原文来自于:http://www.infoq.com/cn/news/2015/07/redis-geo

移动互联网增进了人与人之间的联系，其中基于位置信息的服务（Location Based Service，LBS）起到很重要的促进作用。在移动互联网的大环境下，每个手机都变成了一个位置追踪设备，为人们提供了非常丰富的位置服务。无论是附近的人，还是摇一摇等耳熟能详的应用都需要LBS在后台的支撑。但是，目前位置信息的使用过程中存在诸多挑战如相邻计算不准确等。由于经常面对海量数据请求，通常位置服务的计算都需要数据库来完成，Redis Geo模块因此而生，旨在提供精准而且稳定的位置服务。

在位置服务的挑战中，常见的是计算两个位置是否相邻的问题。位置信息由一个四元组构成，（经度、纬度、海拔、时间），在使用过程中比较常用的是经纬度。想要进行相邻计算，需要一个二维索引。问题是现有的基于简单的一维索引和划范围搜索实现的二维索引，基本只适用于整数查询，并不适用于经纬度这种位置的相似度查询。意识到了这个困难，且伴随位置服务需求日益增长的情况，2008年Gustavo Niemeyer提出了Geohash，简单来说是一个32位的编码字符串来将位置能够编码整合成为可范围查找的实体。由于大多数数据库都支持范围查询，因此位置就变得可查找和计算。原始Geohash的缺点是查询的准确度有时较低，后续开发者又创造了52位Geohash等来满足定制化的需求。

NoSQL中，Mongodb对位置服务的支持较好，稳定地支持了foursquare等应用。而HBase也曾推出相关教程支持在应用中引入位置服务。作为优秀NoSQL数据库的典范，Redis在位置计算方面却略显薄弱。为此，意大利程序员Salvatore Sanfilippo（antirez@GitHub）维护了一个专门为Redis增加位置计算的分支。发布之后，获得领域内的一致认可，短短几个月收获多达1万3千余个星标。在Hacker News上，许多程序员也表示对Redis位置查询的功能相见恨晚，大家积极讨论了Redis Geo存在的必要性，以及后续应该从性能和查询准确性上提升的若干手段，甚至有人进一步贡献了Redis Geo的Docker镜像。

更多关于Redis Geo的细节可以参考antirez给出的文档页面，其中包括了Redis Geo的基本使用，例如添加经纬度、计算经纬度相似度、计算城市之间的包含关系等多种位置计算功能。antirez还进一步解释了Redis Geo的工作原理，以及该模块在Benchmark上运行的性能表现，每秒可达近5百万次编解码，能满足大部分位置服务应用的需求。