MongoDB的一个特色就是具有丰富的查询接口,比如地理位置查询。
在地理位置查询上,MongoDB有着比传统关系型数据库的优势,下面举个例子。
当前移动互联网应用,按用户离目标门店距离排序上的场景很多。
比如:
一张门店表shop_list,表结构字段包括shop_id,shop_name,lng,lat (门店id,门店名称,以及门店的经纬度等)。
现收集到当前用户的所处位置的经纬度是,经度116.30759,纬度40.05748。获取距离用户1000m以内的100家门店,按照距离从近到远排序。
MySql的查询语句如下:
SELECT shop_id,shop_name,lng,lat, ROUND(6378.138*2*ASIN(SQRT(POW(SIN((40.05748*PI()/180-lat*PI()/180)/2),2)+COS(40.05748*PI()/180)*COS(lat*PI()/180)*POW(SIN((116.30759*PI()/180-lng*PI()/180)/2),2)))*1000) AS distance
FROM shop_list
HAVING distance < 1000
ORDER BY distance LIMIT 100;
一个这样的计算方法,显然mysql性能比较差。
下面的这个计算方法更快一些,效果和上面的几乎差不多,只是距离distance并不真实。如果只想按照距离排序查出结果是没问题的。
SELECT shop_id ,
shop_name ,
lng ,
lat ,
POWER(lat - 40.05748 , 2) + POWER(lng - 116.30759 , 2) * POWER(COS((lat + 40.05748) / 2) , 2) AS distance
FROM shop_list
HAVING distance
< 1000
ORDER BY
distance
LIMIT 100;
换做MongoDB会如何呢?
首先,要明确MongoDB在使用距离查询时,存储的经纬度结构要类似这样才可以:
'point' : [ 116.299,
40.053
]
或者:
'point' : {
'lng' : 116.299,
'lat' : 40.053
}
然后给经纬度的point做一个2dSphere索引。具体参考官方文档:
db.shop_list.createIndex({"point":"2dsphere"})
第三个用法可以得出距离值:
#这个点的附近
db.shop_list.find({
'point':{$nearSphere: [116.30759, 40.05748]}})
#这个点的附近1000米
db.shop_list.find({point: { $geoWithin: { $centerSphere:
[ [ 116.30759, 40.05748 ], 1000/6378137 ] } } })
#这个点的附近1000米的10个门店,并且有距离计算值
db.runCommand({ geoNear : "shop_list" , near :
[ 116.30759, 40.05748], num : 10 , spherical:true, distanceMultiplier: 6378137, maxDistance:1000/6378137})
运维网声明
1、欢迎大家加入本站运维交流群:群②:261659950 群⑤:202807635 群⑦870801961 群⑧679858003
2、本站所有主题由该帖子作者发表,该帖子作者与运维网 享有帖子相关版权
3、所有作品的著作权均归原作者享有,请您和我们一样尊重他人的著作权等合法权益。如果您对作品感到满意,请购买正版
4、禁止制作、复制、发布和传播具有反动、淫秽、色情、暴力、凶杀等内容的信息,一经发现立即删除。若您因此触犯法律,一切后果自负,我们对此不承担任何责任
5、所有资源均系网友上传或者通过网络收集,我们仅提供一个展示、介绍、观摩学习的平台,我们不对其内容的准确性、可靠性、正当性、安全性、合法性等负责,亦不承担任何法律责任
6、所有作品仅供您个人学习、研究或欣赏,不得用于商业或者其他用途,否则,一切后果均由您自己承担,我们对此不承担任何法律责任
7、如涉及侵犯版权等问题,请您及时通知我们,我们将立即采取措施予以解决
8、联系人Email:admin@iyunv.com 网址:www.yunweiku.com