wordpress微信分享带缩略图/seo每日工作

wordpress微信分享带缩略图,seo每日工作,p2p网站建设资质,建设网站怎么收费目录 引言 Redis GEO命令概述 什么是GEO命令? 主要命令详解 命令应用示例 添加地点信息 查询两地距离 查询附近的城市 实现"查找附近的人"功能 功能需求与实现思路 基本需求 实现思路 命令实现方案 存储用户位置 查询附近的用户 Java代码实…

目录

引言

Redis GEO命令概述

什么是GEO命令?

主要命令详解

命令应用示例

添加地点信息

查询两地距离

查询附近的城市

实现"查找附近的人"功能

功能需求与实现思路

基本需求

实现思路

命令实现方案

存储用户位置

查询附近的用户

Java代码实现详解

使用Redis GEO的优势与注意事项

优势

注意事项


引言

        在移动互联网时代,基于地理位置的服务已成为众多应用的标配功能。无论是打车软件、外卖平台还是社交应用,"附近的XX"功能几乎无处不在。这类功能的核心技术挑战在于:如何高效存储地理位置数据并进行快速检索?Redis 3.2版本引入的GEO(地理空间)命令集完美解决了这一问题,为开发者提供了简单高效的地理位置数据处理方案。

        本文将深入浅出地介绍Redis GEO命令及其工作原理,通过实际案例和代码示例,帮助你轻松实现"查找附近的人"等地理位置相关功能。无论你是Redis新手还是有经验的开发者,都能从中获取有价值的信息。


Redis GEO命令概述

什么是GEO命令?

        GEO是"Geolocation"(地理定位)的简写,Redis GEO是Redis专门为地理位置信息存储和检索设计的命令集。它允许我们将经纬度坐标存储到Redis数据库中,并支持按距离查询、计算两点间距离等多种地理空间操作。

        底层实现上,Redis GEO使用了地理空间索引算法(Geohash),将二维的经纬度转换为一维的字符串,并通过Redis的有序集合(Sorted Set)来存储,这使得地理位置的存取和计算变得非常高效。

主要命令详解

Redis GEO主要提供了以下几个核心命令:

  • GEOADD: 添加地理空间信息
# 将指定的地理空间位置(经度、纬度、名称)添加到指定的key中
# 可以一次添加多个位置
GEOADD key longitude latitude member [longitude latitude member ...]
  • GEODIST: 计算两点间距离
# 返回两个给定位置之间的距离
# unit参数指定返回值的单位,可以是m(米)、km(千米)、mi(英里)或ft(英尺)
GEODIST key member1 member2 [unit]
  • GEOHASH: 获取经纬度的Geohash表示
# 返回一个或多个位置元素的Geohash表示
# Geohash是一种将经纬度编码为字符串的方法
GEOHASH key member [member ...]
  • GEOHASH: 获取经纬度的Geohash表示
# 返回一个或多个位置元素的Geohash表示
# Geohash是一种将经纬度编码为字符串的方法
GEOHASH key member [member ...]
  • GEOPOS: 获取位置的经纬度
# 返回指定名称位置的经纬度坐标
GEOPOS key member [member ...]
  • GEORADIUS: 查找指定半径内的成员
# 以给定的经纬度为中心,返回键中包含的位置元素当中,与中心的距离不超过给定半径的所有位置元素
GEORADIUS key longitude latitude radius unit [WITHCOORD] [WITHDIST] [WITHHASH] [COUNT count] [ASC|DESC] [STORE key] [STOREDIST key]

WITHDIST: 在返回位置元素的同时,将位置元素与中心之间的距离也一并返回
WITHCOORD: 将位置元素的经度和纬度也一并返回
WITHHASH: 以52位无符号整数的形式返回位置元素的geohash值(主要用于调试)
COUNT n: 限定返回的记录数量
ASC|DESC: 根据中心的位置,按照从近到远(ASC)或从远到近(DESC)的顺序返回位置元素

  • GEOSEARCH: 在指定范围内搜索
# 在指定范围内搜索,范围可以是圆形或矩形
GEOSEARCH key [FROMMEMBER member] [FROMLONLAT longitude latitude] [BYRADIUS radius unit] [BYBOX width height unit] [WITHDIST] [WITHCOORD] [WITHHASH] [COUNT count] [ASC|DESC]
  • GEOSEARCHSTORE: 在指定范围内搜索并将结果存储
# 与GEOSEARCH功能相同,但可以将结果存储到指定的key中
GEOSEARCHSTORE destination key [FROMMEMBER member] [FROMLONLAT longitude latitude] [BYRADIUS radius unit] [BYBOX width height unit] [WITHDIST] [WITHCOORD] [WITHHASH] [COUNT count] [ASC|DESC]

这些命令共同构成了一个完整的地理空间数据处理工具集,能够满足大多数基于位置的服务需求。

命令应用示例

让我们通过一个具体的例子来理解GEO命令的使用:

添加地点信息

# 上述命令将"东京"和"吉隆坡"两个城市的经纬度信息添加到名为"locations"的地理空间集合中。
GEOADD locations 139.781210 35.774426 "东京" 101.653962 5.205122 "吉隆坡"

查询两地距离

# 这个命令会返回东京和吉隆坡之间的距离(单位:公里)。
GEODIST locations "东京" "吉隆坡" km

查询附近的城市

# 这个命令会查找距离指定坐标点(经度139.0,纬度35.0)1000公里范围内的所有城市,并同时返回它们与中心点的距离。
GEORADIUS locations 139.0 35.0 1000 km WITHDIST

实现"查找附近的人"功能

        "查找附近的人"是移动应用中的常见功能,下面我们将详细讲解如何使用Redis GEO命令来实现。

功能需求与实现思路

基本需求

  • 存储每个用户的地理位置信息(经纬度)
  • 能够查询指定用户周围一定范围内的其他用户
  • 返回的用户列表按照距离排序

实现思路

  1. 使用GEOADD命令将用户ID及其经纬度信息存储在Redis中
  2. 当需要查询"附近的人"时,使用GEORADIUS命令,以查询用户的位置为中心,指定半径范围进行搜索

命令实现方案

假设我们正在开发一个社交应用,需要实现广州市用户查找1000公里范围内其他用户的功能:

存储用户位置

GEOADD user_location 113.267548 23.142979 "user1"
GEOADD user_location 113.300000 23.150000 "user2"
GEOADD user_location 114.057868 22.543099 "user3"

查询附近的用户

# 命令会返回距离广州市指定坐标1000公里范围内的所有用户,并显示他们与查询点的具体距离。
GEORADIUS user_location 113.254325 23.144043 1000 km WITHDIST

Java代码实现详解

下面是使用Java语言和Jedis客户端实现"查找附近的人"功能的代码示例:

import redis.clients.jedis.GeoCoordinate;
import redis.clients.jedis.GeoRadiusResponse;
import redis.clients.jedis.GeoUnit;
import redis.clients.jedis.Jedis;
import redis.clients.jedis.params.GeoRadiusParam;import java.util.List;
import java.util.Map;
import java.util.HashMap;
import java.util.stream.Collectors;/*** Redis GEO功能示例:实现"附近的人"功能* * @author Muller*/
public class RedisGeoDemo {private static final String USER_LOCATION_KEY = "user_location";/*** 存储用户地理位置信息* * @param userId 用户ID* @param longitude 经度* @param latitude 纬度* @param jedis Redis连接* @return 添加成功的数量*/public static Long saveUserLocation(String userId, double longitude, double latitude, Jedis jedis) {try {return jedis.geoadd(USER_LOCATION_KEY, longitude, latitude, userId);} catch (Exception e) {System.err.println("保存用户位置信息失败: " + e.getMessage());return 0L;}}/*** 批量存储多个用户的地理位置信息* * @param userLocations 用户位置Map,key为用户ID,value为经纬度坐标* @param jedis Redis连接* @return 添加成功的数量*/public static Long saveUserLocations(Map<String, double[]> userLocations, Jedis jedis) {try {Map<String, GeoCoordinate> memberCoordinateMap = new HashMap<>();for (Map.Entry<String, double[]> entry : userLocations.entrySet()) {String userId = entry.getKey();double[] coordinates = entry.getValue();memberCoordinateMap.put(userId, new GeoCoordinate(coordinates[0], coordinates[1]));}return jedis.geoadd(USER_LOCATION_KEY, memberCoordinateMap);} catch (Exception e) {System.err.println("批量保存用户位置信息失败: " + e.getMessage());return 0L;}}/*** 查询附近的人* * @param longitude 经度* @param latitude 纬度* @param radius 半径* @param jedis Redis连接* @return 附近用户ID列表*/public static List<String> getNearbyUsers(double longitude, double latitude, double radius, Jedis jedis) {try {List<GeoRadiusResponse> responses = jedis.georadius(USER_LOCATION_KEY, longitude, latitude, radius, GeoUnit.KM, GeoRadiusParam.geoRadiusParam().withDist().sortAscending());return responses.stream().map(GeoRadiusResponse::getMemberByString).collect(Collectors.toList());} catch (Exception e) {System.err.println("查询附近用户失败: " + e.getMessage());return List.of();}}/*** 获取用户详细地理信息(包含距离)* * @param longitude 经度* @param latitude 纬度* @param radius 半径* @param jedis Redis连接* @return 附近用户详细信息列表*/public static List<UserGeoInfo> getNearbyUsersWithDistance(double longitude, double latitude, double radius, Jedis jedis) {try {List<GeoRadiusResponse> responses = jedis.georadius(USER_LOCATION_KEY, longitude, latitude, radius, GeoUnit.KM, GeoRadiusParam.geoRadiusParam().withDist().withCoord().sortAscending());return responses.stream().map(response -> new UserGeoInfo(response.getMemberByString(),response.getDistance(),response.getCoordinate().getLongitude(),response.getCoordinate().getLatitude())).collect(Collectors.toList());} catch (Exception e) {System.err.println("查询附近用户详细信息失败: " + e.getMessage());return List.of();}}/*** 计算两个用户之间的距离* * @param userId1 用户1的ID* @param userId2 用户2的ID* @param jedis Redis连接* @return 两用户间距离(单位:公里),如果计算失败返回-1*/public static double getDistanceBetweenUsers(String userId1, String userId2, Jedis jedis) {try {Double distance = jedis.geodist(USER_LOCATION_KEY, userId1, userId2, GeoUnit.KM);return distance != null ? distance : -1;} catch (Exception e) {System.err.println("计算用户距离失败: " + e.getMessage());return -1;}}/*** 获取用户的地理坐标* * @param userId 用户ID* @param jedis Redis连接* @return 用户坐标[经度,纬度],如果不存在返回null*/public static double[] getUserPosition(String userId, Jedis jedis) {try {List<GeoCoordinate> positions = jedis.geopos(USER_LOCATION_KEY, userId);if (positions != null && !positions.isEmpty() && positions.get(0) != null) {GeoCoordinate pos = positions.get(0);return new double[] { pos.getLongitude(), pos.getLatitude() };}return null;} catch (Exception e) {System.err.println("获取用户坐标失败: " + e.getMessage());return null;}}/*** 用户地理信息包装类*/public static class UserGeoInfo {private String userId;private double distance;private double longitude;private double latitude;public UserGeoInfo(String userId, double distance, double longitude, double latitude) {this.userId = userId;this.distance = distance;this.longitude = longitude;this.latitude = latitude;}public String getUserId() {return userId;}public double getDistance() {return distance;}public double getLongitude() {return longitude;}public double getLatitude() {return latitude;}@Overridepublic String toString() {return "用户ID: " + userId + ", 距离: " + String.format("%.2f", distance) + "公里" +", 坐标: [" + longitude + ", " + latitude + "]";}}/*** 示例用法*/public static void main(String[] args) {// 这里仅用于演示,实际使用应通过连接池获取Jedis实例try (Jedis jedis = new Jedis("localhost", 6379)) {// 清除之前可能存在的测试数据jedis.del(USER_LOCATION_KEY);// 存储几个测试用户的位置(广州及周边城市的坐标)saveUserLocation("user1", 113.267548, 23.142979, jedis);  // 广州saveUserLocation("user2", 114.057868, 22.543099, jedis);  // 深圳saveUserLocation("user3", 113.030396, 22.938259, jedis);  // 佛山saveUserLocation("user4", 116.397128, 39.916527, jedis);  // 北京System.out.println("===== 查询广州周边1000公里范围内的用户 =====");List<String> nearbyUsers = getNearbyUsers(113.267548, 23.142979, 1000, jedis);System.out.println("附近的用户: " + nearbyUsers);System.out.println("\n===== 查询广州周边1000公里范围内的用户(包含距离信息) =====");List<UserGeoInfo> nearbyUsersWithDist = getNearbyUsersWithDistance(113.267548, 23.142979, 1000, jedis);nearbyUsersWithDist.forEach(System.out::println);System.out.println("\n===== 计算用户间距离 =====");double distance = getDistanceBetweenUsers("user1", "user2", jedis);System.out.println("广州(user1)到深圳(user2)的距离: " + String.format("%.2f", distance) + "公里");distance = getDistanceBetweenUsers("user1", "user4", jedis);System.out.println("广州(user1)到北京(user4)的距离: " + String.format("%.2f", distance) + "公里");System.out.println("\n===== 获取用户坐标 =====");double[] pos = getUserPosition("user1", jedis);if (pos != null) {System.out.println("用户user1的坐标: [" + pos[0] + ", " + pos[1] + "]");}}}
}

使用Redis GEO的优势与注意事项

优势

  • 性能高效:Redis基于内存操作,地理位置查询性能极高
  • 使用简单:GEO命令集设计直观,容易上手
  • 功能完善:提供了从添加、查询到计算距离的完整功能集
  • 可扩展性好:可以轻松处理百万级别的POI(兴趣点)数据
  • 与Redis其他功能协同:可以结合Redis的缓存、事务等功能

注意事项

  • 精度限制:GEO命令的精度受到Geohash算法的限制,对于需要极高精度的应用场景(如军事)可能不适用
  • 内存消耗:大量GEO数据会占用较多内存,需要合理规划Redis服务器资源
  • 经纬度范围:Redis GEO只接受有效的经纬度范围(经度:-180到180,纬度:-85.05112878到85.05112878)
  • 数据持久化:使用AOF持久化模式可能会导致重启时间延长,需权衡数据安全性和重启速度
  • 适用场景:最适合"附近的XX"这类不需要复杂地理形状计算的场景,如需多边形区域计算等高级地理信息功能,可能需要专业GIS系统

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。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。如若转载,请注明出处:http://www.mzph.cn/news/899045.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

C语言贪吃蛇实现

When the night gets dark,remember that the Sun is also a star. 当夜幕降临时&#xff0c;请记住太阳也是一颗星星。 ————《去月球海滩篇》 目录 文章目录 一、《贪吃蛇》游戏介绍 二、WIN32部分接口简单介绍 2.1 控制台窗口大小设置 2.2 命令行窗口的名称的变更 2…

基于vue.js开发的家庭装修管理系统开发与设计(源码+lw+部署文档+讲解),源码可白嫖!

摘要 本家庭装修管理系统采用B/S架构&#xff0c;数据库是MySQL&#xff0c;网站的搭建与开发采用了先进的Node.js语言进行编写&#xff0c;使用了VUE框架。该系统从两个对象&#xff1a;由管理员和用户来对系统进行设计构建。用户的功能包括&#xff1a;注册、登录、浏览首页…

OpenCV图像拼接(5)图像拼接模块的用于创建权重图函数createWeightMap()

操作系统&#xff1a;ubuntu22.04 OpenCV版本&#xff1a;OpenCV4.9 IDE:Visual Studio Code 编程语言&#xff1a;C11 算法描述 cv::detail::createWeightMap 是 OpenCV 库中用于图像拼接模块的一个函数&#xff0c;主要用于创建权重图。这个权重图在图像拼接过程中扮演着重…

LangGraph 怎么控制递归次数

这一节我们讲讲langgraph图的递归限制 Recursion Limit&#xff0c;递归限制设置了图在单次执行过程中可以执行的最大超级步骤数。一旦达到该限制&#xff0c;LangGraph 将引发 GraphRecursionError 错误。默认情况下&#xff0c;此值设置为 25 步。递归限制可以在运行时为任何…

Milvus WeightedRanker 对比 RRF 重排机制

省流:优先选择WeightedRanker 以rag为例,优先选择bm25全文检索,其次选择向量检索 Milvus混合搜索中的重排机制 Milvus通过hybrid_search() API启用混合搜索功能&#xff0c;结合复杂的重排策略来优化多个AnnSearchRequest实例的搜索结果。本主题涵盖了重排过程&#xff0c;…

在K8S中使用ArgoCD做持续部署

一、了解argocd ArgoCD是一个基于Kubernetes的GitOps持续交付工具&#xff0c;应用的部署和更新都可以在Git仓库上同步实现&#xff0c;并自带一个可视化界面。本文介绍如何使用GitArgocd方式来实现在k8s中部署和更新应用服务。关于ci这一块这里不多介绍。主要讲解argocd如何实…

可视化图解算法:删除有序(排序)链表中重复的元素

1. 题目 描述 删除给出链表中的重复元素&#xff08;链表中元素从小到大有序&#xff09;&#xff0c;使链表中的所有元素都只出现一次 例如&#xff1a; 给出的链表为1→1→2,返回1→2. 给出的链表为1→1→2→3→3返回1→2→3. 数据范围&#xff1a;链表长度满足 0≤n≤100…

ETL:数据清洗、规范化和聚合的重要性

在当今这个数据呈爆炸式增长的时代&#xff0c;数据已成为企业最为宝贵的资产之一。然而&#xff0c;数据的海量增长也伴随着诸多问题&#xff0c;如数据来源多样、结构复杂以及质量问题等&#xff0c;这些问题严重阻碍了数据的有效处理与深度分析。在此背景下&#xff0c;ETL&…

spring boot jwt生成token

1、引入jwt依赖 <!--jwt的依赖--> <dependency><groupId>com.auth0</groupId><artifactId>java-jwt</artifactId><version>3.18.3</version> </dependency> 2、创建TokenUtils工具类 package com.pn.utils;import com.…

豪越科技:融合低空经济的消防一体化安全管控解决方案

在科技飞速发展的当下&#xff0c;2025 年低空经济正处于规模化商用的关键节点&#xff0c;其在应急救援、物流配送等多领域展现出巨大潜力。豪越科技凭借其先进的消防一体化安全管控方案&#xff0c;与低空经济深度融合&#xff0c;打造出一套更为高效、智能的消防解决方案&am…

清华大学 | DeepSeek第十版!《DeepSeek政务应用场景及解决方案》

清华大学发布的《DeepSeek政务应用场景及解决方案》研究报告&#xff0c;聚焦人工智能技术DeepSeek在政府治理与公共服务中的创新实践&#xff0c;系统阐述了其如何通过智能化技术赋能政务数字化转型&#xff0c;推动治理能力现代化。报告指出&#xff0c;DeepSeek作为融合大数…

R语言双Y轴折线图+相关性注释

目录 包和数据 作图代码及详解 包和数据 rm(list ls()) library(ggpubr) library(scales) library(ggplot2)data <- iris##鸢尾花数据集 data1 <- data[1:30,c(1,2,3)] > head(data1)Sepal.Length Sepal.Width Petal.Length 1 5.1 3.5 …

2024年3月全国计算机等级考试真题(二级C语言)

&#x1f600; 第1题 下列叙述中正确的是 A. 矩阵是非线性结构 B. 数组是长度固定的线性表 C. 对线性表只能作插入与删除运算 D. 线性表中各元素的数据类型可以不同 题目解析&#xff1a; A. 矩阵是非线性结构 错误。矩阵通常是二维数组&#xff0c;属…

基于Ebay拍卖网站成交价格的影响因素分析

摘要:近些年来网上拍卖的不断地发展&#xff0c;网上购物慢慢变成了大家普遍接受的购物方式。因此关于网上拍卖的研究日益成为很多人研究的重点。 影响拍卖网站价格的因素很多&#xff0c;但很少有人分得清楚哪些因素才是比较重要的因素&#xff0c;因此对价格因素分析&#x…

Langchain中的表格解析:RAG 和表格的爱恨情仇

实现 RAG(Retrieval-Augmented Generation)是一个挑战,尤其是在有效解析和理解非结构化文档中的表格时。这在处理扫描文档或图像格式的文档时尤为困难。这些挑战至少包括以下三个方面: 1.表格的“叛逆期”:不准确的解析可能会破坏表格结构: 表格在文档里就像个叛逆的青少…

Solr-搜索引擎-入门到精通

以下是对 Apache Solr 的简介及其常用语法的快速入门指南&#xff1a; 一、Solr 是什么&#xff1f; • 核心定位&#xff1a;Apache Solr 是一个基于 Lucene 的高性能、开源的搜索平台&#xff0c;支持全文检索、分词、高亮、聚合统计等功能。 • 核心功能&#xff1a; • 全…

原生后台GPS位置限制,降低功耗

1.后台 GPS 位置限制的背景 为了控制功耗&#xff0c;Android 平台对后台应用获取位置信息的频率进行了限制。后台的定义与后台执行限制一致&#xff0c;即应用不在前台运行时被视为后台应用。 2.更新间隔限制&#xff1a; 后台应用获取位置信息的更新间隔不能超过一定阈值。…

Docker 搭建 PlantUML 服务:高效生成 UML 图的最佳实践

PlantUML 是一款开源的 UML 图形生成工具&#xff0c;它支持生成类图、时序图、用例图、活动图等多种类型的 UML 图&#xff0c;广泛应用于软件设计、文档编写以及团队沟通中。通过 Docker 安装 PlantUML&#xff0c;开发者可以快速搭建环境&#xff0c;轻松生成 UML 图&#x…

简鹿办公汇总快速打开 Windows 资源管理器的几种方式

无论你是刚开始使用电脑的新手&#xff0c;还是已经有一定经验的用户&#xff0c;了解如何在 Windows 系统中打开资源管理器都是一个非常基本且重要的技能。Windows 资源管理器&#xff08;现在称为“文件资源管理器”&#xff09;是帮助你浏览、查找和管理计算机上所有文件的主…

DNA-PAINT

参考: 【科研教程】NUPACK网页版使用教程 https://www.bilibili.com/video/BV1G94y1W7mN/NUPACK新版网页版教程-模拟部分 https://zhuanlan.zhihu.com/p/678730568NUPACK 4.0 User Guide https://docs.nupack.org/NUPACK网页版使用指南 https://zhuanlan.zhihu.com/p/55024017…