mongo的geo查询

maven

        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-data-mongodb</artifactId>
        </dependency>

domain

@Document(collection="coffeeShop")
public class CoffeeShop {

    @Id
    private String id;

    private String name;

    @GeoSpatialIndexed
    private double[] location;
    
    //....
    
}    

near查询

spherical为true则距离单位为空间弧度,false则距离单位为水平单位度

度查询

spherical为false,参数为公里数除以111

public GeoResults<CoffeeShop> near2(double[] poi){
        NearQuery near = NearQuery
                .near(new Point(poi[0],poi[1]))
                .spherical(false)
                .num(1);
        GeoResults<CoffeeShop> results = mongoTemplate.geoNear(near, CoffeeShop.class);
        return results;
    }

输出

GeoResults: [averageDistance: 0.08294719588991498, results: GeoResult [content: com.codecraft.domain.CoffeeShop@747f6c5a, distance: 0.08294719588991498, ]]

不指定spherical,默认为false,结果中的dis需要乘以111换算为km

public GeoResults<CoffeeShop> near2(double[] poi){
        NearQuery near = NearQuery
                .near(new Point(poi[0],poi[1]))
                .spherical(false)
                .distanceMultiplier(111)
                .num(1);
        GeoResults<CoffeeShop> results = mongoTemplate.geoNear(near, CoffeeShop.class);
        return results;
    }

输出

GeoResults: [averageDistance: 9.207138743780563 org.springframework.data.geo.CustomMetric@28768e25, results: GeoResult [content: com.codecraft.domain.CoffeeShop@310d57b1, distance: 9.207138743780563 org.springframework.data.geo.CustomMetric@28768e25, ]]

即北京阿里绿地中心距离三里屯星巴克距离9km

若要设置最大距离,则

public GeoResults<CoffeeShop> near2(double[] poi){
        NearQuery near = NearQuery
                .near(new Point(poi[0],poi[1]))
                .spherical(false)
                .maxDistance(5/111.0d)
                .distanceMultiplier(111)
                .num(1);
        GeoResults<CoffeeShop> results = mongoTemplate.geoNear(near, CoffeeShop.class);
        return results;
    }

结果为空

弧度查询

需要数据存储为(经度,纬度),不然报错

org.springframework.dao.DataIntegrityViolationException: Write failed with error code 16755 and error message 'Can't extract geo keys: { _id: ObjectId('58df9c50b45cbc069f6ff548'), _class: "com.codecraft.domain.CoffeeShop", name: "深圳市南山区星巴克(海岸城店)", location: [ 22.52395, 113.943442 ] }  can't project geometry into spherical CRS: [ 22.52395, 113.943442 ]'; nested exception is com.mongodb.WriteConcernException: Write failed with error code 16755 and error message 'Can't extract geo keys: { _id: ObjectId('58df9c50b45cbc069f6ff548'), _class: "com.codecraft.domain.CoffeeShop", name: "深圳市南山区星巴克(海岸城店)", location: [ 22.52395, 113.943442 ] }  can't project geometry into spherical CRS: [ 22.52395, 113.943442 ]'
    at org.springframework.data.mongodb.core.MongoExceptionTranslator.translateExceptionIfPossible(MongoExceptionTranslator.java:85)

使用

public GeoResults<CoffeeShop> nearRadian(double[] poi){
        NearQuery near = NearQuery
                .near(new Point(poi[0],poi[1]))
                .spherical(true)
                .maxDistance(10,Metrics.KILOMETERS) //MILES以及KILOMETERS自动设置spherical(true)
                .distanceMultiplier(6371)
                .num(1);
        GeoResults<CoffeeShop> results = mongoTemplate.geoNear(near, CoffeeShop.class);
        return results;
    }

test

@Test
    public void testInitGeo() {
        //http://map.yanue.net/toLatLng/
        CoffeeShop shop1 = new CoffeeShop("深圳市南山区星巴克(海岸城店)",new double[]{113.943442,22.52395});
        CoffeeShop shop2 = new CoffeeShop("广州市白云区星巴克(万达广场店)",new double[]{113.274643,23.180251});
        CoffeeShop shop3 = new CoffeeShop("北京市朝阳区星巴克(三里屯店)",new double[]{116.484385,39.923778});
        CoffeeShop shop4 = new CoffeeShop("上海市浦东新区星巴克(滨江店)",new double[]{121.638481,31.230895});
        CoffeeShop shop5 = new CoffeeShop("南京市鼓楼区星巴克(山西路店)",new double[]{118.788924,32.075343});
        CoffeeShop shop6 = new CoffeeShop("厦门市思明区星巴克(中华城店)",new double[]{118.089813,24.458157});
        CoffeeShop shop7 = new CoffeeShop("杭州市西湖区星巴克(杭州石函店)",new double[]{120.143005,30.280273});

        coffeeShopDao.save(Lists.newArrayList(shop1,shop2,shop3,shop4,shop5,shop6,shop7));

    }

    @Test
    public void testNear(){
        //经度\纬度
        double[] bjAli = new double[]{116.492644,40.006313};
        double[] szAli = new double[]{113.950723,22.558888};
        double[] shAli = new double[]{121.387616,31.213301};
        double[] hzAli = new double[]{120.033345,30.286398};
        Arrays.asList(bjAli,szAli,shAli,hzAli).stream().forEach(d -> {
            GeoResults<CoffeeShop> results = locationService.nearRadian(d);
            System.out.println(results);
        });
    }

小结

  • 经度、纬度的坐标顺序很容易搞错,x轴是纬度,轴是经度,这也是Point定义的顺序。不过这样的顺序对于使用弧度spherical查询,很容易出错,即spherical查询要求顺序是(经度,纬度),即数据和参数都是这样的顺序。
  • 对于只需要取最近N个的场景,使用num即可;
  • 要使用结果中的距离时,需要注意单位换算。
  • 对于要指定maxDistance之类的入参时,使用非spherical要注意单位换算;对于使用spherical查询的时候,MILES以及KILOMETERS自动设置spherical(true),无需关心入参单位转换。

另外,对于spherical与非spherical查询,貌似没啥区别,就是spherical在使用时入参无需关心单位换算,稍微方便点。

doc

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,098评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,213评论 2 380
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,960评论 0 336
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,519评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,512评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,533评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,914评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,574评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,804评论 1 296
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,563评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,644评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,350评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,933评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,908评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,146评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,847评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,361评论 2 342

推荐阅读更多精彩内容