Redis那些事儿（三）

news2024/11/28 21:35:07

文章目录

- 1. 前言
- 2. 常用api介绍
- 3. 需求假设（获取离我最近的停车场）
- 4. 代码示例

1. 前言

接着上一篇Redis那些事儿（二），这一篇主要介绍Redis基于Geo数据结构实现的地理服务，它提供了一种方便的方式来存储和处理与地理位置相关的数据。Geo数据结构是Redis的一种特殊数据类型，用于存储地理位置信息，每个地理位置被表示为经度和纬度的坐标，可以将这些坐标与一个或多个成员关联起来。Redis的地理服务提供了一套简单而强大的功能，可以方便地存储和处理与地理位置相关的数据，它适用于许多应用场景，如地理定位、附近的人、附近的店铺搜索、附近的停车场、附近的地铁站…等等，大大提升了定位排序的效率。

2. 常用api介绍

Redis地理服务API方法包括：GEOADD（向Geo数据结构中添加一个或多个地理位置信息）；GEODIST（计算两个地理位置之间的距离）；GEORADIUS（获取给定地理位置附近一定范围内的成员）；GEOPOS（获取给定成员的经纬度坐标）；GEOHASH（获取给定成员的Geohash值）…以上都是Geo地理服务内置的常用方法，接下来还是基于开发中的StringRedisTemplate对象作为切入点，更直观地说明实际应用中对于Geo地理服务地应用。
StringRedisTemplate中定义了RedisGeoCommands的接口，RedisGeoCommands中封装了一系列的内置方法及子类，所以Redis中基于opsForGeo()的操作都离不开RedisGeoCommands，如下为部分截图：
RedisGeoCommands部分截图

Geo数据结构中存入坐标数据，redisTemplate.opsForGeo().add(key, locations)

		List<Park> parks = getParks(); //TODO 获取停车场列表信息
    	//初始化Redis区域对象集合
        List<RedisGeoCommands.GeoLocation<String>> locations = new ArrayList<>();
        for (Park park : parks) {
        	//实例化ponit对象，传参[经度、纬度]
            Point point = new Point(park.getLng(), park.getLat());
            //构造location对象，传参[name值（一般取ID）、point对象]
            RedisGeoCommands.GeoLocation<String> location = new RedisGeoCommands.GeoLocation<>(
                   park.getParkId() + "", point);
            locations.add(location);
        }
        String key = "GEO_PARK_KEY";
        //存入坐标数据
        redisTemplate.opsForGeo().add(key, locations);

Geo数据结构中删除坐标数据，redisTemplate.opsForGeo().remove(key, …members)

		String key = "GEO_PARK_KEY";
		//删除单个坐标数据（parkId为单个停车场ID，类型为String）
		redisTemplate.opsForGeo().remove(key, parkId);
    	//删除多个坐标数据（第一个参数为key，后面可以传入多个parkId）
    	redisTemplate.opsForGeo().remove(key, parkId1, parkId2, parkId3);

Geo数据结构中检索坐标数据由近到远，redisTemplate.opsForGeo().radius(key, within, args)

		String key = "GEO_PARK_KEY";
		//检索20公里内的
		Distance distance = new Distance(20, Metrics.KILOMETERS);
		//以目标坐标为圆心，distance为半径的圆圈范围，其中lng代表中心坐标的经度、lat代表中心坐标的纬度
		Circle within = new Circle(new Point(lng, lat), distance);
		//条件参数，按照距离查询，默认就是升序
		RedisGeoCommands.GeoRadiusCommandArgs args = RedisGeoCommands.GeoRadiusCommandArgs.newGeoRadiusArgs().includeDistance();
		//执行查询
    	GeoResults<RedisGeoCommands.GeoLocation<String>> results = redisTemplate.opsForGeo().radius(key, within, args);

Geo数据结构中检索坐标数据由近到远，redisTemplate.opsForGeo().search(key, reference, distance, args)

		String key = "GEO_PARK_KEY";
		//检索20公里内的
		Distance distance = new Distance(20, Metrics.KILOMETERS);
		//条件参数，按照距离查询，默认就是升序
		RedisGeoCommands.GeoSearchCommandArgs args = RedisGeoCommands.GeoSearchCommandArgs.newGeoSearchArgs().includeDistance();
		//中心点位确认，其中lng代表中心坐标的经度、lat代表中心坐标的纬度
		GeoReference<String> reference = GeoReference.fromCoordinate(lng, lat);
		//执行查询
    	GeoResults<RedisGeoCommands.GeoLocation<String>> results = redisTemplate.opsForGeo().search(key, reference, distance, args);

以上列了四个最常用的方式，类似于我们最常规的CURD，其中最后两个radius和search是查询方法，二者最终查询的结果是一致的，只是手段方式不同而已！

3. 需求假设（获取离我最近的停车场）

这个时候有人就说了：我使用GeodeticCalculator工具类在代码中计算距离也很方便的啊。我想了想，确实很方便，只需要引入geodesy的依赖，就可以直接使用GeodeticCalculator的calculateGeodeticCurve方法就可以计算了，还不需要麻烦的用redis搞那么长的代码了。但是，问题来了，就以停车场为例，假如只有十几个停车场，遍历一下然后按升序排个序，很快就计算出了离我最近的停车场列表了。如果我有上千个或者上万个停车场，总不能遍历上万次然后再排序吧，那这速度就一言难尽了…如果这个时候使用redis的geo数据结构来读取，那就完美解决这个问题了。Redis提供的GeoHash算法功能对于这方面的需求就太好用了，那么，附近的停车场、附近的人、附近的商家就都是一个思路了！

4. 代码示例

	/**
     * 获取距离最近的停车场列表，由近到远
     * @param lng 当前位置经度
     * @param lat 当前位置纬度
     * @param page 页数（第n页）
     * @param size 每页数量（10、20...）
     * @param value 公里范围内（搜索范围半径）
     * @return
     */
    public List<Park> getLatestParks(Double lng, Double lat, Integer page, Integer size, Double value){
        //计算分页起始参数
        Integer start = (page - 1) * size;
        Integer end = page * size;
        //查询redis，按照距离排序
        String key = "GEO_PARK_KEY";
        //检索value公里内的
        Distance distance = new Distance(value, Metrics.KILOMETERS);
        //以目标坐标为圆心，distance为半径的圆圈范围，其中lng代表中心坐标的经度、lat代表中心坐标的纬度
        Circle within = new Circle(new Point(lng, lat), distance);
        //条件参数，按照距离查询，默认就是升序，截止到end
        RedisGeoCommands.GeoRadiusCommandArgs args = RedisGeoCommands.GeoRadiusCommandArgs.newGeoRadiusArgs().includeDistance().limit(end);
        //执行查询
        GeoResults<RedisGeoCommands.GeoLocation<String>> results = redisTemplate.opsForGeo().radius(key, within, args);
        if (results == null) {
            return new ArrayList<>();
        }
        //获取最终检索的内容
        List<GeoResult<RedisGeoCommands.GeoLocation<String>>> content = results.getContent();
        //截取从起始到结束，如果总数小于起始数就证明已经页数超了，返回空集合
        if (content.size() <= start) {
            return new ArrayList<>();
        }
        //初始化parkId集合
        List<Long> parkIds = new ArrayList<>();
        //初始化距离map
        Map<String, Distance> distanceMap = new HashMap<>();
        //分页跳过之前的数据，并遍历赋值
        content.stream().skip(start).forEach(i->{
            String parkIdStr = i.getContent().getName();
            parkIds.add(Long.valueOf(parkIdStr));
            Distance dis = i.getDistance();
            distanceMap.put(parkIdStr, dis);
        });
        //固定排序
        String join = StringUtils.join(parkIds,",");
        //根据parkId集合获取park集合
        List<Park> newParks = parkService.list(new QueryWrapper<Park>().in("park_id", parkIds)
                .last("ORDER BY FIELD(park_id," + join + ")")).stream().map(i -> {
                    i.setDistance(distanceMap.get(i.getParkId() + "").getValue());
                    return i;
        }).collect(Collectors.toList());
        return newParks;
    }