#Redis
意味着可以使用 Redis 的能力实现比如”附近的人“、”附近的饭店“等等如此的功能。
使用 MySQL 等关系型数据库方案
- 求 A 和 B 两点距离时，把地址的经纬度存入数据库，然后根据勾股定理即可算出直线距离；
- 需要注意的是，经纬度的密度不一样（地球是椭球形），计算时需要按一定系数加权后再求和；
- 实现附近的人功能就比较复杂了，因为数据表存储着每个人的信息，不可能把所有数据全部遍历计算和当前坐标的距离。这时可以使用矩形区域进行一个筛选，比如限定当前坐标点经纬度偏差 0.01 的区域内的人进行遍历计算排序；
- 为了加快查询效率，可以在经纬度 x、y 上增加复合索引；
以上办法都是基于 MySQL 等关系型数据库来做的，但是此类数据库都有性能瓶颈，在实际场景中性能不足，所以不是很推荐。
使用 Redis-GeoHash 方案
[[GeoHash 算法]]是当前业界比较通用的算法，它将二维的经纬度数据映射到一维的整数上，这样所有的元素都在一条线上，求附近的人只需要将坐标映射后获取附近的点即可。
需要注意的是，此算法会有一定误差，因为二位经纬度映射到一维整数是有损的，通过整数再映射回来坐标会有一定偏差。 具体的 [[GeoHash 算法]]可以参考[[GeoHash 算法]]
在 Redis 中，[[GeoHash 算法]]将经纬度使用 52 位的整数进行编码，然后放进 zset 中，value 是元素的 key，score 是这 52 位整数。此时计算附近的人只需要通过 zset 的排序功能即可获得。
Geo 指令
geoadd增加geodist计算两个元素之间的距离geopos获取集合任意元素的经纬度坐标，可以一次获取多个geohash获取元素的经纬度编码，然后去 http://geohash.org/${hash} 上去定位georadiusbymember查询指定元素附近的其他元素，参数很复杂georadius查询指定坐标值附近的元素
需要说明的是，在一个地图应用中，位置数据可能有几百万条，而在集群环境中单个 key 对应的数据量不宜超过 1MB，否则会导致集群迁移时出现卡顿现象。所以建议 Geo 数据使用单独的 Redis 实例，不和基础业务放在一起，不放入集群中。
另外当数据量过大的时候，需要考虑对 Geo 数据进行拆分，通过国家、省、市等区域进行处理。