Mongodb的2d查询

本文涉及的产品
云数据库 MongoDB,独享型 2核8GB
推荐场景:
构建全方位客户视图
简介: 初始化两条有坐标的数据: 注意:location不能存储字符串。 为location这个字段添加2d索引: db.location.ensureIndex({"location":"2d"})查询指定的一个点距离最近的100个点:Point point = new Point(10,10);List result = mongoTemplate.

初始化两条有坐标的数据:
这里写图片描述
注意:location不能存储字符串。
为location这个字段添加2d索引:

 db.location.ensureIndex({"location":"2d"})

查询指定的一个点距离最近的100个点:

Point point = new Point(10,10);
List<HashMap> result = mongoTemplate.find(new Query(Criteria.where("location").near(point))
        ,HashMap.class,"location");

查询结果会按照距离进行排序,默认查询100条,可以通过limit来限制查询的条数。

查询一个点指定半径内的所有点(效率高于near):

Point point = new Point(10,10);
Circle circle = new Circle(point, 20);
List<HashMap> result = mongoTemplate.find(new Query(Criteria.where("location").within(circle))
        ,HashMap.class,"location");

计算球体距离范围内的点:

Point point = new Point(10,10);
Circle circle = new Circle(point, 1);
List<HashMap> result = mongoTemplate.find(new Query(Criteria.where("location").withinSphere(circle))
        ,HashMap.class,"location");

矩形查询:

Point point1 = new Point(10,10);
Point point2 = new Point(20,20);
Box box = new Box(point1, point2);
List<HashMap> result = mongoTemplate.find(new Query(Criteria.where("location").within(box))
        ,HashMap.class,"location");

空间距离查询:

Point point = new Point(10,10);
List<HashMap> result = mongoTemplate.find(new Query(Criteria.where("location").nearSphere(point).maxDistance(100))
        ,HashMap.class,"location");

以上的查询都只是图形查询,并非正在的gps之间的距离,例如[10,11]和[10,12]之间的距离只是1,并非经纬度对应的距离差,如果要查询对应的距离差,需要指定Distance对象的单位:

Point location = new Point(12, 12);
NearQuery query = NearQuery.near(location).maxDistance(new Distance(100000, Metrics.KILOMETERS));
GeoResults<HashMap> result = mongoTemplate.geoNear(query, HashMap.class,"location");

这种方式的查询,会返回真实的距离以及所有满足条件的平均距离。
within也可以指定查询的distance对象:

Point point = new Point(10,10);
Circle circle = new Circle(point, new Distance(1000));
List<HashMap> result = mongoTemplate.find(new Query(Criteria.where("location").near(point).maxDistance(10))
    ,HashMap.class,"location");

当然是用geoNear这种方法有一个好处,就是可以返回具体的距离是多少。

相关实践学习
MongoDB数据库入门
MongoDB数据库入门实验。
快速掌握 MongoDB 数据库
本课程主要讲解MongoDB数据库的基本知识,包括MongoDB数据库的安装、配置、服务的启动、数据的CRUD操作函数使用、MongoDB索引的使用(唯一索引、地理索引、过期索引、全文索引等)、MapReduce操作实现、用户管理、Java对MongoDB的操作支持(基于2.x驱动与3.x驱动的完全讲解)。 通过学习此课程,读者将具备MongoDB数据库的开发能力,并且能够使用MongoDB进行项目开发。 &nbsp; 相关的阿里云产品:云数据库 MongoDB版 云数据库MongoDB版支持ReplicaSet和Sharding两种部署架构,具备安全审计,时间点备份等多项企业能力。在互联网、物联网、游戏、金融等领域被广泛采用。 云数据库MongoDB版(ApsaraDB for MongoDB)完全兼容MongoDB协议,基于飞天分布式系统和高可靠存储引擎,提供多节点高可用架构、弹性扩容、容灾、备份回滚、性能优化等解决方案。 产品详情: https://www.aliyun.com/product/mongodb
目录
相关文章
|
16天前
|
存储 NoSQL MongoDB
掌握MongoDB索引优化策略:提升查询效率的关键
在数据库性能调优中,索引是提升查询效率的利器。本文将带你深入了解MongoDB索引的内部工作原理,探讨索引对查询性能的影响,并通过实际案例指导如何针对不同的查询模式建立有效的索引。不仅将涵盖单一字段索引,还会探讨复合索引的使用,以及如何通过分析查询模式和执行计划来优化索引,最终实现查询性能的最大化。
|
5天前
|
存储 NoSQL MongoDB
MongoDB 查询分析
10月更文挑战第21天
6 1
|
5天前
|
NoSQL MongoDB 索引
MongoDB 覆盖索引查询
10月更文挑战第21天
12 1
|
11天前
|
SQL NoSQL MongoDB
MongoDB 查询文档
10月更文挑战第15天
12 1
|
13天前
|
人工智能 NoSQL 机器人
MongoDB Atlas与YoMio.AI近乎完美适配:推理更快速、查询更灵活、场景更丰富
随着MongoDB的新发布和革新,YoMio.AI的“闪电式发展”值得期待。
|
5月前
|
NoSQL 定位技术 MongoDB
解锁MongoDB索引的秘密:优化查询效率与应对限制的策略
解锁MongoDB索引的秘密:优化查询效率与应对限制的策略
|
2月前
|
SQL NoSQL JavaScript
04 MongoDB各种查询操作 以及聚合操作总结
文章全面总结了MongoDB中的查询操作及聚合操作,包括基本查询、条件筛选、排序以及聚合管道的使用方法和实例。
65 0
|
3月前
|
JSON NoSQL MongoDB
MongoDB Schema设计实战指南:优化数据结构,提升查询性能与数据一致性
【8月更文挑战第24天】MongoDB是一款领先的NoSQL数据库,其灵活的文档模型突破了传统关系型数据库的限制。它允许自定义数据结构,适应多样化的数据需求。设计MongoDB的Schema时需考虑数据访问模式、一致性需求及性能因素。设计原则强调简洁性、查询优化与合理使用索引。例如,在构建博客系统时,可以通过精心设计文章和用户的集合结构来提高查询效率并确保数据一致性。正确设计能够充分发挥MongoDB的优势,实现高效的数据管理。
54 3
|
3月前
|
存储 NoSQL MongoDB
【掌握MongoDB】轻松精通MongoDB查询,从基础到高级一网打尽!
【8月更文挑战第24天】在数据驱动的时代,数据库的性能与灵活性对企业至关重要。MongoDB作为一种高性能、无模式的文档数据库,为开发者提供了灵活的数据存储方案。尤其在处理半结构化或多变数据时展现出强大优势。本文重点介绍MongoDB中的查询操作,包括基本查询、条件查询、复杂查询以及字段选择、排序和限制等功能。通过掌握这些基本查询技巧,开发者能够有效从MongoDB中检索数据,支持复杂的业务逻辑。
56 1
|
3月前
|
监控 NoSQL MongoDB
mongodb查询100万数据如何查询快速
综上,提高MongoDB百万级数据的查询性能需要综合多项技术,并在实际应用中不断调优和实践。理解数据的特征,合理设计索引,优化查询语句,在数据访问、管理上遵循最佳的实践,这样才能有效地管理和查询大规模的数据集合。
185 1