mongodb - 基于2dSphere索引查找最近的点

    基于地理位置的应用越来越多，该功能可以查找距离当前位置最近的地点，例如美团、共享单车等。MongoDB为LBS应用提供了解决方案：基于2dSphere索引，我们可以基于该特性创建LBS应用。下面通过一个案例说明如何用mongoDB做位置搜索。

    如下图所示。假设我们有以下的坐标点 A B C D E F G, 分别代表一些采集到地理位置的商店。那么，我们怎么才能获取到距离自己最近的商店呢？我们有一个集合是商店shop，分别保存了商店的名称和地理位置。

（1）创建商店的集合

db.createCollection("shop")

（2）为字段位置location建立索引，类型：2dsphere

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

（3）插入商店的测试数据

在前面我们为位置创建了2dsphere索引，这里需要插入的是GeoJson数据。GeoJson的格式是

{ type: ‘GeoJSON type’ , coordinates: ‘coordinates’ }

其中type指的是类型，可以是Point(本例中用的)。除此之外，还有LineString，Polygon等类型，coordinates是一个坐标数组。

可以到官网 https://docs.mongodb.com/manual/reference/geojson/ 参考其他类型。
 

db.shop.insert({name:"A",location:{type:"Point",coordinates:[105.754484701156,41.689607057699]}})
db.shop.insert({name:"B",location:{type:"Point",coordinates:[105.304045248031,41.783456183240]}})
db.shop.insert({name:"C",location:{type:"Point",coordinates:[105.084318685531,41.389027478812]}})
db.shop.insert({name:"D",location:{type:"Point",coordinates:[105.831388998031,41.285916385493]}})
db.shop.insert({name:"E",location:{type:"Point",coordinates:[106.128706502914,42.086868474465]}})
db.shop.insert({name:"F",location:{type:"Point",coordinates:[105.431074666976,42.009365053841]}})
db.shop.insert({name:"G",location:{type:"Point",coordinates:[104.705977010726,41.921549795110]}})

（4）查询附近的商店

db.runCommand({
    geoNear:"shop",
    near:{type:"Point",coordinates:[105.794621276855,41.869574065014]},
    spherical:true,
    minDistance:25000,
    maxDistance:40000,
    })

 参数分别是：

• geoNear: 集合名称
• near: 就是基于那个点进行搜索
• spherical: 是个布尔值，如果为true，表示将计算实际的物理距离比如两点之间有多少km,若为false,则会基于点的单位进行计算
• minDistance: 搜索的最小距离，这里的单位是米
• maxDistance: 搜索的最大距离

数据返回：

{
        "results" : [
                {
                        "dis" : 33887.541661125804,
                        "obj" : {
                                "_id" : ObjectId("5d8f7f4d54cc000ac9ebac97"),
                                "name" : "F",
                                "location" : {
                                        "type" : "Point",
                                        "coordinates" : [
                                                105.431074666976,
                                                42.009365053841
                                        ]
                                }
                        }
                },
                {
                        "dis" : 36734.974878412715,
                        "obj" : {
                                "_id" : ObjectId("5d8f7f4d54cc000ac9ebac96"),
                                "name" : "E",
                                "location" : {
                                        "type" : "Point",
                                        "coordinates" : [
                                                106.128706502914,
                                                42.086868474465
                                        ]
                                }
                        }
                }
        ],
        "stats" : {
                "nscanned" : 7,
                "objectsLoaded" : 4,
                "avgDistance" : 35311.258269769256,
                "maxDistance" : 36734.974878412715,
                "time" : 5128
        },
        "ok" : 1
}

在results中，我们搜索到了点F和E。每个文档都加上了一个dis字段，他表示这个点离你搜索点的距离。比如说，在结果中name为F的点的dis为33887.5416611258。表示F点距离搜索点的距离是33887米。

 

来源：https://my.oschina.net/thinwonton/blog/3112410