在点评项目中 如何 实现 附近商家的查询呢，展示出距离自己5公里内的商户，这样的功能如何实现？
答案是可以采用Redis 来实现，当然可能有很多实现方式，本文主要介绍如何使用Redis实现 附近商户的搜索功能
一、Redis GEO 数据结构用法
GEO基本语法、指令
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
- 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的坐标转为hash字符串形式并返回
- GEOPOS：返回指定member的坐标
- GEORADIUS：指定圆心、半径，找到该圆内包含的所有member，并按照与圆心之间的距离排序后返回。6.以后已废弃
- GEOSEARCH：在指定范围内搜索member，并按照与指定点之间的距离排序后返回。范围可以是圆形或矩形。6.2.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。 6.2.新功能
使用GEO存储经纬度、查询距离
本篇博文 Redis版本为 6.2版本
进入redis 查询 geo相关指令
使用 GEO 完成以下功能 实现两点之间的距离查询，以及指定范围内的地点
需求如下：
- 使用 GEO 添加 北京 （天安门 116.397469 39.908821 、故宫 116.397027 39.918056、北海公园 116.389977 39.933144） 经纬度
- 查询 天安门 与 故宫之间的距离
- 在以上添加的地点中查询 天安门广场 （116.397827 39.90374） 附近2公里的地点
GEOADD 添加
GEOPOS 查看指定地点 经纬度信息
GEOHASH 查看指定地址 经纬度HASH值
拓展： GEOPOS 和 GEOHASH 的区别在于 GEOHASH 节约了 经纬度存储的 内存、减少不必要的内存消耗，从而提升性能
GEODIST 查看 天安门 与故宫之间的距离
GEOSEARCH 查询 天安门广场 附近 2公里的地点
二、SpringBoot 整合Redis 导入 店铺数据 到GEO
编写SpringBoot 单元测试进行导入Redis数据
@Resource
private IShopService shopService;
@Resource
private StringRedisTemplate stringRedisTemplate;
@Test
void loadShopData() {
//1. 查询店铺信息
List shopList = shopService.list();
//2. 把店铺分组，按照typeId分组、typeId一致的放在一个集合
Map<Long, List> map = shopList.stream().collect(Collectors.groupingBy(Shop::getTypeId));
//3. 分批完成写入redis
for (Map.Entry<Long, List> entry : map.entrySet()) {
//3.1 获取类型id
Long typeId = entry.getKey();
String key = RedisConstants.SHOP_GEO_KEY + typeId;
//3.2 获取同类型的店铺的集合
List value = entry.getValue();
List<RedisGeoCommands.GeoLocation> locations = new ArrayList<>(value.size());
//3.3 写入redis GEOADD key 经度 维度 member
for (Shop shop : value) {
locations.add(new RedisGeoCommands.GeoLocation<>(
shop.getId().toString(),
new Point(shop.getX(), shop.getY())));
}
stringRedisTemplate.opsForGeo().add(key, locations);
}
} 运行完毕，查看Redis即可
三、SpringBoot 整合 Redis 实现 附近商户功能
需求介绍
实现附近商户查询功能
- 采用GEO 数据结构实现附近商户查询
- 完成分页功能
思路分析：
通过传输过来的 x、y 经纬度，然后我们根据该经纬度去查询redis中附近的商户，查出后即可返回，进行封装，查出来的结果进行循环添加至 Shop 地点距离，即可完成。
核心源码
ShopController
@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);
}ShopService
@Override
public Result queryShopByType(Integer typeId, Integer current, Double x, Double y) {
//1. 判断是否需要坐标查询
if (x == null || y == null) {
// 不需要坐标查询，按数据库查询
Page page = query()
.eq("type_id", typeId)
.page(new Page<>(current, SystemConstants.DEFAULT_PAGE_SIZE));
// 返回数据
return Result.ok(page.getRecords());
}
//2. 计算分页参数
int form = (current - 1) * SystemConstants.DEFAULT_PAGE_SIZE;
int end = current * SystemConstants.DEFAULT_PAGE_SIZE;
//3. 查询redis，按照距离排序、分页 结果：shopId、distance
String key = RedisConstants.SHOP_GEO_KEY + typeId;
GeoResults<RedisGeoCommands.GeoLocation> results = stringRedisTemplate.opsForGeo().search(
key,
GeoReference.fromCoordinate(x, y),
new Distance(5000),
RedisGeoCommands.GeoSearchCommandArgs.newGeoSearchArgs().includeDistance().limit(end));
//4. 解析id
if (results == null) {
return Result.ok(Collections.emptyList());
}
List<GeoResult<RedisGeoCommands.GeoLocation>> content = results.getContent();
//4.1 截取from => end
List ids = new ArrayList<>(content.size());
Map distanceMap = new HashMap<>(content.size());
if (content.size() <= form return result.okcollections.emptylist content.stream.skipform.foreachresult -> {
//4.2 获取店铺id
String shopIdStr = result.getContent().getName();
ids.add(Long.valueOf(shopIdStr));
//4.2 获取距离
Distance distance = result.getDistance();
distanceMap.put(shopIdStr, distance);
});
//5. 根据id查询shop
String idStr = StrUtil.join(",", ids);
List shops = query().in("id", ids).last("ORDER BY FIELD(id," + idStr + ")").list();
// 循环将 商品距离放入对象距离属性中
shops.forEach(shop -> {
shop.setDistance(distanceMap.get(shop.getId().toString()).getValue());
});
//6. 返回结果
return Result.ok(shops);
} 进行测试
作者：Bug终结者_
链接：
https://juejin.cn/post/7187937697883750457
来源：稀土掘金