企业官网建设流程全解析

一、Geo 数据结构说明

Geo 底层基于 ZSet 有序集合，将经纬度通过 GeoHash 算法转为 52 位整数作为 ZSet 的 score，实现地理位置排序、范围查询。 适用：外卖商家、附近好友、打车点位、门店 LBS 搜索

二、核心命令全集

1. GEOADD key 经度 纬度 标识 添加点位（经度在前，纬度在后）

# 添加门店：成都太古里 geoadd shop:chengdu 104.0730 30.6621 taikuli

1. GEOPOS key 点位 查询点位经纬度

geopos shop:chengdu taikuli

1. GEODIST key p1 p2 [单位] 计算两点距离，单位：m/km/mi/ft

# 计算两个门店距离，单位km geodist shop:chengdu taikuli jinjiangtiandi km

1. GEORADIUS 中心点经纬度 半径 单位 按圆心范围查询附近点位（旧版）
2. GEORADIUSBYMEMBER key 点位 半径 单位 以已有点位为中心查周边（常用：附近的人）

# 查询太古里3公里内所有门店 georadiusbymember shop:chengdu taikuli 3 km WITHDIST WITHCOORD ASC COUNT 10

参数说明：

• WITHDIST：返回点位距离中心距离
• WITHCOORD：返回经纬度
• ASC/DESC：由近到远 / 由远到近
• COUNT N：限制返回条数

1. GEOHASH key 点位 获取点位 GeoHash 编码，可用于第三方地图索引

三、两大业务场景实战

场景 1：附近的人（社交 APP）

1. 用户上线更新坐标：geoadd user:loc 经度 纬度 user_id
2. 查询我周边 5km 在线用户：georadiusbymember user:loc my_uid 5 km ASC COUNT 20

场景 2：外卖附近商家

1. 预录入全门店经纬度到 shop:city key
2. 用户下单传入当前经纬度，GEORADIUS 查询 3km 内商家，按距离排序

四、优缺点

优点：内置 LBS 能力、基于 ZSet 性能高、距离 / 范围查询一条命令完成 缺点：

1. GeoHash 精度固定，无法自定义；
2. 不支持复杂多边形区域筛选；
3. 海量点位大范围扫描性能下降，建议按城市分 key 隔离数据

五、Python LBS 示例

import redis r = redis.Redis(decode_responses=True) # 添加点位 r.geoadd("shop:cd", 104.0730, 30.6621, "taikuli") r.geoadd("shop:cd", 104.0650, 30.6580, "jinjiang") # 两点距离 print(r.geodist("shop:cd", "taikuli", "jinjiang", unit="km")) # 查询3km内门店 res = r.georadiusbymember("shop:cd", "taikuli", 3, unit="km", withdist=True, sort="ASC") print("附近门店：", res)