主頁 > 知識庫 > Redis高效檢索地理位置的原理解析

Redis高效檢索地理位置的原理解析

熱門標簽:十堰營銷電銷機器人哪家便宜 北京400電話辦理收費標準 魔獸2青云地圖標注 日本中國地圖標注 山東外呼銷售系統(tǒng)招商 宿遷便宜外呼系統(tǒng)平臺 貴州電銷卡外呼系統(tǒng) 超呼電話機器人 鄭州人工智能電銷機器人系統(tǒng)

Redis GEO 用做存儲地理位置信息,并對存儲的信息進行操作。通過geo相關的命令,可以很容易在redis中存儲和使用經(jīng)緯度坐標信息。Redis中提供的Geo命令有如下幾個:

  • geoadd:添加經(jīng)緯度坐標和對應地理位置名稱。
  • geopos:獲取地理位置的經(jīng)緯度坐標。
  • geodist:計算兩個地理位置的距離。
  • georadius:根據(jù)用戶給定的經(jīng)緯度坐標來獲取指定范圍內(nèi)的地理位置集合。
  • georadiusbymember:根據(jù)儲存在位置集合里面的某個地點獲取指定范圍內(nèi)的地理位置集合。
  • geohash:計算一個或者多個經(jīng)緯度坐標點的geohash值。

要理解Redis的GEO相關的命令是如何實現(xiàn)了,就得先理解geohash的原理,本質(zhì)上這些命令就是對geohash數(shù)據(jù)的封裝而已。

geohash

geohash是2008年Gustavo Niemeye發(fā)明用來編碼經(jīng)緯度信息的一種編碼方式,比如北京市中心的經(jīng)緯度坐標是116.404844,39.912279,通過12位geohash編碼后就變成了wx4g0cg3vknd,它究竟是如何實現(xiàn)的?其實原理非常簡單,就是二分,整個編碼過程可以分為如下幾步。

1. 轉(zhuǎn)二進制

上過初中地理的我們都知道,地球上如何一個點就可以標識為某個經(jīng)緯度坐標,經(jīng)度的取值范圍是東經(jīng)0-180度和西經(jīng)0-180度,維度的取值范圍是北緯0到90和南緯0-90度。去掉東西南北,可以分別認為經(jīng)度和維度的取值范圍為[-180,180]和[-90,90]。

我們先來看經(jīng)度,[-180,180]可以簡單分成兩個部分[-180,0]和[0,180],對于給定的一個具體值,我們用一個bit來標識是在[-180,0]還是[0,180]區(qū)間里。然后我們可以對這兩個子區(qū)間繼續(xù)細分,用更多的bit來標識是這個值是在哪個子區(qū)間里。就好比用二分查找,記錄下每次查找的路徑,往左就是0往右是1,查找完后我們就會得到一個0101的串,這個串就可以用來標識這個經(jīng)度值。

同理維度也是一樣,只不過他的取值返回變成了[-90,90]而已。通過這兩種方式編碼完成后,任意經(jīng)緯度我們都可以得到兩個由0和1組成的串。
比如還是北京市中心的經(jīng)緯度坐標 116.404844,39.912279,我們先對116.404844做編碼,得到其二進制為:

11010010110001101101

然后我們對維度39.912279編碼得到二進制為:

10111000110000111001

2. 經(jīng)緯度二進制合并

接下來我們只需要將上述二進制交錯合并成一個即可,這里注意經(jīng)度占偶數(shù)位,緯度占奇數(shù)位,得到最終的二進制。

1101101110000200111100000001111011010011

3. 將合并后的二進制做base32編碼

最后我們將合并后的二進制做base32編碼,將連續(xù)5位轉(zhuǎn)化為一個0-31的十進制數(shù),然后用對應的字符代替,將所有二進制位處理完后我們就完成了base32編碼。編碼表如下:

最終得到geohash值wx4g0cg3vknd

geohash是將空間不斷的二分,然后將二分的路徑轉(zhuǎn)化為base32編碼,最后保存下來,從原理可以看出,geohash表示的是一個區(qū)間,而不是一個點,geohash值越長,這個區(qū)間就越小,標識的位置也就越精確,下圖是維基百科中不同長度geohash下的經(jīng)緯度誤差(lat:維度,lng:經(jīng)度)

geohash的用途及問題

geohash成功的將一個二維信息編碼成了一個一維信息,這樣編碼我覺得有兩個好處:1. 編碼后數(shù)據(jù)長度變短,利于節(jié)省存儲。2. 利于使用前綴檢索。我們來詳細說下第二點。

從上文中geohash的實現(xiàn)來看,只要兩個坐標點的geohash有共同的前綴,你們我們就可以肯定這兩個點在同一個區(qū)域內(nèi) (區(qū)域大小取決于共同前綴的長度)。這種特性給我們帶來的好處就是,我們可以把所有坐標點按geohash做增序索引,然后查找的時候按前綴篩選,大幅提升檢索的性能。

舉個例子,假設我要找北京國貿(mào)附近3公里內(nèi)的餐館,已知國貿(mào)的geohash是wx4g41,那我也很輕易就可以計算出來我需要掃描哪些區(qū)域內(nèi)的點。但有個點需要注意,上文我已經(jīng)提到過,geohash值實際上是代表一個區(qū)域,而不是一個點,找到一批候選點之后還需要遍歷一次計算下精確距離。

geohash有個需要注意的問題。geohash是將二維的坐標點做了線下編碼(如下圖),有時候可能會給人一個誤解就是如果兩個geohash之間二進制的差異越小,這兩個區(qū)間距離就越近,這完全是錯誤的,比如如下圖0111和1000,這倆區(qū)間二進制只差0001但實際物理距離比較遠。

如果上圖還不明顯的話,我從Wikipedia上拿到一張圖,虛線是線性索引的路徑,被虛線鏈接的兩個塊geohash值是非常相近的,如下圖的(7,3)和(0,4),geohash值會非常相近,但實際物理距離非常遠,這就是geohash的突變現(xiàn)象,這也導致了不能直接根據(jù)geohash的值來直接判定兩個區(qū)域的距離大小。

但在實際使用geohash過程中,時常會遇到跨域搜索的情況,比如我要在上圖(3,3)這個區(qū)間內(nèi)某個點上搜索距它1個距離單位的所有其他點集,這個點集有可能橫跨(3,3)加上它周圍8個鄰域的9個區(qū)間,突變的問題會導致這9個區(qū)間的geohash不是線性跳轉(zhuǎn)的,但也不是沒法計算,實際上可以通過特殊的位運算可以很輕易計算出某個geohash的8個鄰域,具體可參考redis源碼中src/geohash.c中geohashNeighbors()的具體實現(xiàn),geohashNeighbors使用了geohash_move_x和geohash_move_y兩個函數(shù)實現(xiàn)了geohash左右和上下的移動,這樣可以很容易組合出8個鄰域的geohash值了。

static void geohash_move_x(GeoHashBits *hash, int8_t d) {
    if (d == 0)
        return;

    uint64_t x = hash->bits  0xaaaaaaaaaaaaaaaaULL;
    uint64_t y = hash->bits  0x5555555555555555ULL;

    uint64_t zz = 0x5555555555555555ULL >> (64 - hash->step * 2);

    if (d > 0) {
        x = x + (zz + 1);
    } else {
        x = x | zz;
        x = x - (zz + 1);
    }

    x = (0xaaaaaaaaaaaaaaaaULL >> (64 - hash->step * 2));
    hash->bits = (x | y);
}

static void geohash_move_y(GeoHashBits *hash, int8_t d) {
    if (d == 0)
        return;

    uint64_t x = hash->bits  0xaaaaaaaaaaaaaaaaULL;
    uint64_t y = hash->bits  0x5555555555555555ULL;

    uint64_t zz = 0xaaaaaaaaaaaaaaaaULL >> (64 - hash->step * 2);
    if (d > 0) {
        y = y + (zz + 1);
    } else {
        y = y | zz;
        y = y - (zz + 1);
    }
    y = (0x5555555555555555ULL >> (64 - hash->step * 2));
    hash->bits = (x | y);
}

Geo in redis

上文中花了大量篇幅講解了geohash的實現(xiàn),其實看到這里,你基本上已經(jīng)理解了redis中的geohash的實現(xiàn)了。本質(zhì)上redis中的geo就是對geohash的封裝,具體geohash相關的代碼就不給大家列了(可自行查閱),就給大家介紹下redis geo里的大體流程。
首先,可能大家最好奇的是geohash在redis中是怎么存儲的,從geoadd命令的實現(xiàn)可以一窺端倪。

/* GEOADD key [CH] [NX|XX] long lat name [long2 lat2 name2 ... longN latN nameN] */
void geoaddCommand(client *c) {
    int xx = 0, nx = 0, longidx = 2;
    int i;

    /* 解析可選參數(shù) */
    while (longidx  c->argc) {
        char *opt = c->argv[longidx]->ptr;
        if (!strcasecmp(opt,"nx")) nx = 1;
        else if (!strcasecmp(opt,"xx")) xx = 1;
        else if (!strcasecmp(opt,"ch")) {}
        else break;
        longidx++;
    }

    if ((c->argc - longidx) % 3 || (xx  nx)) {
        /* 解析所有的經(jīng)緯度值和member,并對其個數(shù)做校驗 */
            addReplyErrorObject(c,shared.syntaxerr);
        return;
    }

    /* 構建zadd的參數(shù)數(shù)組 */
    int elements = (c->argc - longidx) / 3;
    int argc = longidx+elements*2; /* ZADD key [CH] [NX|XX] score ele ... */
    robj **argv = zcalloc(argc*sizeof(robj*));
    argv[0] = createRawStringObject("zadd",4);
    for (i = 1; i  longidx; i++) {
        argv[i] = c->argv[i];
        incrRefCount(argv[i]);
    }

    /* 以3個參數(shù)為一組,將所有的經(jīng)緯度和member信息從參數(shù)列表里解析出來,并放到zadd的參數(shù)數(shù)組中 */
    for (i = 0; i  elements; i++) {
        double xy[2];

        if (extractLongLatOrReply(c, (c->argv+longidx)+(i*3),xy) == C_ERR) {
            for (i = 0; i  argc; i++)
                if (argv[i]) decrRefCount(argv[i]);
            zfree(argv);
            return;
        }

        /* 將經(jīng)緯度坐標轉(zhuǎn)化成score信息 */
        GeoHashBits hash;
        geohashEncodeWGS84(xy[0], xy[1], GEO_STEP_MAX, hash);
        GeoHashFix52Bits bits = geohashAlign52Bits(hash);
        robj *score = createObject(OBJ_STRING, sdsfromlonglong(bits));
        robj *val = c->argv[longidx + i * 3 + 2];
        argv[longidx+i*2] = score;
        argv[longidx+1+i*2] = val;
        incrRefCount(val);
    }

    /* 轉(zhuǎn)化成zadd命令所需要的參數(shù)格式*/
    replaceClientCommandVector(c,argc,argv);
    zaddCommand(c);
}

原來geo的存儲只是zset包了一層殼(是不是有點小失望),關于zset的具體實現(xiàn)可以參考我之前寫的文章redis中skiplist的實現(xiàn)。

我們再來詳細看下georadius的大體執(zhí)行流程(代碼偏長,故刪除大量細節(jié)代碼)。

void georadiusGeneric(client *c, int srcKeyIndex, int flags) {
    robj *storekey = NULL;
    int storedist = 0; /* 0 for STORE, 1 for STOREDIST. */

    /* 根據(jù)key找找到對應的zojb */
    robj *zobj = NULL;
    if ((zobj = lookupKeyReadOrReply(c, c->argv[srcKeyIndex], shared.emptyarray)) == NULL ||
        checkType(c, zobj, OBJ_ZSET)) {
        return;
    }

    /* 解析請求中的經(jīng)緯度值 */
    int base_args;
    GeoShape shape = {0};
    if (flags  RADIUS_COORDS) {
    /*
     * 各種必選參數(shù)的解析,省略細節(jié)代碼,主要是解析坐標點信息和半徑   
     */ 
    }

    /* 解析所有的可選參數(shù). */
    int withdist = 0, withhash = 0, withcoords = 0;
    int frommember = 0, fromloc = 0, byradius = 0, bybox = 0;
    int sort = SORT_NONE;
    int any = 0; /* any=1 means a limited search, stop as soon as enough results were found. */
    long long count = 0;  /* Max number of results to return. 0 means unlimited. */
    if (c->argc > base_args) {
    /*
     * 各種可選參數(shù)的解析,省略細節(jié)代碼   
     */ 
    }
    
    /* Get all neighbor geohash boxes for our radius search
     * 獲取到要查找范圍內(nèi)所有的9個geo鄰域 */
    GeoHashRadius georadius = geohashCalculateAreasByShapeWGS84(shape);

    /* 創(chuàng)建geoArray存儲結果列表 */
    geoArray *ga = geoArrayCreate();
    /* 掃描9個區(qū)域中是否有滿足條的點,有就放到geoArray中 */
    membersOfAllNeighbors(zobj, georadius, shape, ga, any ? count : 0);

    /* 如果沒有匹配結果,返回空對象 */
    if (ga->used == 0  storekey == NULL) {
        addReply(c,shared.emptyarray);
        geoArrayFree(ga);
        return;
    }

    long result_length = ga->used;
    long returned_items = (count == 0 || result_length  count) ?
                          result_length : count;
    long option_length = 0;

    /* 
     * 后續(xù)一些參數(shù)邏輯,比如處理排序,存儲……
     */
    // 釋放geoArray占用的空間 
    geoArrayFree(ga);
}

上述代碼刪減了大量細節(jié),有興趣的同學可以自行查閱。不過可以看出georadius的整體流程非常清晰。

解析請求參數(shù)。計算目標坐標所在的geohash和8個鄰居。在zset中查找這9個區(qū)域中滿足距離限制的所有點集。處理排序等后續(xù)邏輯。清理臨時存儲空間。

結語

由于文章篇幅有限,而且著重講解了geohash的實現(xiàn),并未展開講解redis中geo相關的各種細節(jié),如讀者有興趣可以詳細閱讀redis中的src/geo.c了解各類細節(jié)。

參考資料

wikipedia geohash

Geohash算法原理及實現(xiàn)

本文是Redis源碼剖析系列博文,同時也有與之對應的Redis中文注釋版,有想深入學習Redis的同學,歡迎star和關注。
Redis中文注解版?zhèn)}庫:https://github.com/xindoo/Redis
Redis源碼剖析專欄:https://zxs.io/s/1h

以上就是Redis是如何高效檢索地理位置的詳細內(nèi)容,更多關于Redis檢索地理位置的資料請關注腳本之家其它相關文章!

您可能感興趣的文章:
  • redis數(shù)據(jù)庫查找key在內(nèi)存中的位置的方法
  • PHP redis實現(xiàn)超迷你全文檢索

標簽:果洛 楊凌 臺州 江蘇 北京 大慶 朝陽 吉安

巨人網(wǎng)絡通訊聲明:本文標題《Redis高效檢索地理位置的原理解析》,本文關鍵詞  Redis,高效,檢索,地理位置,;如發(fā)現(xiàn)本文內(nèi)容存在版權問題,煩請?zhí)峁┫嚓P信息告之我們,我們將及時溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡,涉及言論、版權與本站無關。
  • 相關文章
  • 下面列出與本文章《Redis高效檢索地理位置的原理解析》相關的同類信息!
  • 本頁收集關于Redis高效檢索地理位置的原理解析的相關信息資訊供網(wǎng)民參考!
  • 推薦文章