主頁 > 知識庫 > Redis 實現(xiàn)“附近的人”功能

Redis 實現(xiàn)“附近的人”功能

熱門標(biāo)簽:四川穩(wěn)定外呼系統(tǒng)軟件 b2b外呼系統(tǒng) 400電話辦理的口碑 廊坊外呼系統(tǒng)在哪買 高碑店市地圖標(biāo)注app 臺灣電銷 一個地圖標(biāo)注多少錢 南京手機外呼系統(tǒng)廠家 地圖標(biāo)注工廠入駐

針對“附近的人”這一位置服務(wù)領(lǐng)域的應(yīng)用場景,常見的可使用PG、MySQL和MongoDB等多種DB的空間索引進(jìn)行實現(xiàn)。而Redis另辟蹊徑,結(jié)合其有序隊列zset以及geohash編碼,實現(xiàn)了空間搜索功能,且擁有極高的運行效率。本文將從源碼角度對其算法原理進(jìn)行解析,并推算查詢時間復(fù)雜度。

操作命令

自Redis 3.2開始,Redis基于geohash和有序集合提供了地理位置相關(guān)功能。

Redis Geo模塊包含了以下6個命令:

GEOADD: 將給定的位置對象(緯度、經(jīng)度、名字)添加到指定的key;

GEOPOS: 從key里面返回所有給定位置對象的位置(經(jīng)度和緯度);

GEODIST: 返回兩個給定位置之間的距離;

GEOHASH: 返回一個或多個位置對象的Geohash表示;

GEORADIUS: 以給定的經(jīng)緯度為中心,返回目標(biāo)集合中與中心的距離不超過給定最大距離的所有位置對象;

GEORADIUSBYMEMBER: 以給定的位置對象為中心,返回與其距離不超過給定最大距離的所有位置對象。

其中,組合使用GEOADD和GEORADIUS可實現(xiàn)“附近的人”中“增”和“查”的基本功能。要實現(xiàn)微信中“附近的人”功能,可直接使用GEORADIUSBYMEMBER命令。其中“給定的位置對象”即為用戶本人,搜索的對象為其他用戶。不過本質(zhì)上,GEORADIUSBYMEMBER = GEOPOS + GEORADIUS,即先查找用戶位置再通過該位置搜索附近滿足位置相互距離條件的其他用戶對象。

以下會從源碼角度入手對GEOADD和GEORADIUS命令進(jìn)行分析,剖析其算法原理。

Redis geo操作中只包含了“增”和“查”的操作,并沒有專門的“刪除”命令。主要是因為Redis內(nèi)部使用有序集合(zset)保存位置對象,可用zrem進(jìn)行刪除。

在Redis源碼geo.c的文件注釋中,只說明了該文件為GEOADD、GEORADIUS和GEORADIUSBYMEMBER的實現(xiàn)文件(其實在也實現(xiàn)了另三個命令)。從側(cè)面看出其他三個命令為輔助命令。

GEOADD

使用方式

GEOADD key longitude latitude member [longitude latitude member ...]

將給定的位置對象(緯度、經(jīng)度、名字)添加到指定的key。

其中,key為集合名稱,member為該經(jīng)緯度所對應(yīng)的對象。在實際運用中,當(dāng)所需存儲的對象數(shù)量過多時,可通過設(shè)置多key(如一個省一個key)的方式對對象集合變相做sharding,避免單集合數(shù)量過多。

成功插入后的返回值:

(integer) N

其中N為成功插入的個數(shù)。

源碼分析

/* GEOADD key long lat name [long2 lat2 name2 ... longN latN nameN] */
void geoaddCommand(client *c) {
//參數(shù)校驗
  /* Check arguments number for sanity. */
  if ((c->argc - 2) % 3 != 0) {
    /* Need an odd number of arguments if we got this far... */
    addReplyError(c, "syntax error. Try GEOADD key [x1] [y1] [name1] "
             "[x2] [y2] [name2] ... ");
    return;
  }
//參數(shù)提取Redis
  int elements = (c->argc - 2) / 3;
  int argc = 2+elements*2; /* ZADD key score ele ... */
  robj **argv = zcalloc(argc*sizeof(robj*));
  argv[0] = createRawStringObject("zadd",4);
  argv[1] = c->argv[1]; /* key */
  incrRefCount(argv[1]);
//參數(shù)遍歷+轉(zhuǎn)換
  /* Create the argument vector to call ZADD in order to add all
   * the score,value pairs to the requested zset, where score is actually
   * an encoded version of lat,long. */
  int i;
  for (i = 0; i  elements; i++) {
    double xy[2];
  //提取經(jīng)緯度
    if (extractLongLatOrReply(c, (c->argv+2)+(i*3),xy) == C_ERR) {
      for (i = 0; i  argc; i++)
        if (argv[i]) decrRefCount(argv[i]);
      zfree(argv);
      return;
    }
  //將經(jīng)緯度轉(zhuǎn)換為52位的geohash作為分值  提取對象名稱
    /* Turn the coordinates into the score of the element. */
    GeoHashBits hash;
    geohashEncodeWGS84(xy[0], xy[1], GEO_STEP_MAX, hash);
    GeoHashFix52Bits bits = geohashAlign52Bits(hash);
    robj *score = createObject(OBJ_STRING, sdsfromlonglong(bits));
    robj *val = c->argv[2 + i * 3 + 2];
  //設(shè)置有序集合的對象元素名稱和分值
    argv[2+i*2] = score;
    argv[3+i*2] = val;
    incrRefCount(val);
  }
//調(diào)用zadd命令,存儲轉(zhuǎn)化好的對象
  /* Finally call ZADD that will do the work for us. */
  replaceClientCommandVector(c,argc,argv);
  zaddCommand(c);
}

通過源碼分析可以看出Redis內(nèi)部使用有序集合(zset)保存位置對象,有序集合中每個元素都是一個帶位置的對象,元素的score值為其經(jīng)緯度對應(yīng)的52位的geohash值。

double類型精度為52位;

geohash是以base32的方式編碼,52bits最高可存儲10位geohash值,對應(yīng)地理區(qū)域大小為0.6*0.6米的格子。換句話說經(jīng)Redis geo轉(zhuǎn)換過的位置理論上會有約0.3*1.414=0.424米的誤差。

算法小結(jié)

總結(jié)下GEOADD命令都干了啥:

1、參數(shù)提取和校驗;

2、將入?yún)⒔?jīng)緯度轉(zhuǎn)換為52位的geohash值(score);

3、調(diào)用ZADD命令將member及其對應(yīng)的score存入集合key中。

GEORADIUS

使用方式

GEORADIUS key longitude latitude radius m|km|ft|mi [WITHCOORD] [WITHDIST] [WITHHASH] [ASC|DESC] [COUNT count] [STORE key] [STORedisT key]

以給定的經(jīng)緯度為中心,返回目標(biāo)集合中與中心的距離不超過給定最大距離的所有位置對象。

范圍單位:m | km | ft | mi --> 米 | 千米 | 英尺 | 英里

額外參數(shù):

- WITHDIST:在返回位置對象的同時,將位置對象與中心之間的距離也一并返回。距離的單位和用戶給定的范圍單位保持一致。

- WITHCOORD:將位置對象的經(jīng)度和維度也一并返回。

- WITHHASH:以 52 位有符號整數(shù)的形式,返回位置對象經(jīng)過原始 geohash 編碼的有序集合分值。這個選項主要用于底層應(yīng)用或者調(diào)試,實際中的作用并不大。

- ASC|DESC:從近到遠(yuǎn)返回位置對象元素 | 從遠(yuǎn)到近返回位置對象元素。

- COUNT count:選取前N個匹配位置對象元素。(不設(shè)置則返回所有元素)

- STORE key:將返回結(jié)果的地理位置信息保存到指定key。

- STORedisT key:將返回結(jié)果離中心點的距離保存到指定key。

由于 STORE 和 STORedisT 兩個選項的存在,GEORADIUS 和 GEORADIUSBYMEMBER 命令在技術(shù)上會被標(biāo)記為寫入命令,從而只會查詢(寫入)主實例,QPS過高時容易造成主實例讀寫壓力過大。

為解決這個問題,在 Redis 3.2.10 和 Redis 4.0.0 中,分別新增了 GEORADIUS_RO 和 GEORADIUSBYMEMBER_RO兩個只讀命令。

成功查詢后的返回值:

不帶WITH限定,返回一個member list,如:

["member1","member2","member3"]

帶WITH限定,member list中每個member也是一個嵌套list,如:

[
["member1", distance1, [longitude1, latitude1]]
["member2", distance2, [longitude2, latitude2]]
]

源碼分析

此段源碼較長,看不下去的可直接看中文注釋,或直接跳到小結(jié)部分

/* GEORADIUS key x y radius unit [WITHDIST] [WITHHASH] [WITHCOORD] [ASC|DESC]
 *                [COUNT count] [STORE key] [STORedisT key]
 * GEORADIUSBYMEMBER key member radius unit ... options ... */
void georadiusGeneric(client *c, int flags) {
  robj *key = c->argv[1];
  robj *storekey = NULL;
  int stoRedist = 0; /* 0 for STORE, 1 for STORedisT. */
//根據(jù)key獲取有序集合
  robj *zobj = NULL;
  if ((zobj = lookupKeyReadOrReply(c, key, shared.null[c->resp])) == NULL ||
    checkType(c, zobj, OBJ_ZSET)) {
    return;
  }
//根據(jù)用戶輸入(經(jīng)緯度/member)確認(rèn)中心點經(jīng)緯度
  int base_args;
  double xy[2] = { 0 };
  if (flags  RADIUS_COORDS) {
……
  }
//獲取查詢范圍距離
  double radius_meters = 0, conversion = 1;
  if ((radius_meters = extractDistanceOrReply(c, c->argv + base_args - 2,
                        conversion))  0) {
    return;
  }
//獲取可選參數(shù) (withdist、withhash、withcoords、sort、count)
  int withdist = 0, withhash = 0, withcoords = 0;
  int sort = SORT_NONE;
  long long count = 0;
  if (c->argc > base_args) {
    ... ...
  }
//獲取 STORE 和 STORedisT 參數(shù)
  if (storekey  (withdist || withhash || withcoords)) {
    addReplyError(c,
      "STORE option in GEORADIUS is not compatible with "
      "WITHDIST, WITHHASH and WITHCOORDS options");
    return;
  }
//設(shè)定排序
  if (count != 0  sort == SORT_NONE) sort = SORT_ASC;
//利用中心點和半徑計算目標(biāo)區(qū)域范圍
  GeoHashRadius georadius =
    geohashGetAreasByRadiusWGS84(xy[0], xy[1], radius_meters);
//對中心點及其周圍8個geohash網(wǎng)格區(qū)域進(jìn)行查找,找出范圍內(nèi)元素對象
  geoArray *ga = geoArrayCreate();
  membersOfAllNeighbors(zobj, georadius, xy[0], xy[1], radius_meters, ga);
//未匹配返空
  /* If no matching results, the user gets an empty reply. */
  if (ga->used == 0  storekey == NULL) {
    addReplyNull(c);
    geoArrayFree(ga);
    return;
  }
//一些返回值的設(shè)定和返回
  ……
  geoArrayFree(ga);
}

上文代碼中最核心的步驟有兩個,一是“計算中心點范圍”,二是“對中心點及其周圍8個geohash網(wǎng)格區(qū)域進(jìn)行查找”。對應(yīng)的是geohashGetAreasByRadiusWGS84和membersOfAllNeighbors兩個函數(shù)。我們依次來看:

計算中心點范圍:

// geohash_helper.c
GeoHashRadius geohashGetAreasByRadiusWGS84(double longitude, double latitude,
                      double radius_meters) {
  return geohashGetAreasByRadius(longitude, latitude, radius_meters);
}
//返回能夠覆蓋目標(biāo)區(qū)域范圍的9個geohashBox
GeoHashRadius geohashGetAreasByRadius(double longitude, double latitude, double radius_meters) {
//一些參數(shù)設(shè)置
  GeoHashRange long_range, lat_range;
  GeoHashRadius radius;
  GeoHashBits hash;
  GeoHashNeighbors neighbors;
  GeoHashArea area;
  double min_lon, max_lon, min_lat, max_lat;
  double bounds[4];
  int steps;
//計算目標(biāo)區(qū)域外接矩形的經(jīng)緯度范圍(目標(biāo)區(qū)域為:以目標(biāo)經(jīng)緯度為中心,半徑為指定距離的圓)
  geohashBoundingBox(longitude, latitude, radius_meters, bounds);
  min_lon = bounds[0];
  min_lat = bounds[1];
  max_lon = bounds[2];
  max_lat = bounds[3];
//根據(jù)目標(biāo)區(qū)域中心點緯度和半徑,計算帶查詢的9個搜索框的geohash精度(位)
//這里用到latitude主要是針對極地的情況對精度進(jìn)行了一些調(diào)整(緯度越高,位數(shù)越?。?
  steps = geohashEstimateStepsByRadius(radius_meters,latitude);
//設(shè)置經(jīng)緯度最大最小值:-180=longitude=180, -85=latitude=85
  geohashGetCoordRange(long_range,lat_range);
//將待查經(jīng)緯度按指定精度(steps)編碼成geohash值
  geohashEncode(long_range,lat_range,longitude,latitude,steps,hash);
//將geohash值在8個方向上進(jìn)行擴充,確定周圍8個Box(neighbors)
  geohashNeighbors(hash,neighbors);
//根據(jù)hash值確定area經(jīng)緯度范圍
  geohashDecode(long_range,lat_range,hash,area);
//一些特殊情況處理
  ……
//構(gòu)建并返回結(jié)果  
  radius.hash = hash;
  radius.neighbors = neighbors;
  radius.area = area;
  return radius;
}

對中心點及其周圍8個geohash網(wǎng)格區(qū)域進(jìn)行查找:

// geo.c
//在9個hashBox中獲取想要的元素
int membersOfAllNeighbors(robj *zobj, GeoHashRadius n, double lon, double lat, double radius, geoArray *ga) {
  GeoHashBits neighbors[9];
  unsigned int i, count = 0, last_processed = 0;
  int debugmsg = 0;
//獲取9個搜索hashBox
  neighbors[0] = n.hash;
  neighbors[8] = n.neighbors.south_west;
//在每個hashBox中搜索目標(biāo)點
  for (i = 0; i  sizeof(neighbors) / sizeof(*neighbors); i++) {
    if (HASHISZERO(neighbors[i])) {
      if (debugmsg) D("neighbors[%d] is zero",i);
      continue;
    }
//剔除可能的重復(fù)hashBox (搜索半徑>5000KM時可能出現(xiàn))
    if (last_processed 
      neighbors[i].bits == neighbors[last_processed].bits 
      neighbors[i].step == neighbors[last_processed].step)
    {
      continue;
    }
//搜索hashBox中滿足條件的對象  
    count += membersOfGeoHashBox(zobj, neighbors[i], ga, lon, lat, radius);
    last_processed = i;
  }
  return count;
}
int membersOfGeoHashBox(robj *zobj, GeoHashBits hash, geoArray *ga, double lon, double lat, double radius) {
//獲取hashBox內(nèi)的最大、最小geohash值(52位)
  GeoHashFix52Bits min, max;
  scoresOfGeoHashBox(hash,min,max);
//根據(jù)最大、最小geohash值篩選zobj集合中滿足條件的點
  return geoGetPointsInRange(zobj, min, max, lon, lat, radius, ga);
}
int geoGetPointsInRange(robj *zobj, double min, double max, double lon, double lat, double radius, geoArray *ga) {
//搜索Range的參數(shù)邊界設(shè)置(即9個hashBox其中一個的邊界范圍)
  zrangespec range = { .min = min, .max = max, .minex = 0, .maxex = 1 };
  size_t origincount = ga->used;
  sds member;
//搜索集合zobj可能有ZIPLIST和SKIPLIST兩種編碼方式,這里以SKIPLIST為例,邏輯是一樣的
  if (zobj->encoding == OBJ_ENCODING_ZIPLIST) {
    ……
  } else if (zobj->encoding == OBJ_ENCODING_SKIPLIST) {
    zset *zs = zobj->ptr;
    zskiplist *zsl = zs->zsl;
    zskiplistNode *ln;
//獲取在hashBox范圍內(nèi)的首個元素(跳表數(shù)據(jù)結(jié)構(gòu),效率可比擬于二叉查找樹),沒有則返0
    if ((ln = zslFirstInRange(zsl, range)) == NULL) {
      /* Nothing exists starting at our min. No results. */
      return 0;
    }
//從首個元素開始遍歷集合
    while (ln) {
      sds ele = ln->ele;
//遍歷元素超出range范圍則break
      /* Abort when the node is no longer in range. */
      if (!zslValueLteMax(ln->score, range))
        break;
//元素校驗(計算元素與中心點的距離)
      ele = sdsdup(ele);
      if (geoAppendIfWithinRadius(ga,lon,lat,radius,ln->score,ele)
        == C_ERR) sdsfree(ele);
      ln = ln->level[0].forward;
    }
  }
  return ga->used - origincount;
}
int geoAppendIfWithinRadius(geoArray *ga, double lon, double lat, double radius, double score, sds member) {
  double distance, xy[2];
//解碼錯誤, 返回error
  if (!decodeGeohash(score,xy)) return C_ERR; /* Can't decode. */
//最終距離校驗(計算球面距離distance看是否小于radius)
  if (!geohashGetDistanceIfInRadiusWGS84(lon,lat, xy[0], xy[1],
                      radius, distance))
  {
    return C_ERR;
  }
//構(gòu)建并返回滿足條件的元素
  geoPoint *gp = geoArrayAppend(ga);
  gp->longitude = xy[0];
  gp->latitude = xy[1];
  gp->dist = distance;
  gp->member = member;
  gp->score = score;
  return C_OK;
}

算法小結(jié)

拋開眾多可選參數(shù)不談,簡單總結(jié)下GEORADIUS命令是怎么利用geohash獲取目標(biāo)位置對象的:

1、參數(shù)提取和校驗;

2、利用中心點和輸入半徑計算待查區(qū)域范圍。這個范圍參數(shù)包括滿足條件的最高的geohash網(wǎng)格等級(精度) 以及 對應(yīng)的能夠覆蓋目標(biāo)區(qū)域的九宮格位置;(后續(xù)會有詳細(xì)說明)

3、對九宮格進(jìn)行遍歷,根據(jù)每個geohash網(wǎng)格的范圍框選出位置對象。進(jìn)一步找出與中心點距離小于輸入半徑的對象,進(jìn)行返回。

通過如下兩張圖在對算法進(jìn)行簡單的演示:

令左圖的中心為搜索中心,綠色圓形區(qū)域為目標(biāo)區(qū)域,所有點為待搜索的位置對象,紅色點則為滿足條件的位置對象。

在實際搜索時,首先會根據(jù)搜索半徑計算geohash網(wǎng)格等級(即右圖中網(wǎng)格大小等級),并確定九宮格位置(即紅色九宮格位置信息);再依次查找計算九宮格中的點(藍(lán)點和紅點)與中心點的距離,最終篩選出距離范圍內(nèi)的點(紅點)。

算法分析

為什么要用這種算法策略進(jìn)行查詢,或者說這種策略的優(yōu)勢在哪,

為什么要找到滿足條件的最高的geohash網(wǎng)格等級?為什么用九宮格? 這其實是一個問題,本質(zhì)上是對所有的元素對象進(jìn)行了一次初步篩選。 在多層geohash網(wǎng)格中,每個低等級的geohash網(wǎng)格都是由4個高一級的網(wǎng)格拼接而成(如圖)。

換句話說,geohash網(wǎng)格等級越高,所覆蓋的地理位置范圍就越小。 當(dāng)我們根據(jù)輸入半徑和中心點位置計算出的能夠覆蓋目標(biāo)區(qū)域的最高等級的九宮格(網(wǎng)格)時,就已經(jīng)對九宮格外的元素進(jìn)行了篩除。 這里之所以使用九宮格,而不用單個網(wǎng)格,主要原因還是為了避免邊界情況,盡可能縮小查詢區(qū)域范圍。試想以0經(jīng)緯度為中心,就算查1米范圍,單個網(wǎng)格覆蓋的話也得查整個地球區(qū)域。而向四周八個方向擴展一圈可有效避免這個問題。

如何通過geohash網(wǎng)格的范圍框選出元素對象?效率如何?

首先在每個geohash網(wǎng)格中的geohash值都是連續(xù)的,有固定范圍。所以只要找出有序集合中,處在該范圍的位置對象即可。以下是有序集合的跳表數(shù)據(jù)結(jié)構(gòu):

其擁有類似二叉查找樹的查詢效率,操作平均時間復(fù)雜性為O(log(N))。且最底層的所有元素都以鏈表的形式按序排列。所以在查詢時,只要找到集合中處在目標(biāo)geohash網(wǎng)格中的第一個值,后續(xù)依次對比即可,不用多次查找。 九宮格不能一起查,要一個個遍歷的原因也在于九宮格各網(wǎng)格對應(yīng)的geohash值不具有連續(xù)性。只有連續(xù)了,查詢效率才會高,不然要多做許多距離運算。

綜上,從源碼角度解析了Redis Geo模塊中 “增(GEOADD)” 和 “查(GEORADIUS)” 的詳細(xì)過程。并可推算出Redis中GEORADIUS查找附近的人功能,時間復(fù)雜度為:O(N+log(M)),其中N為指定半徑范圍內(nèi)的位置元素數(shù)量,而M則是被九宮格圈住計算距離的元素的數(shù)量。結(jié)合Redis本身基于內(nèi)存的存儲特性,在實際使用過程中有非常高的運行效率。

總結(jié)

以上所述是小編給大家介紹的Redis 實現(xiàn)“附近的人”功能,希望對大家有所幫助,如果大家有任何疑問請給我留言,小編會及時回復(fù)大家的。在此也非常感謝大家對腳本之家網(wǎng)站的支持!
如果你覺得本文對你有幫助,歡迎轉(zhuǎn)載,煩請注明出處,謝謝!

您可能感興趣的文章:
  • 使用redis實現(xiàn)附近的人功能

標(biāo)簽:伊春 拉薩 甘南 定州 畢節(jié) 南寧 泰州 河源

巨人網(wǎng)絡(luò)通訊聲明:本文標(biāo)題《Redis 實現(xiàn)“附近的人”功能》,本文關(guān)鍵詞  Redis,實現(xiàn),附近的人,功能,;如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題,煩請?zhí)峁┫嚓P(guān)信息告之我們,我們將及時溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò),涉及言論、版權(quán)與本站無關(guān)。
  • 相關(guān)文章
  • 下面列出與本文章《Redis 實現(xiàn)“附近的人”功能》相關(guān)的同類信息!
  • 本頁收集關(guān)于Redis 實現(xiàn)“附近的人”功能的相關(guān)信息資訊供網(wǎng)民參考!
  • 推薦文章