原创转载请注明出处：https://www.cnblogs.com/agilestyle/p/11632810.html
背景
微信找附近的人，滴滴找附近的单车，饿了么找附近的餐馆
GeoHash算法
可以使用数据库来进行查询，但是数据库查询性能毕竟是有限的，如果“附近的人”查询请求非常多，在高并发场景下，对数据库的压力还是相当大的，不是一个很好的方案。
业界比较通用的地理位置距离排序算法是GeoHash算法。
Redis GeoHash
Redis也使用GeoHash算法，提供的Geo指令有6个
- geoadd
- geodist
- geopos
- geohash
- georadius
- georadiusbymember
Redis Geo部署策略
在一个地图应用中，车的数据、餐馆的数据、人的数据可能会有几百万条甚至几千万条，如果使用Redis的Geo数据结构，它们将被全部放在一个zset集合中。在Redis的集群环境中，集合可能从一个节点迁移到另一个节点，如果单个key的数据过大，会对集群的迁移工作造成较大的影响，在集群环境中单个key对应的数据量不宜超过1MB，否则会导致集群出现卡顿现象，影响线上服务的正常运行。
所以建议Geo的数据使用单独的Redis实例部署，不使用集群环境。如果数据量过亿，甚至更大，就需要对Geo数据进行拆分，按国家拆分、按省拆分、按市拆分、在人口特大城市甚至可以按区拆分。这样就可以显著降低单个zset集合的大小。