Redis Geo: Redis 新增位置查询功能

移动互联网增进了人与人之间的联系，其中基于位置信息的服务（Location Based Service，LBS）起到很重要的促进作用。在移动互联网的大环境下，每个手机都变成了一个位置追踪设备，为人们提供了非常丰富的位置服务。无论是附近的人，还是摇一摇等耳熟能详的应用都需要 LBS 在后台的支撑。但是，目前位置信息的使用过程中存在诸多挑战如相邻计算不准确等。由于经常面对海量数据请求，通常位置服务的计算都需要数据库来完成，Redis Geo 模块因此而生，旨在提供精准而且稳定的位置服务。

在位置服务的挑战中，常见的是计算两个位置是否相邻的问题。位置信息由一个四元组构成，（经度、纬度、海拔、时间），在使用过程中比较常用的是经纬度。想要进行相邻计算，需要一个二维索引。问题是现有的基于简单的一维索引和划范围搜索实现的二维索引，基本只适用于整数查询，并不适用于经纬度这种位置的相似度查询。意识到了这个困难，且伴随位置服务需求日益增长的情况，2008 年 Gustavo Niemeyer 提出了 Geohash ，简单来说是一个 32 位的编码字符串来将位置能够编码整合成为可范围查找的实体。由于大多数数据库都支持范围查询，因此位置就变得可查找和计算。原始 Geohash 的缺点是查询的准确度有时较低，后续开发者又创造了 52 位 Geohash 等来满足定制化的需求。

NoSQL 中，Mongodb 对位置服务的支持较好，稳定地支持了foursquare 等应用。而HBase 也曾推出相关教程支持在应用中引入位置服务。作为优秀NoSQL 数据库的典范，Redis 在位置计算方面却略显薄弱。为此，意大利程序员Salvatore Sanfilippo（ antirez@GitHub ）维护了一个专门为 Redis 增加位置计算的分支。发布之后，获得领域内的一致认可，短短几个月收获多达 1 万 3 千余个星标。在 Hacker News 上，许多程序员也表示对 Redis 位置查询的功能相见恨晚，大家积极讨论了 Redis Geo 存在的必要性，以及后续应该从性能和查询准确性上提升的若干手段，甚至有人进一步贡献了 Redis Geo 的 Docker 镜像。

更多关于 Redis Geo 的细节可以参考 antirez 给出的文档页面，其中包括了Redis Geo 的基本使用，例如添加经纬度、计算经纬度相似度、计算城市之间的包含关系等多种位置计算功能。antirez 还进一步解释了Redis Geo 的工作原理，以及该模块在Benchmark 上运行的性能表现，每秒可达近5 百万次编解码，能满足大部分位置服务应用的需求。

感谢徐川对本文的审校。

给InfoQ 中文站投稿或者参与内容翻译工作，请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博（ @InfoQ ， @丁晓昀），微信（微信号： InfoQChina ）关注我们，并与我们的编辑和其他读者朋友交流（欢迎加入 InfoQ 读者交流群）。