MongoDB CRUD操作：地理位置查询

MongoDB CRUD操作：地理位置查询

地理空间数据

在MongoDB中，可以将地理空间数据存储为GeoJSON对象或传统坐标对。

GeoJSON对象

要计算类地球体上的几何形状，可将位置数据存储为GeoJSON对象，GeoJSON对象是一个内嵌文档：

• 名为 type 的字段，指定 GeoJSON对象类型
• 名为坐标的字段，用于指定对象的坐标。

<field>: { type: <GeoJSON type> , coordinates: <coordinates> }

注意：

经纬度坐标的第一个元素是经度第二个元素是纬度。其中经度值介于-180和180之间（含）。有效的纬度值介于-90和90之间（含）。

例如，一个GeoJSON的点：

location: {type: "Point",coordinates: [-73.856077, 40.848447]
}

关于对GeoJSON对象的地理空间查询在球体上计算，MongoDB 使用WGS84参考系统对GeoJSON对象进行地理空间查询。

传统坐标对

要计算欧几里得平面上的距离，需将位置数据存储为传统坐标对并使用2d索引。如果手动将数据转换为GeoJSON点类型，MongoDB将通过使用2dsphere索引支持传统坐标对上的球面计算。

要将数据指定为传统坐标对，可以使用数组（首选）或嵌入式文档。

通过数组指定（首选）

<field>: [ <x>, <y> ]

指定经纬度坐标时，则指定经度，再指定纬度。

<field>: [<longitude>, <latitude> ]

• 有效的经度值介于 -180 和 180 之间（包含）。
• 有效的纬度值介于 -90 和 90 之间（包含）。

通过嵌入文档指定

<field>: { <field1>: <x>, <field2>: <y> }

如果指定纬度和经度坐标，则无论字段名称如何，第一个字段都必须包含经度值，第二个字段必须包含纬度值，即：

<field>: { <field1>: <longitude>, <field2>: <latitude> }

• 有效的经度值介于 -180 和 180 之间（包含）。
• 有效的纬度值介于 -90 和 90 之间（包含）。

指定旧坐标对，数组优于嵌入文档，因为某些语言不保证关联映射顺序。

地理空间索引

MongoDB 提供以下地理空间索引类型来支持地理空间查询：

2dsphere

2dsphere 索引支持计算类地球体几何图形的查询。

可使用db.collection.createIndex()创建2dsphere索引，并指定字符串"2dsphere"作为索引类型：

db.collection.createIndex( { <location field> : "2dsphere" } )

其中，<location field>是一个字段，其值为GeoJSON对象或传统坐标对。

**注意：**在包含geoJSON点数组的字段上创建索引，将失败并返回错误信息：MongoServerError：索引构建失败。

2d

2d索引支持在二维平面几何图形的查询，虽然2d索引可以支持在球面上的$nearSphere查询，但还是建议尽量使用2dsphere索引进行球面查询。

可使用db.collection.createIndex()创建2dsphere索引，并指定字符串"2d"作为索引类型：

db.collection.createIndex( { <location field> : "2d" } )

<location field>字段的值是一个传统坐标对。

地理空间查询

注意：使用二维索引查询球形数据可能会返回不正确的结果或错误。例如，二维索引不支持围绕极点的球形查询。

地理空间查询运算符

MongoDB 提供以下地理空间查询操作符：

地理空间聚合阶段

MongoDB支持$geoNear地理空间聚合管道阶段，可根据与地理空间点的接近程度返回有序的文档流，合并了地理空间数据的$match、$sort 和 $limit 的功能，输出文档包括附加距离字段，并且可以包括位置标识符字段。$geoNear要求地理空间索引。

地理空间模型

MongoDB 地理空间查询可解释平面或球面上的几何图形，2dsphere索引只支持球面查询（即解释球面上几何图形的查询），2d索引支持平面查询（即解释平面上几何图形的查询）和部分球面查询，虽然 2d 索引支持某些球面查询，但在这些球面查询中使用2d索引可能会导致错误。所以，建议尽量使用 2dsphere 索引进行球形查询。

下表列出了每个地理空间操作使用的地理空间查询操作符、支持的查询：

举例

使用下面的脚本创建places集合：

db.places.insertMany( [{name: "Central Park",location: { type: "Point", coordinates: [ -73.97, 40.77 ] },category: "Parks"},{name: "Sara D. Roosevelt Park",location: { type: "Point", coordinates: [ -73.9928, 40.7193 ] },category: "Parks"},{name: "Polo Grounds",location: { type: "Point", coordinates: [ -73.9375, 40.8303 ] },category: "Stadiums"}
] )

先在location字段上创建2dsphere索引：

db.places.createIndex( { location: "2dsphere" } )

下面的查询使用$near运算符返回距离指定GeoJSON点至少1000米、最多 5000米的文档，并按从最近到最远的顺序排序：

db.places.find({location:{ $near:{$geometry: { type: "Point",  coordinates: [ -73.9667, 40.78 ] },$minDistance: 1000,$maxDistance: 5000}}}
)

下面的操作使用$geoNear聚合操作返回与查询过滤器{category: "Parks" }匹配的文档，并按照距指定GeoJSON点从最近到最远的顺序排序：

db.places.aggregate( [{$geoNear: {near: { type: "Point", coordinates: [ -73.9667, 40.78 ] },spherical: true,query: { category: "Parks" },distanceField: "calcDistance"}}
] )