使用Redis來實現LBS的應用

微信、陌陌 架構方案分析

近兩年、手機應用，莫過於微信、陌陌之類最受歡迎；但實現原理，分享文章甚少。

故，提出兩種方案，供分享；不對之處，敬請留言學習。

目標

解決大型應用（微信、陌陌級別）中，用戶經緯度在不斷更新，用戶查找頻繁的問題。（每分鐘1000W級）

方案A:

本方案前，請先閱讀：基於LBS功能應用的Geohash方案，看過該文章即可簡單知道；

一、僅需每分鐘將用戶的經緯度，上報到數據庫；

二、而後每次用戶查找附近好友時，經過 LIKE 'wm3yr3%'，便可獲取

缺點：稍有必定數據量，對數據庫的鴨梨可想而知

方案B：使用Redis

策略

假象把中國分紅，若干個一平方千米的單元格

1）、用戶位置的變動，理解爲一個單元格移動到另一個單元格（或者不移動）

2）、用戶查找附近，理解爲查找，本身所在方塊的的全部人

數據結構

1）、用戶基本信息 緯度、經度、GeoHash值（經緯度，僅用於後期距離計算）

2）、單元格 集合（用戶1，用戶2，…）

存儲工具

1）、redis string（key->value） 結構，存儲用戶基本信息

2）、redis set（集合） 結構，以GeoHash值，前6位做爲key（約表示一平方公里），存儲單元格的用戶羣

算法流程

1）、更新用戶信息，先刪除用戶原所在集合，再更新當前用戶信息，最後更新當前用戶所在集合

2）、查找附近，直接查找，所在單元格集合全部用戶ID

具體實現

<?php
 /**
  * LBS核心類
  * @author name <simplephp@163.com>
  * @site http://www.wubiao.info
  */
include_once('geohash.class.php');
 
class LBS {
    //索引長度 6位
    protected $index_len = 6;
    protected $redis;
    protected $geohash;
 
    public function __construct() {
        //redis
        $this->redis = new Redis();
        $this->redis->pconnect('127.0.0.1','6379');
        //geohash
        $this->geohash = new Geohash();
    }
    /**
    * 更新用戶信息
    * @param mixed $latitude 緯度
    * @param mixed $longitude 經度
    */
    public function upinfo($user_id,$latitude,$longitude) {
        //原數據處理
        //獲取原Geohash
        $o_hashdata = $this->redis->hGet($user_id,'geo');
        if (!empty($o_hashdata)) {
            //原索引
            $o_index_key = substr($o_hashdata, 0, $this->index_len);
            //刪除
            $this->redis->sRem($o_index_key,$user_id);
        }
        //新數據處理
        //緯度
        $this->redis->hSet($user_id,'la',$latitude);
        //經度
        $this->redis->hSet($user_id,'lo',$longitude);
        //Geohash
        $hashdata = $this->geohash->encode($latitude,$longitude);
        $this->redis->hSet($user_id,'geo',$hashdata);
        //索引
        $index_key = substr($hashdata, 0, $this->index_len);
        //存入
        $this->redis->sAdd($index_key,$user_id);
        return true;
    }
    /**
    * 獲取附近用戶
    * @param mixed $latitude 緯度
    * @param mixed $longitude 經度
    */
    public function serach($latitude,$longitude) {
        //Geohash
        $hashdata = $this->geohash->encode($latitude,$longitude);
        //索引
        $index_key = substr($hashdata, 0, $this->index_len);
        //取得
        $user_id_array = $this->redis->sMembers($index_key);
        return $user_id_array;
    }
}
?>

　　

性能測試

1）模擬數據上報

<?php
 /**
  * 模擬數據上報
  * @author name <simplephp@163.com>
  * @site http://www.wubiao.info
  */
include_once('lbs.class.php');
 
$b_time = microtime(true);
$n = 0;
 
while(1) {
    //user_id 1~1000000
    $user_id = rand(1, 1000000);
 
    //latitude 30.59773~30.726786
    $rand_latitude = rand(30597730, 30726786);
    $latitude = $rand_latitude / 1000000;
 
    //longitude 103.983192 ~104.16069
    $rand_longitude = rand(103983192, 104160690);
    $longitude = $rand_longitude / 1000000;
 
    $lbs = new lbs();
    $lbs->upinfo($user_id, $latitude, $longitude);
    $n++;
    mylog($n);
    $e_time = microtime(true);
    if(($e_time - $b_time) >= 60) {
        exit;
    }
}
 
function mylog($content) {
    file_put_contents('upinfo.log', $content . "\r\n", FILE_APPEND);
}
?>

　　

2）模擬附近查找

<?php
 /**
  * 模擬附近查找
  * @author name <simplephp@163.com>
  * @site http://www.wubiao.info
  */
include_once('lbs.class.php');
 
$b_time = microtime(true);
$n = 0;
 
while(1) {
    //latitude 30.59773~30.726786
    $rand_latitude = rand(30597730, 30726786);
    $latitude = $rand_latitude / 1000000;
 
    //longitude 103.983192 ~104.16069
    $rand_longitude = rand(103983192, 104160690);
    $longitude = $rand_longitude / 1000000;
 
    $lbs = new lbs();
    $re = $lbs->serach($latitude,$longitude);
 
    $n++;
    mylog($n);
 
    $e_time = microtime(true);
    if(($e_time-$b_time) >= 60) {
        exit;
    }
}
 
function mylog($content) {
    file_put_contents('search.log', $content . "\r\n", FILE_APPEND);
}
?>

　　

測試環境

vmWare虛擬機，內存256M，主頻2.93GHz

性能結果

模擬了100W活躍用戶行爲，不斷更新，不斷查找附近好友

//60 seconds insert
88544
 
//60 seconds search
117660
 
//成都 100W人，數據佔用內存

　　

總結

從測試結果來看，徹底能知足，微信、陌陌之類的性能要求；

尚可改進之處：

一、Geohash，可寫成PHP C擴展；或者其餘Geohash實現方式

二、Redis，內存消耗較大，可考慮redis集羣方案

三、本文僅查出本單元格用戶，提升精度，可查出周圍八個單元個，求交集

四、求出結果，如需按照由遠到近排序；讀出Redis經緯度，利用距離公式排序方可。（可參照上一篇文章）

問題

1）假設我如今設定的hash長度爲7 ，那一個個hash值對應一個塊，如何獲得這個塊的座標區間呢？

例如，成都永豐立交的Geohash值爲：wm3yr31d2524；如取7位，則爲，wm3yr31；

根據Geohash的算法，那麼區間就會是 wm3yr3100000 ~ wm3yr31zzzzz;

根據如上兩值，經過「Geohash->經緯度」算出經緯度，可大體肯定區間。

2）若是用戶上報的位置信息有時效性（好比：15秒內有效）如何處理？

能夠在redis存儲的時候，設置有效時間