Redis的GEO
除了Redis的几种基础类型，为了更多丰富的功能，Redis还提供了一些额外的类型，例如BitMap HyperLogLog 等。而用户LBS的场景，可以使用GEO来解决，例如目前已知有10个店铺的经纬度，和用户个人的经纬度，快速选出离用户最近的点，就可以使用GEO来解决。
GeoHash编码格式
假设现在A店铺的地址为(116.37，39.86) ,每一组的地址都由2个值组成，这样进行比较是非常不方便的，因此需要通过一种编码的格式，来转化为一个值，这样比较起来就很方便
GeoHash，分别处理经度和维度
经度：把经度分为 -180-0 和 0-180，2个区间，分别为0 和 1 ，第二次，116 落在0-180之间，所以第二次再次分为2个区间 0-90 和90-180 ，分别为0和1 ，依次类推，最后经过5次分区，得到 11010 这个编码
维度 ： 把整个维度分为-90-0 和 0-90 2个区间，分别为0和1 ，第二次，39 落在0-90 所以第二次再次分为2个区间 0-45 45-0，一次类推，最后经过5次分区得到10111这个编码
最后把2个编码一次穿插起来，维度的编码第一个插入
用了 GeoHash 编码后，原来无法用一个权重分数表示的一组经纬度（116.37，39.86）就可以用 1110011101 这一个值来表示，就可以保存为 Sorted Set 的权重分数了
GeoHash 误差
通过多次的区间分割，在一个平面上得到多个小格子，通过小格子的编码就可以知道彼此之间的大小关系。在不考虑地球的曲面率的情况下，这样去规划一个平面是误差很小的，而且对于一些不要求非常精准的业务来说，非常的省时省力。
可是，这样的算法还是存在一定的误差
在这个图里面，0111 和 1000 是相邻的2个格子，但是从图中可以看出来，其实2者的位置相差甚远，所以，为了避免查询不准确问题，我们可以同时查询给定经纬度所在的方格周围的 4 个或 8 个方格
GEO相关API
更多的API和方法，可以通过网上查找
