详解redis(13):数据结构GEO

Redis GEO = 用 ZSet + GeoHash，把二维经纬度问题，降维成一维 score 的范围查询问题

核心只有三点：
二维 → 一维（降维）
GeoHash 编码
ZSet 的 score 范围查询

一、为什么 GEO 不直接存经纬度？

经纬度是二维坐标 (lat, lon)，而 Redis最擅长的是一维有序数据（ZSet）。

Redis 的思路是：
把二维空间映射成一条“近似保持空间关系的一维曲线”

二、GeoHash 是怎么工作的？

第一步：对二维地图做“区间划分”

先看全球范围：

维度	范围
经度	-180 ~ 180
纬度	-85.05112878 ~ 85.05112878

GeoHash 的做法是：

不断二分经度区间

再二分纬度区间

经度、纬度交替进行

第二步：区间编码（GeoHash 编码）

二进制还不方便存，于是：

每 5 位二进制 → 1 个 Base32

Redis 内部不是存字符串形式的 GeoHash，而是：

把 GeoHash 转成一个64 位整数

为什么 GeoHash 能“找附近”？

关键特性：

地理位置相近的点，GeoHash 编码也大概率相近

GEORADIUS/GEOSEARCH是怎么查附近的？

以「查 5km 内的点」为例：

根据中心点算 GeoHash

得到中心点的 GeoHash 区间。

找“周围 8 个格子”

GeoHash 会有边界问题
所以 Redis 会算：

当前格子

上下左右 + 四个角（共 9 个）

转成 score 范围查询

精确距离过滤（很重要）

GeoHash 是近似的
所以 Redis最后一步会算真实球面距离：

所以结果是精确的

三、场景建模：滴滴叫车到底在查什么？

当你在滴滴上点「叫车」时，系统核心要做三件事：

实时上报车辆位置
从当前位置附近找车
按距离排序，选最近的几辆

这三件事，Redis GEO刚好全部覆盖