如果现在要开发一个功能：
让你来开发这个功能，你会如何实现？
MySQL 不合适
你可能想到，把用户用户的经纬度坐标使用MySQL等关系数据库（用户id，经度x，纬度y）存储，但是该如何计算距离和排序呢？
不可能通过遍历来计算所有的用户和目标用户的距离，然后再进行排序，因为这个计算量太大了，性能指标肯定无法满足。
GeoHash的编码方法
为了能高效地对经纬度进行比较，Redis 采用了业界广泛使用的 GeoHash 编码方法，这个方法的基本原理是“二分区间，区间编码”。
关于 GeoHash 参考 https://www.cnblogs.com/LBSer/p/3310455.html。
简单来说，GeoHash 能够将二维的经纬度转换为字符串，然后位置就能够直接进行比较和范围查询了。
Redis 中 Geo 的使用
示例
假设用户ID是33，经纬度位置是(116.054579, 39.030452)，我们可以用一个 GEO 集合保存所有用户的经纬度，集合 key 是 users:locations。执行下面的这个命令，就可以把ID号为33的用户的当前经纬度位置存入GEO集合中：
GEOADD users:locations 116.034579 39.030452 33
当用户想要寻找自己附近的人时，就可以使用 GEORADIUS 命令。
例如，执行下面的命令，Redis 会根据输入的用户的经纬度信息(116.054579, 39.030452)，查找以这个经纬度为中心的5公里内的用户信息。
GEORADIUS users:locations 116.054579 39.030452 5 km ASC COUNT 10
总结
在一个地图应用中，车的数据、餐馆的数据、人的数据可能会有百万千万条，如果使用 Redis 的 Geo 数据结构，它们将全部放在一个 Sorted Set 集合中。在 Redis 的集群环境中，集合可能会从一个节点迁移到另一个节点，如果单个 key 的数据过大，会对集群的迁移工作造成较大的影响，在集群环境中单个 key 对应的数据量不宜超过 1M，否则会导致集群迁移出现卡顿现象，影响线上服务的正常运行。
所以，这里建议 Geo 的数据使用单独的 Redis 实例部署，不使用集群环境。
如果数据量过亿甚至更大，就需要对 Geo 数据进行拆分，按国家拆分、按省拆分，按市拆分，在人口特大城市甚至可以按区拆分。这样就可以显著降低单个 Sorted Set 集合的大小。