首页 / REDIS / Redis 到底是怎么实现“附近的人”这个功能的呢？

Redis 到底是怎么实现“附近的人”这个功能的呢？

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了Redis 到底是怎么实现“附近的人”这个功能的呢？，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含14428字，纯文字阅读大概需要21分钟。

内容图文

前言

针对“附近的人”这一位置服务领域的应用场景，常见的可使用PG、MySQL和MongoDB等多种DB的空间索引进行实现。而Redis另辟蹊径，结合其有序队列zset以及geohash编码，实现了空间搜索功能，且拥有极高的运行效率。本文将从源码角度对其算法原理进行解析，并推算查询时间复杂度。

要提供完整的“附近的人”服务，最基本的是要实现“增”、“删”、“查”的功能。以下将分别进行介绍，其中会重点对查询功能进行解析。

操作命令

自Redis 3.2开始，Redis基于geohash和有序集合提供了地理位置相关功能。 Redis Geo模块包含了以下6个命令：

GEOADD: 将给定的位置对象（纬度、经度、名字）添加到指定的key;
GEOPOS: 从key里面返回所有给定位置对象的位置（经度和纬度）;
GEODIST: 返回两个给定位置之间的距离;
GEOHASH: 返回一个或多个位置对象的Geohash表示;
GEORADIUS: 以给定的经纬度为中心，返回目标集合中与中心的距离不超过给定最大距离的所有位置对象;
GEORADIUSBYMEMBER: 以给定的位置对象为中心，返回与其距离不超过给定最大距离的所有位置对象。

其中，组合使用GEOADD和GEORADIUS可实现“附近的人”中“增”和“查”的基本功能。要实现微信中“附近的人”功能，可直接使用GEORADIUSBYMEMBER命令。其中“给定的位置对象”即为用户本人，搜索的对象为其他用户。不过本质上，GEORADIUSBYMEMBER = GEOPOS + GEORADIUS，即先查找用户位置再通过该位置搜索附近满足位置相互距离条件的其他用户对象。

以下会从源码角度入手对GEOADD和GEORADIUS命令进行分析，剖析其算法原理。

Redis geo操作中只包含了“增”和“查”的操作，并没有专门的“删除”命令。主要是因为Redis内部使用有序集合(zset)保存位置对象，可用zrem进行删除。
在Redis源码geo.c的文件注释中，只说明了该文件为GEOADD、GEORADIUS和GEORADIUSBYMEMBER的实现文件（其实在也实现了另三个命令）。从侧面看出其他三个命令为辅助命令。

GEOADD

使用方式

GEOADD key longitude latitude member [longitude latitude member ...]

将给定的位置对象（纬度、经度、名字）添加到指定的key。

其中，key为集合名称，member为该经纬度所对应的对象。在实际运用中，当所需存储的对象数量过多时，可通过设置多key(如一个省一个key)的方式对对象集合变相做sharding，避免单集合数量过多。

成功插入后的返回值：

(integer) N

其中N为成功插入的个数。

源码分析

/* GEOADD key long lat name [long2 lat2 name2 ... longN latN nameN] */void geoaddCommand(client *c) {//参数校验
 /* Check arguments number for sanity. */
 if ((c->argc - 2) % 3 != 0) { /* Need an odd number of arguments if we got this far... */
 addReplyError(c, "syntax error. Try GEOADD key [x1] [y1] [name1] "
 "[x2] [y2] [name2] ... ");
 return;
 }//参数提取Redis
 int elements = (c->argc - 2) / 3;
 int argc = 2+elements*2; /* ZADD key score ele ... */
 robj **argv = zcalloc(argc*sizeof(robj*));
 argv[0] = createRawStringObject("zadd",4);
 argv[1] = c->argv[1]; /* key */
 incrRefCount(argv[1]);//参数遍历+转换
 /* Create the argument vector to call ZADD in order to add all
 * the score,value pairs to the requested zset, where score is actually
 * an encoded version of lat,long. */
 int i;
 for (i = 0; i < elements; i++) {
 double xy[2]; //提取经纬度
 if (extractLongLatOrReply(c, (c->argv+2)+(i*3),xy) == C_ERR) {
 for (i = 0; i < argc; i++)
 if (argv[i]) decrRefCount(argv[i]);
 zfree(argv);
 return;
 } 
 //将经纬度转换为52位的geohash作为分值 & 提取对象名称
 /* Turn the coordinates into the score of the element. */
 GeoHashBits hash;
 geohashEncodeWGS84(xy[0], xy[1], GEO_STEP_MAX, &hash);
 GeoHashFix52Bits bits = geohashAlign52Bits(hash);
 robj *score = createObject(OBJ_STRING, sdsfromlonglong(bits));
 robj *val = c->argv[2 + i * 3 + 2]; //设置有序集合的对象元素名称和分值
 argv[2+i*2] = score;
 argv[3+i*2] = val;
 incrRefCount(val);
 }//调用zadd命令，存储转化好的对象
 /* Finally call ZADD that will do the work for us. */
 replaceClientCommandVector(c,argc,argv);
 zaddCommand(c);
}

通过源码分析可以看出Redis内部使用有序集合(zset)保存位置对象，有序集合中每个元素都是一个带位置的对象，元素的score值为其经纬度对应的52位的geohash值。

double类型精度为52位；
geohash是以base32的方式编码，52bits最高可存储10位geohash值，对应地理区域大小为0.6*0.6米的格子。换句话说经Redis geo转换过的位置理论上会有约0.3*1.414=0.424米的误差。

算法小结

简单总结下GEOADD命令都干了啥：

1、参数提取和校验；

2、将入参经纬度转换为52位的geohash值（score）；

3、调用ZADD命令将member及其对应的score存入集合key中。

GEORADIUS

使用方式

GEORADIUS key longitude latitude radius m|km|ft|mi [WITHCOORD] [WITHDIST] [WITHHASH] [ASC|DESC] [COUNT count] [STORE key] [STORedisT key]

以给定的经纬度为中心，返回目标集合中与中心的距离不超过给定最大距离的所有位置对象。

范围单位：m | km | ft | mi --> 米 | 千米 | 英尺 | 英里

额外参数：

- WITHDIST：在返回位置对象的同时，将位置对象与中心之间的距离也一并返回。距离的单位和用户给定的范围单位保持一致。

- WITHCOORD：将位置对象的经度和维度也一并返回。

- WITHHASH：以 52 位有符号整数的形式，返回位置对象经过原始 geohash 编码的有序集合分值。这个选项主要用于底层应用或者调试，实际中的作用并不大。

- ASC|DESC：从近到远返回位置对象元素 | 从远到近返回位置对象元素。 - COUNT count：选取前N个匹配位置对象元素。（不设置则返回所有元素） - STORE key：将返回结果的地理位置信息保存到指定key。 - STORedisT key：将返回结果离中心点的距离保存到指定key。

由于 STORE 和 STORedisT 两个选项的存在，GEORADIUS 和 GEORADIUSBYMEMBER 命令在技术上会被标记为写入命令，从而只会查询（写入）主实例，QPS过高时容易造成主实例读写压力过大。为解决这个问题，在 Redis 3.2.10 和 Redis 4.0.0 中，分别新增了 GEORADIUS_RO 和 GEORADIUSBYMEMBER_RO两个只读命令。
不过，在实际开发中笔者发现在java package Redis.clients.jedis.params.geo 的 GeoRadiusParam 参数类中并不包含 STORE 和 STORedisT 两个参数选项，在调用georadius时是否真的只查询了主实例，还是进行了只读封装。感兴趣的朋友可以自己研究下。

成功查询后的返回值：

不带WITH限定，返回一个member list，如：

["member1","member2","member3"]

带WITH限定，member list中每个member也是一个嵌套list，如：

[
	["member1", distance1, [longitude1, latitude1]]
	["member2", distance2, [longitude2, latitude2]]
]

源码分析

此段源码较长，看不下去的可直接看中文注释，或直接跳到小结部分

/* GEORADIUS key x y radius unit [WITHDIST] [WITHHASH] [WITHCOORD] [ASC|DESC]
 * [COUNT count] [STORE key] [STORedisT key]
 * GEORADIUSBYMEMBER key member radius unit ... options ... */void georadiusGeneric(client *c, int flags) {
 robj *key = c->argv[1];
 robj *storekey = NULL; int stoRedist = 0; /* 0 for STORE, 1 for STORedisT. *///根据key获取有序集合
 robj *zobj = NULL; if ((zobj = lookupKeyReadOrReply(c, key, shared.null[c->resp])) == NULL ||
 checkType(c, zobj, OBJ_ZSET)) { return;
 }//根据用户输入（经纬度/member）确认中心点经纬度
 int base_args; double xy[2] = { 0 }; if (flags & RADIUS_COORDS) {
		……
 }//获取查询范围距离
 double radius_meters = 0, conversion = 1; if ((radius_meters = extractDistanceOrReply(c, c->argv + base_args - 2,
 &conversion)) < 0) { return;
 }//获取可选参数 （withdist、withhash、withcoords、sort、count）
 int withdist = 0, withhash = 0, withcoords = 0; int sort = SORT_NONE; long long count = 0; if (c->argc > base_args) {
 ... ...
 }//获取 STORE 和 STORedisT 参数
 if (storekey && (withdist || withhash || withcoords)) {
 addReplyError(c, "STORE option in GEORADIUS is not compatible with "
 "WITHDIST, WITHHASH and WITHCOORDS options"); return;
 }//设定排序
 if (count != 0 && sort == SORT_NONE) sort = SORT_ASC;//利用中心点和半径计算目标区域范围
 GeoHashRadius georadius =
 geohashGetAreasByRadiusWGS84(xy[0], xy[1], radius_meters);//对中心点及其周围8个geohash网格区域进行查找，找出范围内元素对象
 geoArray *ga = geoArrayCreate();
 membersOfAllNeighbors(zobj, georadius, xy[0], xy[1], radius_meters, ga);//未匹配返空
 /* If no matching results, the user gets an empty reply. */
 if (ga->used == 0 && storekey == NULL) {
 addReplyNull(c);
 geoArrayFree(ga); return;
 }//一些返回值的设定和返回
 ……
 geoArrayFree(ga);
}

上文代码中最核心的步骤有两个，一是“计算中心点范围”，二是“对中心点及其周围8个geohash网格区域进行查找”。对应的是geohashGetAreasByRadiusWGS84和membersOfAllNeighbors两个函数。我们依次来看：

计算中心点范围：

// geohash_helper.c

GeoHashRadius geohashGetAreasByRadiusWGS84(double longitude, double latitude, double radius_meters) { return geohashGetAreasByRadius(longitude, latitude, radius_meters);
}//返回能够覆盖目标区域范围的9个geohashBoxGeoHashRadius geohashGetAreasByRadius(double longitude, double latitude, double radius_meters) {//一些参数设置
 GeoHashRange long_range, lat_range;
 GeoHashRadius radius;
 GeoHashBits hash;
 GeoHashNeighbors neighbors;
 GeoHashArea area; double min_lon, max_lon, min_lat, max_lat; double bounds[4]; int steps;//计算目标区域外接矩形的经纬度范围（目标区域为：以目标经纬度为中心，半径为指定距离的圆）
 geohashBoundingBox(longitude, latitude, radius_meters, bounds);
 min_lon = bounds[0];
 min_lat = bounds[1];
 max_lon = bounds[2];
 max_lat = bounds[3];//根据目标区域中心点纬度和半径，计算带查询的9个搜索框的geohash精度（位）//这里用到latitude主要是针对极地的情况对精度进行了一些调整（纬度越高，位数越小）
 steps = geohashEstimateStepsByRadius(radius_meters,latitude);//设置经纬度最大最小值：-180<=longitude<=180, -85<=latitude<=85
 geohashGetCoordRange(&long_range,&lat_range); 
//将待查经纬度按指定精度（steps）编码成geohash值
 geohashEncode(&long_range,&lat_range,longitude,latitude,steps,&hash); 
//将geohash值在8个方向上进行扩充，确定周围8个Box（neighbors）
 geohashNeighbors(&hash,&neighbors); 
//根据hash值确定area经纬度范围
 geohashDecode(long_range,lat_range,hash,&area);//一些特殊情况处理
 ……//构建并返回结果 
 radius.hash = hash;
 radius.neighbors = neighbors;
 radius.area = area; return radius;
}

对中心点及其周围8个geohash网格区域进行查找:

// geo.c

//在9个hashBox中获取想要的元素int membersOfAllNeighbors(robj *zobj, GeoHashRadius n, double lon, double lat, double radius, geoArray *ga) {
 GeoHashBits neighbors[9]; unsigned int i, count = 0, last_processed = 0; int debugmsg = 0;//获取9个搜索hashBox
 neighbors[0] = n.hash;
 ……
 neighbors[8] = n.neighbors.south_west;//在每个hashBox中搜索目标点
 for (i = 0; i < sizeof(neighbors) / sizeof(*neighbors); i++) { if (HASHISZERO(neighbors[i])) { if (debugmsg) D("neighbors[%d] is zero",i); continue;
 }	//剔除可能的重复hashBox (搜索半径>5000KM时可能出现)
 if (last_processed &&
 neighbors[i].bits == neighbors[last_processed].bits &&
 neighbors[i].step == neighbors[last_processed].step)
 { continue;
 }	//搜索hashBox中满足条件的对象 
 count += membersOfGeoHashBox(zobj, neighbors[i], ga, lon, lat, radius);
 last_processed = i;
 } return count;
}int membersOfGeoHashBox(robj *zobj, GeoHashBits hash, geoArray *ga, double lon, double lat, double radius) {//获取hashBox内的最大、最小geohash值（52位）
 GeoHashFix52Bits min, max;
 scoresOfGeoHashBox(hash,&min,&max);//根据最大、最小geohash值筛选zobj集合中满足条件的点
 return geoGetPointsInRange(zobj, min, max, lon, lat, radius, ga);
}int geoGetPointsInRange(robj *zobj, double min, double max, double lon, double lat, double radius, geoArray *ga) {//搜索Range的参数边界设置（即9个hashBox其中一个的边界范围）
 zrangespec range = { .min = min, .max = max, .minex = 0, .maxex = 1 };
 size_t origincount = ga->used;
 sds member;//搜索集合zobj可能有ZIPLIST和SKIPLIST两种编码方式，这里以SKIPLIST为例，逻辑是一样的
 if (zobj->encoding == OBJ_ENCODING_ZIPLIST) {
 ……
 } else if (zobj->encoding == OBJ_ENCODING_SKIPLIST) {
 zset *zs = zobj->ptr;
 zskiplist *zsl = zs->zsl;
 zskiplistNode *ln;	//获取在hashBox范围内的首个元素（跳表数据结构，效率可比拟于二叉查找树），没有则返0
 if ((ln = zslFirstInRange(zsl, &range)) == NULL) { /* Nothing exists starting at our min. No results. */
 return 0;
 }	//从首个元素开始遍历集合
 while (ln) {
 sds ele = ln->ele;		//遍历元素超出range范围则break
 /* Abort when the node is no longer in range. */
 if (!zslValueLteMax(ln->score, &range)) break;		//元素校验（计算元素与中心点的距离）
 ele = sdsdup(ele); if (geoAppendIfWithinRadius(ga,lon,lat,radius,ln->score,ele)
 == C_ERR) sdsfree(ele);
 ln = ln->level[0].forward;
 }
 } return ga->used - origincount;
}int geoAppendIfWithinRadius(geoArray *ga, double lon, double lat, double radius, double score, sds member) { double distance, xy[2];//解码错误, 返回error
 if (!decodeGeohash(score,xy)) return C_ERR; /* Can't decode. *///最终距离校验(计算球面距离distance看是否小于radius)
 if (!geohashGetDistanceIfInRadiusWGS84(lon,lat, xy[0], xy[1],
 radius, &distance))
 { return C_ERR;
 }//构建并返回满足条件的元素
 geoPoint *gp = geoArrayAppend(ga);
 gp->longitude = xy[0];
 gp->latitude = xy[1];
 gp->dist = distance;
 gp->member = member;
 gp->score = score; return C_OK;
}

算法小结

抛开众多可选参数不谈，简单总结下GEORADIUS命令是怎么利用geohash获取目标位置对象的：

1、参数提取和校验；

2、利用中心点和输入半径计算待查区域范围。这个范围参数包括满足条件的最高的geohash网格等级(精度) 以及对应的能够覆盖目标区域的九宫格位置；（后续会有详细说明）

3、对九宫格进行遍历，根据每个geohash网格的范围框选出位置对象。进一步找出与中心点距离小于输入半径的对象，进行返回。

直接描述不太好理解，我们通过如下两张图在对算法进行简单的演示：

Redis 到底是怎么实现“附近的人”这个功能的呢？ - 文章图片

令左图的中心为搜索中心，绿色圆形区域为目标区域，所有点为待搜索的位置对象，红色点则为满足条件的位置对象。

在实际搜索时,首先会根据搜索半径计算geohash网格等级（即右图中网格大小等级），并确定九宫格位置（即红色九宫格位置信息）；再依次查找计算九宫格中的点（蓝点和红点）与中心点的距离，最终筛选出距离范围内的点（红点）。

算法分析

为什么要用这种算法策略进行查询，或者说这种策略的优势在哪，让我们以问答的方式进行分析说明。

为什么要找到满足条件的最高的geohash网格等级？为什么用九宫格？
这其实是一个问题，本质上是对所有的元素对象进行了一次初步筛选。在多层geohash网格中，每个低等级的geohash网格都是由4个高一级的网格拼接而成（如图）。

Redis 到底是怎么实现“附近的人”这个功能的呢？ - 文章图片

换句话说，geohash网格等级越高，所覆盖的地理位置范围就越小。当我们根据输入半径和中心点位置计算出的能够覆盖目标区域的最高等级的九宫格（网格）时，就已经对九宫格外的元素进行了筛除。这里之所以使用九宫格，而不用单个网格，主要原因还是为了避免边界情况，尽可能缩小查询区域范围。试想以0经纬度为中心，就算查1米范围，单个网格覆盖的话也得查整个地球区域。而向四周八个方向扩展一圈可有效避免这个问题。
如何通过geohash网格的范围框选出元素对象？效率如何？
首先在每个geohash网格中的geohash值都是连续的，有固定范围。所以只要找出有序集合中，处在该范围的位置对象即可。以下是有序集合的跳表数据结构：

Redis 到底是怎么实现“附近的人”这个功能的呢？ - 文章图片

其拥有类似二叉查找树的查询效率，操作平均时间复杂性为O(log(N))。且最底层的所有元素都以链表的形式按序排列。所以在查询时，只要找到集合中处在目标geohash网格中的第一个值，后续依次对比即可，不用多次查找。九宫格不能一起查，要一个个遍历的原因也在于九宫格各网格对应的geohash值不具有连续性。只有连续了，查询效率才会高，不然要多做许多距离运算。

综上，我们从源码角度解析了Redis Geo模块中 “增（GEOADD）” 和 “查（GEORADIUS）” 的详细过程。并可推算出Redis中GEORADIUS查找附近的人功能，时间复杂度为：O(N+log(M))，其中N为指定半径范围内的位置元素数量，而M则是被九宫格圈住计算距离的元素的数量。结合Redis本身基于内存的存储特性，在实际使用过程中有非常高的运行效率。

内容总结

以上是互联网集市为您收集整理的Redis 到底是怎么实现“附近的人”这个功能的呢？全部内容，希望文章能够帮你解决Redis 到底是怎么实现“附近的人”这个功能的呢？所遇到的程序开发问题。如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

扫描二维码推送至手机访问。

本文链接：https://qyyshop.com/info/886216.html

来源：【匿名】

【上一篇】Springboot整合shiro、jwt、redis总结【下一篇】redis可以做什么？

更多 ►

【Redis 到底是怎么实现“附近的人”这个功能的呢？】教程文章相关的互联网学习教程文章

Redisearch实现的全文检索功能服务【代码】【图】

“检索”是很多产品中无法绕开的一个功能模块，当数据量小的时候可以使用模糊查询等操作凑合一下，但是当面临海量数据和高并发的时候，业界常用 elasticsearch 和 lucene 等方案，但是elasticsearch对运行时内存有着最低限额，其运行时大小推荐 2G 以上的内存空间，并且需要额外的磁盘空间做持久化存储。其实mongoDB 内置的正则匹配搜索文本以及自带的 text 索引和 search 关键字也是一套靠谱的解决方案，但是这一次我们带来一...

Redis 复制功能详解

Redis 复制功能的几个重要方面：1. 一个Master可以有多个Slave；2. Redis使用异步复制。从2.8开始，Slave会周期性（每秒一次）发起一个Ack确认复制流（replication stream）被处理进度；3. 不仅主服务器可以有从服务器，从服务器也可以有自己的从服务器，多个从服务器之间可以构成一个图状结构；4. 复制在Master端是非阻塞模式的，这意味着即便是多个Slave执行首次同步时，Master依然可以提供查询服务；5. 复制在Slave端也是非阻...

使用redis的缓存功能（windows 版redis）【代码】

需要用到的jar：　　commons-pool2-2.3.jar 　　jedis-2.7.0.jarJedisPoolConfig的配置文件redis.propertiesredis.maxIdle=30 redis.minIdle=10 redis.maxTotal=100 redis.url=localhost redis.port=6379redis数据库连接的连接池工具类JedisPoolUtilsimport java.io.IOException; import java.io.InputStream; import java.util.Properties;import redis.clients.jedis.Jedis; import redis.clients.jedis.JedisPool; import...

redis实现排行榜功能【代码】

目录加入排行榜操作排行榜redis的zset可以很方便地用来实现排行榜功能，下面简单介绍python如何使用redis实现排行榜功能加入排行榜获取redis实例import redis main_rds = redis.StrictRedis(host='localhost',port=6379,db=0,password='')全量加入排行榜注意根据redis包的版本不同，zadd和zincby的传参方式也不同对于redis 3.0（python的redis包）以下的版本# 向key为name的zset里面添加一个member，其分数为score，如果已经存在就...

Redis 的Lua Script脚本功能

从 Redis 2.6.0 版本开始，通过内置的 Lua 解释器，可以使用 EVAL 命令对 Lua 脚本进行求值Redis2.6内置的Lua Script支持，可以在Redis的Server端一次过运行大量逻辑。? 整个Script默认是在一个事务里的。 ? Script里涉及的所有Key尽量用变量，从外面传入，使Redis一开始就知道你要改变哪些key。 ? EVAL每次传输一整段Script比较费带宽，可以先用SCRIPT LOAD载入script，返回哈希值。然后用EVALHASH执行。 ? 内置的LUA库里还很贴...

Redis 学习-Redis 的其他功能【代码】【图】

一、慢查询找到系统中瓶颈的命令1. 客户端请求的生命周期：①. 慢查询通常发生在第三阶段。②. 客户端超时不一定是慢查询，但慢查询是客户端超时的一个可能因素。 2. 相关配置慢查询命令会存放在一个先进先出的队列查询队列的长度：config get slowlog-max-len默认值是 128，我们通常建议设置为 1000config set slowlog-max-len=1000 查询慢查询的定义时长：config get slowlog-log-slower-than默认值是 10000 微秒= 10 毫秒，我们...

Redis附加功能之Redis事务【代码】

一、事务Redis 的事务功能允许用户将多个命令包裹起来，然后一次性地、按顺序地执行被包裹的所有命令。在事务执行的过程中，服务器不会中断事务而改去执行其他命令请求，只有在事务包裹的所有命令都被执行完毕之后，服务器才会去处理其他命令请求。事务示例：现在，让我们假设 SETEX 命令并不存在于 Redis ，并且 SET 命令也不支持 EX seconds 参数，如果我们要自己来实现一个 SETEX 命令的话，那么我们可能会使用以下代码：de...

利用redis完成自动补全搜索功能（二）【代码】

前面介绍了自动完成的大致思路，现在把搜索次数的功能也结合上去。我采用的是hash表来做的，当然也可以在生成分词的时候，另外一个有序集合来维护排序, 然后2个有序集合取交集即可。这里介绍hash的方式来实现。　　产生分词 dist.php　<?phprequire ‘./redis.php‘;//分词$words = [‘花讯‘,‘nba‘,‘nba直播‘,‘nba赛事‘,‘nba季后赛‘,‘nba录像‘,‘花讯品牌‘,‘花讯女装‘,‘花‘,‘n‘];//利用管道 Cache::getInstance(...

redis的持久化功能【代码】【图】

基于快照持久化修改配置文件，开始基于快照的选项[root@localhostbin]#vim /etc/redis/redis.confstop-writes-on-bgsave-error yes #后台存储错误停止写。 rdbcompression yes #使用LZF压缩rdb文件。 rdbchecksum yes #存储和加载rdb文件时校验。 dbfilename dump.rdb #设置rdb文件名。 dir ./ #设置工作目录，rdb文件会写入该目录。指定的时间间隔内保存数据快照优点令适合用于进行备份 fork 出子进程...

（三）redis的其他功能-Bitmap，HyperLogLog，GEO【代码】【图】

redis除了5种数据类型之外，还提供了其他功能，如：慢查询，pipeline，事务，发布订阅和消息队列，Bitmap，HyperLogLog，GEO1.Bitmap(位图)BitMap，即位图，其实也就是 byte 数组，用二进制表示，只有 0 和 1 两个数字。就是通过一个bit位来表示某个元素对应的值或者状态,其中的key就是对应元素本身。我们知道8个bit可以组成一个Byte，所以bitmap本身会极大的节省储存空间。API：命令含义getbit key offset对key所存储的字符串值，...

3.Redis高级功能

3.Redis高级功能3.1 慢查询分析3.1.1 慢查询的两个配置参数3.1.2 最佳实践3.1.3 单线程架构3.2 Redis Shell3.2.1 redis-cli 详解3.2.2 redis-server 详解3.2.3 redis-benchmark 详解3.3 Pipeline3.3.1 Pipeline概念3.3.2 性能测试3.3.3 原生批量命令与Pipeline对比3.3.4 最佳实践3.4 事务与Lua3.4.1 事务3.4.2 Lua用法简介3.4.3 Redis与Lua3.4.4 案例3.4.5 Redis如何管理Lua脚本3.5 Bitmaps3.5.1 数据结构模型3.5.2 命令3.5.3 Bitm...

Redis 6.0 新增功能 - ACL【代码】

Redis 6.0 ACL期待已久的ACL终于来了，大家知道在redis集群中只有一个db，在多项目操作时可以通过key前缀来区分，但是还是能获取其它key，这样就带来了安全风险.Access Control Lists ACL在之前登录可以AUTH pwd 有了ACL后AUTH user pwdACL LIST我们可以使用 ACL LIST 命令来检查当前活动的 ACL> ACL LIST 1) "user default on nopass ~* +@all" user 代表是用户 default 代表默认用户（反之为自己创建的用户） on 代表激活（反之...

Redis 五：配置主从复制功能【图】

redis的主从复制事实上是非常简单的一件事情，甚至比mysql的配置还简单,因为基本不需要在主服务器上做任何操作我们在同一台服务器上开不同的端口进行测试操作(安装部分就不说啦，前面的文章有::) 1.首先开始主服务器（默认为6379端口） /etc/init.d/redis_6379 start2.开启第一台从服务器 redis-server --port 6380 --slaveof 127.0.0.1 6379 这个命令需要在你的redis安装目录下的src目录中进行，奇怪是命名make-install了，...

简单实现redis实现高并发下的抢购/秒杀功能(转)【代码】【图】

简述抢购/秒杀是如今很常见的一个应用场景，那么高并发竞争下如何解决超抢(或超卖库存不足为负数的问题)呢？常规写法：查询出对应商品的库存，看是否大于0，然后执行生成订单等操作，但是在判断库存是否大于0处，如果在高并发下就会有问题，导致库存量出现负数这里我就只谈redis的解决方案我们先来看以下php代码是否能正确解决超抢/卖的问题：<?php$redis = new Redis(); $redis->connect(‘127.0.0.1‘, 6379); //系统库存量$num ...

OpenResty Redis 安装部署测试SET GET功能

OpenResty Redis 安装部署测试SET GET功能参考文档http://www.redis.cn/download.htmlhttps://openresty.org/cn/installation.htmlhttps://github.com/openresty/redis2-nginx-module一，安装OpenResty1，安装最新稳定版本的OpenResty-1.11.2.5[root@server ~]# yum -y install tclyum -y install perl-devel gcc gmake[root@server ~]# yum -y install tclwget https://openresty.org/download/openresty-1.11.2.5.tar.gz[root@se...

首页 / REDIS / Redis 到底是怎么实现“附近的人”这个功能的呢？

Redis 到底是怎么实现“附近的人”这个功能的呢？

内容导读

内容图文

前言

操作命令

GEOADD

GEORADIUS

内容总结

内容备注

内容手机端

【Redis 到底是怎么实现“附近的人”这个功能的呢？】教程文章相关的互联网学习教程文章

Redisearch实现的全文检索功能服务【代码】【图】

Redis 复制功能详解

使用redis的缓存功能（windows 版redis）【代码】

redis实现排行榜功能【代码】

Redis 的Lua Script脚本功能

Redis 学习-Redis 的其他功能【代码】【图】

Redis附加功能之Redis事务【代码】

利用redis完成自动补全搜索功能（二）【代码】

redis的持久化功能【代码】【图】

（三）redis的其他功能-Bitmap，HyperLogLog，GEO【代码】【图】

3.Redis高级功能

Redis 6.0 新增功能 - ACL【代码】

Redis 五：配置主从复制功能【图】

简单实现redis实现高并发下的抢购/秒杀功能(转)【代码】【图】

OpenResty Redis 安装部署测试SET GET功能

REDIS - 相关标签

功能 - 相关标签

REDIS - 技术教程分类

REDIS - 最新教程

REDIS - 最热教程