如何给地球打网格：GeoHash、Redis与基于位置的服务深度解析

地理空间数据的索引工作带来了一些独特的挑战，因为我们处理的是经纬度，即纬度和经度，而不是简单的单维变量。比如说，我们在迪拜想叫辆出租车，我们怎样才能快速找到最近的出租车？

一种方法可能是画一个圆圈或多边形围绕我们当前的位置，并在该区域内找出租车。虽然这种方法有效，但这需要复杂的算法和较多的资源，可能还需要像PostGIS这样的专业地理信息数据库来高效处理这些查询。然而，考虑到地球表面在一个正常人类寿命内基本不会变化，我们可以把地球表面分成更小的部分，并给每个部分分配一个编号来简化问题。

在本文中，我们将探讨如何使用GeoHash来实现这一点。通过递归地划分区域，我们可以快速缩小搜索范围。我们将展示如何在不依赖Redis的地理功能的情况下，在Redis中索引和查询出租车位置。通过迪拜的例子，我们将看到，通过简单的前缀搜索，GeoHash如何高效地定位附近的车辆，从而提高性能而不会增加复杂性。

在这篇文章中，我将用Upstash的免费Redis集群服务。在免费层中，你可以每天处理多达10,000个请求，这是个不错的起点。

_Redis 是一项功能强大的伟大技术，这些功能有助于提升产品的质量。然而，构建一个可靠的 Redis 集群需要丰富的经验和时间。本文赞助商 Upstash 由一群经验丰富的工程师团队运营，并提供行业标准的功能。了解更多详情.

比如说我们在迪拜找附近的车。一种方法是在我们周围画一个多边形，甚至是一个圆，然后找到圈内的车。尽管这种方法可行，但它需要更复杂的算法和资源，或者可能需要像PostGIS这样的数据库来支持，来高效处理这种需求。但最终，即使在这些数据库里，它们用的方法和这里提到的差不多。

我们知道地球表面在人类的寿命之内是不会发生变化的！因此，我们可以把地球表面划分成更小的区域，并给每一部分分配一个编号。

https://geohash.softeng.co/

所以，如果我们身在迪拜，我们就能确定附近的出租车都属于“T”类别。如果这款应用在北美也很受欢迎，我们就可以通过这个划分跳过数百万用户。

然后，如果我们把‘T’部分划分成更小的部分，并且只关注‘TH’部分的出租车，我们就可以排除其他国家，只专注于阿联酋、卡塔尔以及邻国部分地区内的出租车。

我们再重复这个过程两次就好，过滤掉阿联酋及其邻国中不相关的区域。我们也可以对“H”部分做同样的事情。

https://geohash.softeng.co/THRN

所以现在我们知道了，如果我们想找车并且我们在朱美拉酒店区，我们只需要在“THRNW”单元格内找车。

GeoHash的一大优点是，在“THRNW”单元格中的所有出租车也都在“THRN”单元格中。因此，如果我们想要找到更多的出租车，可以从一个小单元格开始，逐步扩大搜索范围，从而覆盖更大区域并找到更多出租车。

GeoHash 是一种分层的空间数据结构，可以高效地将地理坐标编码为短的字母数字字符串。技术上，它是通过递归将地球表面分割成更小的网格，并为每个网格分配一个唯一的标识来工作的。从整个地球出发，首先根据纬度分成两部分，然后每部分再根据经度进一步划分，这一过程就这样递归地继续下去。

为了高效地在我们的应用程序中实现GeoHash的编码和解码，我们可以利用各种编程语言中现有的库。这些库提供了将经纬度坐标转换为GeoHash字符串的功能，并且通常还支持查找相邻的GeoHash等其他功能。

在 Go 语言中，有多个库可以帮助我们处理 GeoHashes。一个常用的库是 [github.com/mmcloughlin/geohash](https://github.com/mmcloughlin/geohash)，它支持 GeoHashes 的编码、解码以及查找相邻单元格。

现在我们已经了解了GeoHash如何高效地表示出迪拜的的士位置，让我们使用Redis来存取和查询这些位置吧。

每个车厢的位置被编码成一个GeoHash字符串。我们把这些存储在Redis有序集中，以便高效地进行前缀查询。

• 关键字:cabs:geohash
• 成员：连接GeoHash码与出租车ID（例如，THRNW:<cab_id>）
• 分数: 使用0，因为我们执行的是字典序搜索，而不是基于分数的查询。

当出租车报告其位置在‘THRNW’ GeoHash 单元格时，我们就执行：

ZADD cabs:geohash 0 THRNW:<cab_id>

注：上述命令用于将车辆ID添加到特定的地理哈希集合中。

当用户请求叫车时：

1. 编码用户的地理位置： 生成用户的坐标对应的 GeoHash，例如 THRNW。
2. 确定前缀长度： 根据所需的搜索范围选择 GeoHash 的前缀长度。
3. 执行前缀搜索： 使用 ZRANGEBYLEX 查找与 GeoHash 前缀匹配的车辆，比如更多详情请参阅此处。更多详情请参阅此处。

ZRANGEBYLEX cabs:geohash [THRNW [THRNW\x

此命令检索所有GeoHash以THRNW开头的出租车，有效地查找靠近朱美拉酒店区的出租车。

性能表现和时间复杂度

• 插入操作: 每次 ZADD 操作的时间复杂度是 O(log N)，其中 N 是有序集合中的元素数量。
• 查询: ZRANGEBYLEX 命令的时间复杂度为 O(log N + M)，其中 M 是返回的元素数量。因为 M 与指定 GeoHash 单元格中的出租车数量成正比，即使在高密度区域，查询依然保持高效。

GeoHash精度与字符串长度直接挂钩：

• 每个字符都提高精度： 每个字符都会让定位更精确。GeoHash 中的每个字符都会让定位更精确，从而提高位置的精确度。具体来说，每增加一个字符，GeoHash 所代表的区域尺寸就会缩小一半。

每个额外的GeoHash前缀字符都会通过减少代表的区域来提高位置的准确性。我们可以用更长的GeoHash前缀开始搜索，以最小化搜索区域并找到距离用户最近的出租车。如果找不到足够的出租车，我们可以缩短GeoHash前缀，逐步扩大搜索范围，根据业务逻辑进行调整。这种方法使我们能够动态地平衡精度和可用性，在搜寻出租车时更加灵活。我们还可以尝试在当前单元格及其邻居单元格中进行搜索。

尽管GeoHash能够将地理坐标编码为网格单元，但它因为矩形网格形状和不同纬度下网格大小的变化，导致分布不均，且在接近两极时更加不准确。为了解决这些问题，Uber开发了H3，这是一种分层的六边形地理空间索引系统。

H3将地球表面划分成六边形，这些六边形面积相等且相邻一致，提供了更加均匀的覆盖和更准确的临近计算。六边形能减少变形并避免方形网格的方向偏倚，使得H3更适合用于拼车应用中所需的各种复杂空间分析。

我们之所以有这个教程是因为，Redis 的 GEOADD 和地理空间功能是使用 GeoHash 实现的。通过理解和在 Redis 中实现地理空间索引，这让我们可以根据需求灵活定制索引系统。利用这种技术，你可以自己将 H3 集成到 Redis 中，实现更精确和高效的地理空间查询，利用六边形索引的优点。

总之，我们展示了如何使用GeoHash在Redis中高效地索引和查询车辆（出租车）的位置，而不需要依赖专门的地理空间功能。通过调整GeoHash前缀长度，我们可以动态地平衡搜索精确度和性能以满足应用的需求。虽然GeoHash存在局限性，但理解其具体实现可以让我们整合更高级的系统，例如H3，以实现更精准和高效的地理空间索引。