跳至主要內容

12_GEO 是什么？还可以定义新的数据类型吗？

logycoconut2024年2月29日大约 12 分钟Redis 核心技术与实战Redis

Redis 的五大基本数据类型：String、List、Hash、Set 和 Sorted Set，它们可以满足大多数的数据存储需求，但是在面对海量数据统计时，它们的内存开销很大，而且对于一些特殊的场景，它们是无法支持的
所以 Redis 还提供了 3 种扩展数据类型，分别是 Bitmap、HyperLogLog 和 GEO

今天具体介绍一下 GEO

另外，还会介绍开发自定义的新数据类型的基本步骤

面向 LBS 引用的 GEO 数据模型

在日常生活中，我们越来越依赖搜索"附近的餐馆"、在打车软件上叫车，这些都离不开基于位置信息服务（Location-Based Service，LBS）的应用
LBS 应用访问的数据是和人或物关联的一组经纬度信息，而且要能查询相邻的经纬度范围，GEO 就非常适合引用在 LBS 服务的场景中

GEO 的底层结构

一般来说，在设计一个数据类型的底层结构时，我们首先要知道，要处理的数据有什么访问特点
所以，我们需要先搞清楚位置信息是怎么被存取的

以叫车服务为例，来分析下 LBS 应用中经纬度的存取特点

  • 每一辆网约车都有一个编号（例如 33），网约车需要将自己的经度信息和纬度信息发给叫车应用
  • 用户在叫车的时候，叫车应用会根据用户的经纬度位置，查找用户的附近车辆，进行匹配
  • 等把位置相近的用户和车辆匹配上以后，叫车应用就会根据车辆的编号，获取车辆的信息，并返回给用户

可以看到，一辆车（或一个用户）对应一组经纬度，并且随着车（或人）的位置移动，相应的经纬度也会变化

这种数据记录模式属于一个 key（例如车 ID）对应一个 value（一组经纬度）
当有很多车辆信息要保存时，就需要有一个集合来保存一系列的 key 和 value
Hash 集合类型可以快速存取一系列的 key 和 value，正好可以用来记录一系列车辆 ID 和经纬度的对应关系，所以，我们可以把不同车辆的 ID 和它们对应的经纬度信息存在 Hash 集合中

同时，Hash 类型的 HSET 操作命令，会根据 key 来设置相应的 value 值，所以，我们可以用它来快速地更新车辆变化的经纬度信息

到这里，Hash 类型看起来是一个不错的选择
但问题是，对于一个 LBS 应用来说，除了记录经纬度信息，还需要根据用户的经纬度信息在车辆的 Hash 集合中进行范围查询
一旦涉及范围查询，就意味着集合中的元素需要有序，但 Hash 类型的元素是无序的，显然不能满足要求

再来看看 Sorted Set 类型是不是合适

Sorted Set 类型也支持一个 key 对应一个 value 的记录模式，其中，key 就是 Sorted Set 中的元素，而 value 则是元素的权重分数
更重要的是，Sorted Set 可以根据元素的权重分数排序，支持范围查询
这就能满足 LBS 服务中查找相邻位置的需求

实际上，GEO 类型的底层数据结构就是用 Sorted Set 来实现的
我们借助叫车应用的例子来加深下理解

用 Sorted Set 来保存车辆的经纬度信息时，Sorted Set 的元素是车辆 ID，元素的权重分数是经纬度信息，如下图所示

这时问题来了，Sorted Set 的元素的权重分数是一个浮点数（float 类型），而一组经纬度包含的经度和维度两个值，是没法直接保存为一个浮点数的，那具体该怎么进行保存呢？

这就要用到 GEO 类型中的 GeoHash 编码了

GeoHash 的编码方式

为了能高效地对经纬度进行比较，Redis 采用了业界广泛使用的 GeoHash 编码方法，这个方法的基本原理就是"二分区间，区间编码"

当我们要对一组经纬度进行 GeoHash 编码时，我们要先对经度和维度分别编码，然后再把经纬度各自的编码组合成一个最终编码

首先来看一下经度、维度的单独编码过程

对于一个地理位置信息来说，它的经度范围是 [-180,180]
GeoHash 编码会把一个经度值编码成一个 N 位的二进制值，我们来对经度范围[-180,180]做 N 次的二分区操作，其中 N 可以自定义

在进行第一次二分区时，经度范围 [-180,180] 会被分成两个子区间：[-180,0) 和 [0,180]（我称之为左、右分区）
此时，我们可以查看一下要编码的经度值落在了左分区还是右分区
如果是落在左分区，我们就用 0 表示；如果落在右分区，就用 1 表示
这样一来，每做完一次二分区，我们就可以得到 1 位编码值。

然后，我们再对经度值所属的分区再做一次二分区，同时再次查看经度值落在了二分区后的左分区还是右分区，按照刚才的规则再做 1 位编码
当做完 N 次的二分区后，经度值就可以用一个 N bit 的数来表示了

举个例子，假设我们要编码的经度值是 116.37，我们用 5 位编码值（也就是 N=5，做 5 次分区）。

我们先做第一次二分区操作，把经度区间[-180,180]分成了左分区[-180,0) 和右分区[0,180]，此时，经度值 116.37 是属于右分区[0,180]，所以，我们用 1 表示第一次二分区后的编码值。

接下来，我们做第二次二分区：把经度值 116.37 所属的 [0,180] 区间，分成 [0,90) 和 [90, 180]
此时，经度值 116.37 还是属于右分区 [90,180]，所以，第二次分区后的编码值仍然为 1
等到第三次对 [90,180] 进行二分区，经度值 116.37 落在了分区后的左分区 [90, 135) 中，所以，第三次分区后的编码值就是 0

按照这种方法，做完 5 次分区后，我们把经度值 116.37 定位在 [112.5, 123.75] 这个区间，并且得到了经度值的 5 位编码值，即 11010。这个编码过程如下表所示

对纬度的编码方式，和对经度的一样，只是纬度的范围是[-90，90]，下面这张表显示了对纬度值 39.86 的编码过程

当一组经纬度值都编完码后，我们再把它们的各自编码值组合在一起，组合的规则是：最终编码值的偶数位上依次是经度的编码值，奇数位上依次是纬度的编码值，其中，偶数位从 0 开始，奇数位从 1 开始。

我们刚刚计算的经纬度（116.37，39.86）的各自编码值是 11010 和 10111，组合之后，第 0 位是经度的第 0 位 1，第 1 位是纬度的第 0 位 1，第 2 位是经度的第 1 位 1，第 3 位是纬度的第 1 位 0，以此类推，就能得到最终编码值 1110011101，如下图所示

用了 GeoHash 编码后，原来无法用一个权重分数表示的一组经纬度（116.37，39.86）就可以用 1110011101 这一个值来表示，就可以保存为 Sorted Set 的权重分数了。

当然，使用 GeoHash 编码后，我们相当于把整个地理空间划分成了一个个方格，每个方格对应了 GeoHash 中的一个分区。

举个例子。我们把经度区间 [-180,180] 做一次二分区，把纬度区间 [-90,90] 做一次二分区，就会得到 4 个分区
我们来看下它们的经度和纬度范围以及对应的 GeoHash 组合编码

  • 分区一：[-180,0) 和[-90,0)，编码 00
  • 分区二：[-180,0) 和[0,90]，编码 01
  • 分区三：[0,180]和 [-90,0)，编码 10
  • 分区四：[0,180]和[0,90]，编码 11

这 4 个分区对应了 4 个方格，每个方格覆盖了一定范围内的经纬度值，分区越多，每个方格能覆盖到的地理空间就越小，也就越精准。我们把所有方格的编码值映射到一维空间时，相邻方格的 GeoHash 编码值基本也是接近的，如下图所示

所以，我们使用 Sorted Set 范围查询得到的相近编码值，在实际的地理空间上，也是相邻的方格，这就可以实现 LBS 应用“搜索附近的人或物”的功能了

不过，我要提醒你一句，有的编码值虽然在大小上接近，但实际对应的方格却距离比较远
例如，我们用 4 位来做 GeoHash 编码，把经度区间 [-180,180] 和纬度区间 [-90,90] 各分成了 4 个分区，一共 16 个分区，对应了 16 个方格
编码值为 0111 和 1000 的两个方格就离得比较远，如下图所示：

所以，为了避免查询不准确问题，我们可以同时查询给定经纬度所在的方格周围的 4 个或 8 个方格

如何操作 GEO 类型

在使用 GEO 类型时，经常会用到两个命令，分别是 GEOADD 和 GEORADIUS

  • GEOADD 命令：用于把一组经纬度信息和相对应的一个 ID 记录到 GEO 类型集合中
  • GEORADIUS 命令：会根据输入的经纬度位置，查找以这个经纬度为中心的一定范围内的其他元素

还是以叫车应用的车辆匹配场景为例

假设车辆 ID 是 33，经纬度位置是 （116.034579，39.030452），我们可以用一个 GEO 集合保存所有车辆的经纬度，集合 key 是 cars:locations
执行下面的这个命令，就可以把 ID 号为 33 的车辆的当前经纬度位置存入 GEO 集合中：

GEOADD cars:locations 116.034579 39.030452 33

当用户想要寻找自己附近的网约车时，LBS 应用就可以使用 GEORADIUS 命令

例如，LBS 应用执行下面的命令时，Redis 会根据输入的用户的经纬度信息（116.054579，39.030452 ），查找以这个经纬度为中心的 5 公里内的车辆信息，并返回给 LBS 应用。当然， 你可以修改“5”这个参数，来返回更大或更小范围内的车辆信息

GEORADIUS cars:locations 116.054579 39.030452 5 km ASC COUNT 10

另外，我们还可以进一步限定返回的车辆信息

比如，我们可以使用 ASC 选项，让返回的车辆信息按照距离这个中心位置从近到远的方式来排序，以方便选择最近的车辆；还可以使用 COUNT 选项，指定返回的车辆信息的数量。毕竟，5 公里范围内的车辆可能有很多，如果返回全部信息，会占用比较多的数据带宽，这个选项可以帮助控制返回的数据量，节省带宽。

可以看到，使用 GEO 数据类型可以非常轻松地操作经纬度这种信息

虽然我们有了 5 种基本类型和 3 种扩展数据类型，但是有些场景下，我们对数据类型会有特殊需求，例如，我们需要一个数据类型既能像 Hash 那样支持快速的单键查询，又能像 Sorted Set 那样支持范围查询，此时，我们之前学习的这些数据类型就无法满足需求了

那么，接下来，我就再向你介绍下 Redis 扩展数据类型的终极版——自定义的数据类型
这样，你就可以定制符合自己需求的数据类型了，不管你的应用场景怎么变化，你都不用担心没有合适的数据类型

如何自定义数据类型？

为了实现自定义数据类型，首先，我们要了解 Redis 的基本对象结构 RedisObject，因为 Redis 键值对中的每一个值都是用 RedisObject 保存的

RedisObject 包括元数据和指针
其中，元数据的一个功能就是用来区分不同的数据类型，指针用来指向具体的数据类型的值
所以，想开发新数据类型，就需要先了解 RedisObject 的元数据和指针

Redis 的基本对象结构

RedisObject 的内部组成包括了 type、encoding、lru 和 refcount 4 个元数据，以及一个 *ptr 指针

  • type：表示值的类型，涵盖了前面所说的 5 大基本类型
  • encoding：值的编码方式，用来表示 Redis 中实现各个基本类型的底层数据结构，例如 SDS、压缩列表、哈希表、跳表等
  • lru：记录了这个对象最后一次被访问的时间，用于淘汰过期的键值对
  • refcount：记录了对象的引用计数
  • *ptr：是指向数据的指针

RedisObject 结构借助 *ptr 指针，就可以指向不同的数据类型
例如，*ptr 指向一个 SDS 或一个跳表，就表示键值对中的值是 String 类型或 Sorted Set 类型

所以，我们在定义了新的数据类型后，也只要在 RedisObject 中设置好新类型的 type 和 encoding，再用 *ptr 指向新类型的实现，就行了

至于具体的扩展方法，可以详细看老师的原版文案