redis|spring-boot redis geo|附近定位功能
Redis GEO是从3.2版本开始提供的地理空间,能存储地点的经纬度坐标，并进行高效的位置计算和查询，适合用来实现"附近的人"、"查找附近商家"基于位置的服务（LBS）
源码
https://gitee.com/jysemel-spring/spring-boot/tree/master/action/action-redis-geo
Geo入门
有序集合+Geohash
- RedisGEO数据结构是有序集合（Sorted Set），当添加一个地理位置Redis会使用Geohash算法将经纬度编码成一个字符串值，作为有序集合的score
- Geohash将二维坐标转化为一维字符串，特点在于地理上越接近的点，其Geohash字符串前缀越相似，Redis能利用有序集合的排序特性,快速完成地理位置检索
常用命令
| 命令 | 说明 | 备注 |
|---|---|---|
GEOADD |
添加一个或多个地理位置（经度、纬度、名称）到指定的 key 中 | 可用 NX/XX 选项控制更新行为 |
GEOPOS |
从 key 中返回一个或多个位置的经纬度坐标 | |
GEODIST |
计算两个位置之间的距离，支持指定单位（m/km/mi/ft） | 默认单位为米 |
GEOSEARCH |
(推荐) 在指定范围内搜索位置，支持圆形（BYRADIUS）或矩形（BYBOX）两种范围。 |
可排序（ASC/DESC）和限制数量（COUNT） |
GEOSEARCHSTORE |
(推荐) 功能同 GEOSEARCH，但会将搜索结果存储到另一个 key 中 |
|
GEOHASH |
返回一个或多个位置元素的 Geohash 字符串表示 | 主要用于调试 |
GEORADIUS |
(已废弃) 以给定经纬度为中心，进行圆形范围查询 | 自 6.2.0 起废弃，使用 GEOSEARCH |
GEORADIUSBYMEMBER |
(已废弃) 以集合中已存在的某个成员为中心，进行圆形范围查询 | 自 6.2.0 起废弃，使用 GEOSEARCH |
GeoHash编码入门示例
pom依赖
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-dependencies</artifactId>
<version>4.0.6</version>
<type>pom</type>
<scope>import</scope>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>启动初始化加载
/**
* 定时刷新：启动后延迟3秒首次执行，之后每30分钟刷新一次
*/
@Scheduled(initialDelayString = "${store.cache.init-delay:3000}",
fixedDelayString = "${store.cache.refresh-interval:1800000}")
public void refreshStoreCache() {
log.info(">>>> 开始刷新店铺GEO缓存 >>>>");
try {
List<Store> stores = storeRepository.findAll();
log.info("SQLite 查询到 {} 条店铺数据", stores.size());
if (stores.isEmpty()) {
log.warn("SQLite 中没有店铺数据，跳过缓存刷新");
return;
}
// 1. 测试 Redis 连接
try {
String pong = redisTemplate.getConnectionFactory().getConnection().ping();
log.info("Redis PING 结果: {}", pong);
} catch (Exception e) {
log.error("Redis 连接失败", e);
return;
}
// 2. 清除旧数据
log.info("步骤1: 删除旧缓存数据...");
redisTemplate.delete(GEO_KEY);
// 3. ZADD: 成员 = geohash:storeId, score = 0（用 ZRANGEBYLEX 按前缀查询）
log.info("步骤2: ZADD 写入 geohash 索引...");
for (Store store : stores) {
String geohash5 = GeoHashUtils.encode(store.getLatitude(), store.getLongitude(), GEOHASH_PRECISION);
String member = geohash5 + ":" + store.getId();
redisTemplate.opsForZSet().add(GEO_KEY, member, 0);
}
log.info("Redis ZADD 完成，加载 {} 条店铺坐标", stores.size());
// 4. 缓存店铺详情
log.info("步骤3: 缓存店铺详情...");
for (Store store : stores) {
String key = STORE_DETAIL_PREFIX + store.getId();
redisTemplate.opsForValue().set(key, JSON.toJSONString(store), 1, TimeUnit.HOURS);
}
log.info("Redis 店铺详情缓存完成，共 {} 条", stores.size());
} catch (Exception e) {
log.error("刷新店铺GEO缓存失败", e);
}
log.info("<<<< 店铺GEO缓存刷新结束 <<<<");
}查询使用
/**
* 搜索附近店铺
*/
public List<StoreNearbyVO> searchNearby(double longitude, double latitude, double radiusKm) {
// 缓存为空时重新加载
Long geoSize = redisTemplate.opsForZSet().zCard(GEO_KEY);
if (geoSize == null || geoSize == 0) {
log.info("Redis 缓存为空，重新加载...");
refreshStoreCache();
}
// 1. 计算中心点的 geohash（精度5）
String centerHash = GeoHashUtils.encode(latitude, longitude, GEOHASH_PRECISION);
// 2. 获取中心 + 8个邻居 geohash（九宫格覆盖搜索区域）
List<String> searchHashes = GeoHashUtils.neighbors(centerHash);
searchHashes.add(centerHash);
log.debug("搜索九宫格: {}", searchHashes);
// 3. ZRANGEBYLEX 按前缀查询每个 geohash 桶中的店铺
Set<String> storeIds = new HashSet<>();
for (String hash : searchHashes) {
String min = hash + ":";
String max = hash + ":\uffff";
try {
Set<String> members = redisTemplate.opsForZSet().rangeByLex(GEO_KEY, Range.closed(min, max));
if (members != null) {
for (String member : members) {
// member 格式: "geohash:storeId"
int idx = member.indexOf(':');
if (idx >= 0) {
storeIds.add(member.substring(idx + 1));
}
}
}
} catch (Exception e) {
log.warn("ZRANGEBYLEX 查询失败: hash={}", hash, e);
}
}
if (storeIds.isEmpty()) {
log.info("附近搜索：九宫格内无店铺");
return Collections.emptyList();
}
// 4. 从 Redis 详情缓存中读取店铺，计算实际距离，过滤并排序
List<StoreNearbyVO> result = new ArrayList<>();
for (String storeId : storeIds) {
String storeJson = redisTemplate.opsForValue().get(STORE_DETAIL_PREFIX + storeId);
if (storeJson != null) {
Store store = JSON.parseObject(storeJson, Store.class);
double dist = GeoHashUtils.haversineDistance(latitude, longitude,
store.getLatitude(), store.getLongitude());
if (dist <= radiusKm) {
result.add(toNearbyVO(store, dist));
}
}
}
// 按距离升序排序
result.sort((a, b) -> Double.compare(a.getDistanceKm(), b.getDistanceKm()));
log.info("附近搜索：中心({},{}) 半径{}km → 找到 {} 家店铺",
longitude, latitude, radiusKm, result.size());
return result;
}
public List<StoreNearbyVO> searchNearby(double longitude, double latitude) {
return searchNearby(longitude, latitude, defaultRadiusKm);
}
private StoreNearbyVO toNearbyVO(Store store, double distanceKm) {
StoreNearbyVO vo = new StoreNearbyVO();
vo.setId(store.getId());
vo.setName(store.getName());
vo.setLongitude(store.getLongitude());
vo.setLatitude(store.getLatitude());
vo.setAddress(store.getAddress());
vo.setPhone(store.getPhone());
vo.setCategory(store.getCategory());
vo.setDistanceKm(Math.round(distanceKm * 1000.0) / 1000.0);
return vo;
}验证
http://127.0.0.1:8083/api/store/nearby?longitude=113.9526\&latitude=22.5431\&radius=2
