前面介绍了地理坐标定位相关的基础知识和查找附近人的MySQL版实现和redis版的6个基础命令，本则主要介绍redis+spring版的实现。
代码主要对redis-geo的6个命令做了demo的测试，在最后我们生成600w条数据测试一下redis的geo实现效率如何。没错，mysql版我们使用300w，redis当然要更高一些来体现redis方案的优越性。
@RunWith(SpringRunner.class)
@SpringBootTest
public class GEOTests {
@Autowired
public RedisTemplate<String, String> redisTemplate;
/**
* 前缀
*/
public static final String KEY_PREFIX_GEO = "geo_test_spring";
@Test
public void addGeo() {//单条添加
Point point = new Point(120.1384162903, 30.2532102251);
redisTemplate.opsForGeo().geoAdd(KEY_PREFIX_GEO, point, "user1");
}
@Test
public void addGeos() {//批量添加
HashMap<String, Point> map = new HashMap<>();
map.put("user2", new Point(120.1389124356, 30.2532779243));
map.put("user3", new Point(120.1384162904, 30.2532102251));
redisTemplate.opsForGeo().geoAdd(KEY_PREFIX_GEO, map);
}
@Test
public void remove() {//删除一个元素
redisTemplate.opsForGeo().geoRemove(KEY_PREFIX_GEO, "user3");
}
@Test
public void GEOHASH(){
GeoOperations<String, String> geoOps = redisTemplate.opsForGeo();
List<String> strings = geoOps.geoHash(KEY_PREFIX_GEO, "user1");
for (String string : strings) {
System.out.println(string);
}
}
@Test
public void GEOPOS(){
GeoOperations<String, String> geoOps = redisTemplate.opsForGeo();
List<Point> points = geoOps.geoPos(KEY_PREFIX_GEO, "user1");
for (Point point : points) {
System.out.println(point);
}
}
@Test
public void GEODIST(){
GeoOperations<String, String> geoOps = redisTemplate.opsForGeo();
Distance distance = geoOps.geoDist(KEY_PREFIX_GEO, "user1", "user2",DistanceUnit.KILOMETERS);
System.out.println(distance);
}
@Test
public void GEORADIUS() {
long startTime = System.currentTimeMillis(); //获取开始时间
GeoOperations<String, String> geoOps = redisTemplate.opsForGeo();
//设置geo查询参数
GeoRadiusCommandArgs geoRadiusArgs = GeoRadiusCommandArgs.newGeoRadiusArgs();
geoRadiusArgs = geoRadiusArgs.includeCoordinates().includeDistance();//查询返回结果包括距离和坐标
geoRadiusArgs.sortAscending();//按查询出的坐标距离中心坐标的距离进行排序
geoRadiusArgs.limit(100);//限制查询数量
GeoResults<GeoLocation<String>> radiusGeo = geoOps.geoRadius(
KEY_PREFIX_GEO,
new Circle(new Point(120.1384162903, 30.2532102251), new Distance(5, DistanceUnit.KILOMETERS)),
geoRadiusArgs);
long endTime = System.currentTimeMillis(); //获取结束时间
System.out.println("程序运行时间：" + (endTime - startTime) + "ms"); //输出程序运行时间
// for (GeoResult<GeoLocation<String>> geoLocationGeoResult : radiusGeo) {
// System.out.println(geoLocationGeoResult);
// }
}
@Test
public void GEORADIUSBYMEMBER() {
long startTime = System.currentTimeMillis(); //获取开始时间
GeoOperations<String, String> geoOps = redisTemplate.opsForGeo();
//设置geo查询参数
GeoRadiusCommandArgs geoRadiusArgs = GeoRadiusCommandArgs.newGeoRadiusArgs();
geoRadiusArgs = geoRadiusArgs.includeCoordinates().includeDistance();//查询返回结果包括距离和坐标
geoRadiusArgs.sortAscending();//按查询出的坐标距离中心坐标的距离进行排序
geoRadiusArgs.limit(100);//限制查询数量
GeoResults<GeoLocation<String>> radiusGeo = geoOps.geoRadiusByMember(
KEY_PREFIX_GEO, "user1", new Distance(10, DistanceUnit.KILOMETERS), geoRadiusArgs);
long endTime = System.currentTimeMillis(); //获取结束时间
System.out.println("程序运行时间：" + (endTime - startTime) + "ms"); //输出程序运行时间
// List<GeoResult<GeoLocation<String>>> content = radiusGeo.getContent();
// for (GeoResult<GeoLocation<String>> geoLocationGeoResult : content) {
// System.out.println(geoLocationGeoResult.getContent());
// }
}
@Test
public void addGeosp() {//批量添加,600w条数据还是要那么一小会的，但是添加速度比mysql快多多了
for (int i = 0; i < 6000000; i++) {
BigDecimal lng = new BigDecimal(Math.random() * (130 - 100) + 100).setScale(10, BigDecimal.ROUND_HALF_UP);
BigDecimal lat = new BigDecimal(Math.random() * 20 + 20).setScale(10, BigDecimal.ROUND_HALF_UP);
redisTemplate.opsForGeo().geoAdd(KEY_PREFIX_GEO, new Point(lng.doubleValue(), lat.doubleValue()), "user" + i);
}
}
}
代码中已经添加了注释，所以不过多解释。
spring-data-redis 还有另外一种添加数据的方式，使用的是JPA的方式， spring-data-redis文档，有兴趣也可以试一下，本人试了一下感觉没有很强的实际意义，如果你想把其他一些需要持久化的数据也存进去的话，也可以选择。
现在我们自动生成600w条数据测试性能，结果是 GEORADIUS 和 GEORADIUSBYMEMBER 查询600w条数据并计算距离并排序耗时 80ms 左右，效率非常的高。唯一的不足就是不方便分页。
有时候我们的地图应用可能类是嘀嘀打车，司机的位置信息，需要实时更新，更新没有问题，但是司机下线了位置信息无法自动删除。因为redis的过期时间为key设置，没法对zset里面的member设置。勉强的做法可以用sorted set，把要过期的member和key的信息放在sorted set的member里，把过期时间放在score中。跑个任务用zrangebyscore遍历就行了。用sorted set好处是只需要遍历过期的member，不用扫描整个过期member集合。不过这个删除的操作还是交给应用程序主动调用吧，毕竟司机有 下班 这个操作，触发操作后主动删除对应的位置信息就可以。
到此查找附近的人redis解决方案也已经完成，请看下篇mongodb解决方案。
文章同步发布在博客，LBS-查找附近的人-redis-spring实现
