附近商户-GEO数据结构的基本用法

GEO就是Geolocation的简写形式，代表地理坐标
Redis在3.2版本中加入了对GEO的支持，允许存储地理坐标信息，帮助我们根据经纬度来检索数据。常见的命令有：

• GEOADD：添加一个地理空间信息，包含：经度（longitude）、纬度（latitude）、值（member）

• GEODIST：计算指定的两个点之间的距离并返回

• GEOHASH：将指定member的坐标转为hash字符串形式并返回

• GEOPOS：返回指定member的坐标

• GEORADIUS：指定圆心、半径，找到该圆内包含的所有member，并按照与圆心之间的距离排序后返回。6.以后已废弃

• GEOSEARCH：在指定范围内搜索member，并按照与指定点之间的距离排序后返回。范围可以是圆形或矩形。6.2.新功能

• GEOSEARCHSTORE：与GEOSEARCH功能一致，不过可以把结果存储到一个指定的key。 6.2.新功能

导入店铺数据到GEO

当我们点击美食之后，会出现一系列的商家，商家中可以按照多种排序方式，我们此时关注的是距离，这个地方就需要使用到我们的GEO，向后台传入当前app收集的地址(我们此处是写死的) ，以当前坐标作为圆心，同时绑定相同的店家类型type，以及分页信息，把这几个条件传入后台，后台查询出对应的数据再返回。

我们把x轴坐标和y轴坐标当作score传入到redis中，不要把所有数据都放到redis
同时把商户类型做分类，相同类型的商户作为一组，放入同一个GEO集合中

@Test
void loadShopData() {// 1.查询店铺信息List<Shop> list = shopService.list();// 2.把店铺分组，按照typeId分组，typeId一致的放到一个集合Map<Long, List<Shop>> map = list.stream().collect(Collectors.groupingBy(Shop::getTypeId));// 3.分批完成写入Redisfor (Map.Entry<Long, List<Shop>> entry : map.entrySet()) {// 3.1.获取类型idLong typeId = entry.getKey();String key = SHOP_GEO_KEY + typeId;// 3.2.获取同类型的店铺的集合List<Shop> value = entry.getValue();List<RedisGeoCommands.GeoLocation<String>> locations = new ArrayList<>(value.size());// 3.3.写入redis GEOADD key 经度 纬度 memberfor (Shop shop : value) {// stringRedisTemplate.opsForGeo().add(key, new Point(shop.getX(), shop.getY()), shop.getId().toString());locations.add(new RedisGeoCommands.GeoLocation<>(shop.getId().toString(),new Point(shop.getX(), shop.getY())));}stringRedisTemplate.opsForGeo().add(key, locations);}
}

先查询店铺信息，从数据库中获取所有店铺的信息，并将其存储到List类型的变量list中
按店铺类型分组，利用Stream API ,代码将获取的店铺列表按typeId分组，相同typeId的店铺会被归于同一个列表，最终形成Map<Long,List>类型的映射map，其中键是typeId，值是对应类型的店铺列表。
对于每个类型的店铺，先获取当前类型的typeId,创建对应的Redis Key值
对于每个店铺，创建一个RedisGeoCommands.GeoLocation对象，包括店铺ID、经纬度等
将所有对象收集到一个列表，最后通过opsForGeo()批量写入redis

附近商户-实现附近商户功能

   // 1.判断是否需要根据坐标查询if (x == null || y == null) {// 不需要坐标查询，按数据库查询Page<Shop> page = query().eq("type_id", typeId).page(new Page<>(current, SystemConstants.DEFAULT_PAGE_SIZE));// 返回数据return Result.ok(page.getRecords());}

先看有没有传坐标，没有直接按数据库查询

    // 3.查询redis、按照距离排序、分页。结果：shopId、distanceString key = SHOP_GEO_KEY + typeId;GeoResults<RedisGeoCommands.GeoLocation<String>> results = stringRedisTemplate.opsForGeo() // GEOSEARCH key BYLONLAT x y BYRADIUS 10 WITHDISTANCE.search(key,GeoReference.fromCoordinate(x, y),new Distance(5000),RedisGeoCommands.GeoSearchCommandArgs.newGeoSearchArgs().includeDistance().limit(end));

若传输了坐标，就按距离排序后分页

• stringRedisTemplate.opsForGeo().search()调用 Redis 的 GEOSEARCH 命令。
• key：指定要搜索的地理位置数据集合。
• GeoReference.fromCoordinate(x, y)：指定中心点坐标。
• new Distance(5000)：设置搜索半径为 5000 米。
• includeDistance().limit(end)：要求返回距离信息，并限制最多返回end条结果。

 List<Long> ids = new ArrayList<>(list.size());Map<String, Distance> distanceMap = new HashMap<>(list.size());list.stream().skip(from).forEach(result -> {// 4.2.获取店铺idString shopIdStr = result.getContent().getName();ids.add(Long.valueOf(shopIdStr));// 4.3.获取距离Distance distance = result.getDistance();distanceMap.put(shopIdStr, distance);});

创建ids列表存放店铺ID
常见distanceMap存储店铺ID和距离的映射关系
借助流中的skip(from)跳过前from个元素
然后对于每个元素获取店铺id和距离，添加到ids和distanceMap中

    // 5.根据id查询ShopString idStr = StrUtil.join(",", ids);List<Shop> shops = query().in("id", ids).last("ORDER BY FIELD(id," + idStr + ")").list();for (Shop shop : shops) {shop.setDistance(distanceMap.get(shop.getId().toString()).getValue());}// 6.返回return Result.ok(shops);

将ids拼成字符串然后通过mybatis-plus提供的数据库查询操作得到店铺，对于每一个店铺，利用之前得到的distanceMap将位置信息赋值

总结

1. Redis GEO 数据结构在 “附近商户” 功能中核心作用是什么？
   Redis GEO 用于存储地理坐标信息（经度、纬度），并提供高效的地理位置查询能力（如范围搜索、距离计算），是实现 “按距离筛选附近商户” 功能的核心存储与查询工具。
2. 商户数据导入 Redis GEO 的关键步骤是什么？
   核心步骤包括：①从数据库查询所有商户信息；②按商户类型（typeId）分组，确保同类型商户聚合；③将每组商户的经纬度、ID 封装为 GEO 坐标对象，批量写入对应类型的 Redis GEO 集合（通过GEOADD命令）。
3. 实现 “附近商户” 查询的核心流程是什么？
   ①接收用户当前坐标、商户类型、分页参数；②通过 Redis GEO 的GEOSEARCH命令，以用户坐标为中心，按指定半径查询目标类型商户的 ID 及距离；③根据 ID 从数据库查询商户详细信息，并关联 Redis 返回的距离数据；④返回带距离的商户列表。
4. 为何要按商户类型分组存储 GEO 数据？
   按类型分组可缩小查询范围，避免无关类型商户参与计算，提升GEOSEARCH命令的执行效率；同时符合用户 “按类型找商户” 的实际业务场景，减少无效数据处理。
5. 如何保证查询结果中 “距离” 信息的准确性？
   Redis GEO 在范围查询时通过includeDistance参数返回商户与中心点的距离，查询后将该距离与数据库查询的商户信息一一映射（通过商户 ID 关联），确保距离与商户信息精准匹配。