位置, 按照从近到远的方式返回位置元素。
    • DESC : 根据中心的位置, 按照从远到近的方式返回位置元素。
127.0.0.1:6379> GEORADIUSBYMEMBER hz 1 500 m
1) "3"
2) "1"
3) "4"
# 元素 500m的元素

127.0.0.1:6379> GEORADIUSBYMEMBER hz 1 500 m WITHDIST WITHCOORD ASC
1) 1) "1"
   2) "0.0000"
   3) 1) "120.07533878087997437"
      2) "30.29484408467364176"
2) 1) "4"
   2) "293.4996"
   3) 1) "120.0778546929359436"
      2) "30.29634210487881063"
3) 1) "3"
   2) "474.4311"
   3) 1) "120.07045179605484009"
      2) "30.2942205432684446"
# 元素 500m的元素包含完整信息。
  • 一般用来做附近的人(建筑等等)

GEOHASH

127.0.0.1:6379> GEOHASH hz 1 2 3 
1) "wtmkk7h0q00"
2) "wtmkke0bsu0"
3) "wtmkk6bssk0"

删除坐标

  • 关于删除,使用集合函数中的zrem,geo本质存在一个集合中。
127.0.0.1:6379> GEORADIUSBYMEMBER hz 1 500 m
1) "3"
2) "1"
3) "4"
# 元素 500m的元素
127.0.0.1:6379> zrem hz 4
(integer) 1
127.0.0.1:6379> GEORADIUSBYMEMBER hz 1 500 m
1) "3"
2) "1"
# 将 4 元素删除后只能看到 3 1 了。

代码演示

  • spring boot 2.4.5
  • gson

配置项目


/**
 * @author z201.coding@gmail.com
 * @date 2021/12/24
 **/
@Configuration
public class RedisConfig {

    // 防止key 出现乱码
    @Bean
    public RedisTemplate redisTemplate(LettuceConnectionFactory connectionFactory) {
        RedisTemplate template = new RedisTemplate();
        RedisSerializer<String> redisSerializer = new StringRedisSerializer();
        template.setConnectionFactory(connectionFactory);
        // key序列化方式
        template.setKeySerializer(redisSerializer);
        // value序列化
        template.setValueSerializer(redisSerializer);
        return template;
    }

    @Bean
    public StringRedisTemplate stringRedisTemplate(LettuceConnectionFactory connectionFactory) {
        StringRedisTemplate stringRedisTemplate = new StringRedisTemplate();
        stringRedisTemplate.setConnectionFactory(connectionFactory);
        return stringRedisTemplate;
    }
}

单元测试代码

    
 package cn.z201.redis;

import com.google.gson.Gson;
import com.google.gson.GsonBuilder;
import lombok.extern.slf4j.Slf4j;
import org.junit.jupiter.api.Test;
import org.junit.jupiter.api.extension.ExtendWith;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;
import org.springframework.data.geo.Circle;
import org.springframework.data.geo.Distance;
import org.springframework.data.geo.GeoResults;
import org.springframework.data.geo.Point;
import org.springframework.data.redis.connection.RedisGeoCommands;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.test.context.junit.jupiter.SpringExtension;

import java.util.*;


@Slf4j
@ExtendWith(SpringExtension.class)
@SpringBootTest(classes = AppApplication.class, webEnvironment = SpringBootTest.WebEnvironment.NONE)
public class AppApplicationTest {

    @Autowired
    RedisTemplate redisTemplate;

    @Test
    public void testGeo() {
        // 1.杭州市 蒋村商务中心 120.075338,30.294845
        // 2.杭州市 中节能西溪首座 120.081806,30.294907
        // 3.杭州市 西溪蝶园 120.070452,30.294221
        // 4.杭州市 西溪财富中心 120.077854,30.296342
        // 5.杭州市 九橙 西溪创投中心 120.055468,30.284523
        Map<String, Point> points = new HashMap<>();
        points.put("1", new Point(120.075338, 30.294845));
        points.put("2", new Point(120.081806, 30.294907));
        points.put("3", new Point(120.070452, 30.294221));
        points.put("4", new Point(120.077854, 30.296342));
        points.put("5", new Point(120.055468, 30.284523));
        Long result = redisTemplate.opsForGeo().add("site", points);
        log.info("{}", result);
        Set<String> keys = redisTemplate.keys("*");
        Gson gson = new GsonBuilder().setPrettyPrinting().create();
        log.info("size -> {} ", keys.size());
        List<Point> pointList = redisTemplate.opsForGeo().position("site", "1", "2");
        log.info("pointList -> {} ", gson.toJson(pointList));
        /**
         * 	METERS(6378137, "m"),
         * 	KILOMETERS(6378.137, "km"),
         * 	MILES(3963.191, "mi"),
         * 	FEET(20925646.325, "ft");
         */
        Distance distance = redisTemplate.opsForGeo().distance("site", "1", "2", RedisGeoCommands.DistanceUnit.KILOMETERS);
        log.info("distance -> {} ", gson.toJson(distance));
        Circle circle = new Circle(new Point(120.075338, 30.294845), new Distance(500, RedisGeoCommands.DistanceUnit.KILOMETERS));
        RedisGeoCommands.GeoRadiusCommandArgs args = RedisGeoCommands.GeoRadiusCommandArgs.newGeoRadiusArgs()
                .includeDistance()
                .includeCoordinates()
                .sortAscending();
        log.info("geoLocationGeoResults -> {} ", gson.toJson(args));
        GeoResults<RedisGeoCommands.GeoLocation<String>> geoLocationGeoResults = redisTemplate.opsForGeo().radius("site", circle, args);
        log.info("geoLocationGeoResults -> {} ", gson.toJson(geoLocationGeoResults));
        keys.forEach(item -> {
                    if (!Objects.equals("hz", item)) {
                        redisTemplate.delete(item);
                    }
                    log.info(" keys - > {} ", item);
                }
        );
    }
}
  • GEORADIUSBYMEMBER 方法过期了,这里就不演示了。

小结

GEO 底层是有序集合,geoadd 写入经纬度,geodist 算距离,georadius 按半径筛选并配 WITHDIST 排序,实测误差约 6 米。

最近更新: 2026/11/20 22:16
Contributors: 庆峰
Prev
雪花算法:分布式 ID 生成
Next
抓包:Wireshark 与 Tcpdump