8.附近商户

8.1GEO数据结构的基本用法

• GEO就是Geolocation的简写形式，代表地理坐标。Redis在3.2版本中加入了对GEO的支持，允许存储地理坐标信息，帮助我们根据经纬度来检索数据，常见的命令有
  • GEOADD：添加一个地理空间信息，包含：经度（longitude）、纬度（latitude）、值（member）

• GEODIST：计算指定的两个点之间的距离并返回

• GEOHASH：将指定member的坐标转化为hash字符串形式并返回
• GEOPOS：返回指定member的坐标
• GEOGADIUS：指定圆心、半径，找到该园内包含的所有member，并按照与圆心之间的距离排序后返回，6.2之后已废弃
• GEOSEARCH：在指定范围内搜索member，并按照与制定点之间的距离排序后返回，范围可以使圆形或矩形，6.2的新功能
• GEOSEARCHSTORE：与GEOSEARCH功能一致，不过可以把结果存储到一个指定的key，也是6.2的新功能

8.2导入店铺数据到GEO

• 具体场景说明，例如美团/饿了么这种外卖App，你是可以看到商家离你有多远的，那我们现在也要实现这个功能。
• 我们可以使用GEO来实现该功能，以当前坐标为圆心，同时绑定相同的店家类型type，以及分页信息，把这几个条件插入后台，后台查询出对应的数据再返回
• 那现在我们要做的就是：将数据库中的数据导入到Redis中去，GEO在Redis中就是一个member和一个经纬度，经纬度对应的就是tb_shop中的x和y，而member，我们用shop_id来存，因为Redis只是一个内存级数据库，如果存海量的数据，还是力不从心，所以我们只存一个id，用的时候再拿id去SQL数据库中查询shop信息
• 但是此时还有一个问题，我们在redis中没有存储shop_type，无法根据店铺类型来对数据进行筛选，解决办法就是将type_id作为key，存入同一个GEO集合即可

Key	Value	Score
shop:geo:美食	海底捞	40691512240174598
	吉野家	40691519846517915
shop:geo:KTV	KTV 01	40691165486458787
	KTV 02	40691514154651657

@Test
public void loadShopData(){
    //1. 查询所有店铺信息
    List<Shop> shopList = shopService.list();
    //2. 按照typeId，将店铺进行分组
    Map<Long, List<Shop>> map = shopList.stream().collect(Collectors.groupingBy(Shop::getTypeId));
    //3. 逐个写入Redis
    for (Map.Entry<Long, List<Shop>> entry : map.entrySet()) {
        //3.1 获取类型id
        Long typeId = entry.getKey();
        //3.2 获取同类型店铺的集合
        List<Shop> shops = entry.getValue();
        String key = SHOP_GEO_KEY + typeId;
        for (Shop shop : shops) {
            //3.3 写入redis GEOADD key 经度 纬度 member
            stringRedisTemplate.opsForGeo().add(key,new Point(shop.getX(),shop.getY()),shop.getId().toString());
        }
    }
}

• 但是上面的代码不够优雅，是一条一条写入的，效率较低，那我们现在来改进一下，这样只需要写入等同于type_id数量的次数

  @Test
  public void loadShopData() {
      List<Shop> shopList = shopService.list();
      Map<Long, List<Shop>> map = shopList.stream().collect(Collectors.groupingBy(Shop::getTypeId));
      for (Map.Entry<Long, List<Shop>> entry : map.entrySet()) {
          Long typeId = entry.getKey();
          List<Shop> shops = entry.getValue();
          String key = SHOP_GEO_KEY + typeId;
          List<RedisGeoCommands.GeoLocation<String>> locations = new ArrayList<>(shops.size());
          for (Shop shop : shops) {
              //将当前type的商铺都添加到locations集合中
              locations.add(new RedisGeoCommands.GeoLocation<>(shop.getId().toString(), new Point(shop.getX(), shop.getY())));
          }
          //批量写入
          stringRedisTemplate.opsForGeo().add(key, locations);
      }
  }

  8.3实现附近商户功能

• SpringDataRedis的2.3.9版本并不支持Redis 6.2提供的GEOSEARCH命令，因此我们需要提示其版本，修改自己的pom.xml文件

  <dependency>
      <groupId>org.springframework.boot</groupId>
      <artifactId>spring-boot-starter-data-redis</artifactId>
      <exclusions>
          <exclusion>
              <artifactId>spring-data-redis</artifactId>
              <groupId>org.springframework.data</groupId>
          </exclusion>
          <exclusion>
              <artifactId>lettuce-core</artifactId>
              <groupId>io.lettuce</groupId>
          </exclusion>
      </exclusions>
  </dependency>
  <dependency>
      <groupId>org.springframework.data</groupId>
      <artifactId>spring-data-redis</artifactId>
      <version>2.6.2</version>
  </dependency>
  <dependency>
      <groupId>io.lettuce</groupId>
      <artifactId>lettuce-core</artifactId>
      <version>6.1.6.RELEASE</version>
  </dependency>

• 点击距离分类，查看发送的请求

• 请求网址: http://localhost:8080/api/shop/of/type?&typeId=1&current=1&x=120.149993&y=30.334229
  请求方法: GET

看样子是ShopController中的方法，那我们现在来修改其代码，除了typeId，分页码，我们还需要其坐标 

@GetMapping("/of/type")
public Result queryShopByType(
        @RequestParam("typeId") Integer typeId,
        @RequestParam(value = "current", defaultValue = "1") Integer current,
        @RequestParam(value = "x", required = false) Double x,
        @RequestParam(value = "y", required = false) Double y
) {
   return shopService.queryShopByType(typeId,current,x,y);
}

• 具体业务逻辑依旧是写在ShopServiceImpl中

  @Override
  public Result queryShopByType(Integer typeId, Integer current, Double x, Double y) {
      //1. 判断是否需要根据距离查询
      if (x == null || y == null) {
          // 根据类型分页查询
          Page<Shop> page = query()
                  .eq("type_id", typeId)
                  .page(new Page<>(current, SystemConstants.DEFAULT_PAGE_SIZE));
          // 返回数据
          return Result.ok(page.getRecords());
      }
      //2. 计算分页查询参数
      int from = (current - 1) * SystemConstants.MAX_PAGE_SIZE;
      int end = current * SystemConstants.MAX_PAGE_SIZE;
      String key = SHOP_GEO_KEY + typeId;
      //3. 查询redis、按照距离排序、分页; 结果：shopId、distance
      //GEOSEARCH key FROMLONLAT x y BYRADIUS 5000 m WITHDIST
      GeoResults<RedisGeoCommands.GeoLocation<String>> results = stringRedisTemplate.opsForGeo().search(key,
              GeoReference.fromCoordinate(x, y),
              new Distance(5000),
              RedisGeoCommands.GeoSearchCommandArgs.newGeoSearchArgs().includeDistance().limit(end));
      if (results == null) {
          return Result.ok(Collections.emptyList());
      }
      //4. 解析出id
      List<GeoResult<RedisGeoCommands.GeoLocation<String>>> list = results.getContent();
      if (list.size() < from) {
          //起始查询位置大于数据总量，则说明没数据了，返回空集合
          return Result.ok(Collections.emptyList());
      }
      ArrayList<Long> ids = new ArrayList<>(list.size());
      HashMap<String, Distance> distanceMap = new HashMap<>(list.size());
      list.stream().skip(from).forEach(result -> {
          String shopIdStr = result.getContent().getName();
          ids.add(Long.valueOf(shopIdStr));
          Distance distance = result.getDistance();
          distanceMap.put(shopIdStr, distance);
      });
      //5. 根据id查询shop
      String idsStr = StrUtil.join(",", ids);
      List<Shop> shops = query().in("id", ids).last("ORDER BY FIELD( id," + idsStr + ")").list();
      for (Shop shop : shops) {
          //设置shop的举例属性，从distanceMap中根据shopId查询
          shop.setDistance(distanceMap.get(shop.getId().toString()).getValue());
      }
      //6. 返回
      return Result.ok(shops);
  }