查附近的人和店
"离我 3 公里内有哪些奶茶店?"——这类查询看着要专门的地理数据库,Redis 却用一条 GEOSEARCH 就答了。秘密在于:它把二维坐标压成一个数字,再塞进你熟悉的有序集合里。
二维的"附近",怎么变成一维的查询
"查附近"难在:位置是二维的(经度、纬度),而数据库最擅长的是一维的排序与范围扫描。直接按经度排,纬度就乱了;按纬度排,经度又乱了——总有一个维度照顾不到。
要是能找到一种编码,把二维坐标压成一个数字,还能让地理上相邻的点,数字也相近——那"查附近"就退化成了"查一段数值区间",正好是有序集合的拿手好戏。这个编码,就是 geohash。
像给整张地图编门牌号:不是随便编,而是让"隔壁"的门牌号也挨着。这样找邻居,不用满城跑,只要看门牌号相近的那几户就行。
geohash:把地图递归四分
geohash 的思路是递归二分:把经度范围 [-180, 180] 不断对半切,落在左半是 0、右半是 1;纬度 [-85, 85] 同理。切得越多位,定位越精细。Redis 用 经度 26 位 + 纬度 26 位,交织(interleave)成一个 52 位整数。
关键性质:前缀相同 = 地理区域相同。两个点的 geohash 整数高位越一致,它们在地图上就越接近。于是"数值相近"≈"地理相邻",二维问题被漂亮地降成了一维。52 位的精度约为赤道上 0.6 毫米,远超任何实际需求。
一个边界细节:纬度范围不是 ±90 而是约 ±85.05——因为 geohash 基于墨卡托投影把地球铺成正方形,两极会被拉伸到无穷,所以裁掉了极区。日常业务完全够用。
它根本不是新类型
最妙的地方:GEO 没有自己的数据结构。GEOADD 做的事,就是把坐标编码成 geohash 整数,然后当作 score 存进一个普通的有序集合。成员名是地点,分数是它的 geohash。
因为底层是有序集合,它自动继承了有序集合的一切:O(log N) 的增删、紧凑的 listpack 编码(小集合时)、随规模切换到 skiplist……Redis 不用为地理功能发明新引擎,站在已有结构的肩膀上即可。
一套 GEO 命令
| 命令 | 作用 | 复杂度 |
|---|---|---|
| GEOADD | 添加成员(编码坐标为 score) | O(log N) |
| GEOPOS | 解码成员的坐标(近似值,有舍入) | O(1) |
| GEODIST | 两成员间距离(可选单位 m/km/mi/ft) | O(1) |
| GEOHASH | 返回标准 base32 geohash 字符串 | O(1) |
| GEOSEARCH | 按半径 BYRADIUS 或矩形 BYBOX 查范围(6.2+) | O(N+log M) |
GEORADIUS 自 6.2 起已废弃,新代码一律用 GEOSEARCH——它同时支持圆形半径和矩形边界框,更统一。
为什么"查附近"这么快
GEOSEARCH 的内部逻辑,本质是利用 geohash 的"相邻即相近":给定中心点和半径,先算出覆盖这个圆的若干 geohash 区间,再对有序集合做几次范围扫描,最后逐个精确算距离、滤掉圆外的点。
复杂度 O(N + log M):log M 是在有序集合里定位区间的代价,N 是落在搜索区域里、需要逐个精算距离的元素数。只要搜索半径不大,N 就小——这就是它在百万级点里也能毫秒级查附近的原因。
有个边界要知道:geohash 把地图切成网格,相邻格子的前缀可能差很多(比如正好跨过一条切分线)。所以范围查询会把中心格子及其周围几个邻格都扫一遍,避免漏掉"就在格子边界另一侧"的点——这也是为什么要做最后那步精确距离过滤。
能做什么,不能做什么
典型用途:附近的人/店/司机、按距离排序的推荐、地理围栏的粗筛、配送范围判断。一个 GEOADD + GEOSEARCH 就能撑起"附近"功能的核心。
| 局限 | 说明 |
|---|---|
| 只支持二维 | 没有高度/海拔维度,是平面地理。 |
| 没有多边形查询 | 只能圆形(半径)或矩形(边界框),不规则区域得自己在应用层过滤。 |
| 删除要用 ZREM | GEO 没有 GEODEL;因为底层是 zset,删成员用 ZREM。 |
| GEOPOS 是近似值 | 解码经过舍入,返回的坐标和你存进去的会有极小偏差。 |
要做复杂空间分析(多边形、路网、空间 join),那是专门的 GIS/PostGIS 的活;Redis GEO 胜在又快又简单,正好覆盖"查附近"这个最高频的需求。
把二维,折叠成一维
Redis GEO 的全部魔法,是用 geohash 把经纬度编码成一个 52 位整数,让"地理相邻"变成"数值相近",再借有序集合的范围扫描毫秒级查附近。它不发明新引擎、不占额外心智——GEOADD 存、GEOSEARCH 查,就这么简单。
