MongoDB
是一个基于分布式文件存储的数据库。由C++语言编写。旨在为WEB应用提供可扩展的高性能数据存储解决方案。
前言
在移动开发中，经常会用到定位的功能，例如美团、饿了么、猫眼电影等应用，都使用了定位经纬度，可以查询用户位置附近的一些服务、商家等信息。
本篇文章将会讲述如何利用Mongodb进行数据存储、定位查询。
本方案为最佳实践，实现功能如下：
- 带经纬度数据的存储
- 根据用户经纬度，查询由近到远的数据（分页）
- 附带距离数值（数据库层级的计算）
- 可设置最大距离
一句话形容就是 ： 存储带经纬度的数据，并且根据用户的不同位置，返回可分组、带距离的数据列表
注意，Mongodb版本在2.4以上
分析
举个例子，我们需要做一个应用，管理员可以把商家信息发布到应用上，用户打开应用可以看到距离自己由近到远的商品，并且可以看到距离多少。
Mongodb有一种索引--地理空间索引，利用它可以进行经纬度的计算，下面继续介绍如何使用该功能。
实现
下面以Nodejs+mongoose为例
- 创建Schema：
const mongoose = require( 'mongoose' );
let VenuesSchema = new mongoose.Schema( {
name: String,
address: String,
location: {
type: [ Number ],
index: {
type: '2dsphere',
sparse: true
}
}
}, {
collection: 'Venues'
} )
- 创建Model
let VenuesModel = mongoose.model(‘Venues’, VenuesSchema)
- 插入数据
按照以下数据格式往数据库插入数据：
{
"name": "音乐派KTV(银泰城)",
"address": "武侯区高新区天府四街益州大道口银泰城4F"
"location" : [
104.05801,
30.5411
],
}
- 查看用户附近的数据
let matchQuery = {
“name” : /音乐/ig
} // 额外筛选,此处查询名字包含音乐的数据
let venuesCount = await VenuesModel.count().exec()
VenuesModel.aggregate( [
{
$geoNear: {
near: { type: 'Point', coordinates: [
104.05801 , //用户经度
30.5411 //用户纬度
] },
distanceField: 'distance', // 距离数值字段名
spherical: true,
maxDistance: 1000 // (Int类型的最大距离--米，例如500，1000),
query: matchQuery,
limit: venuesCount
}
},
{
$match: matchQuery
},
{
$count: 'venuesCount'
}, //此处添加了此处，则返回数据量，如需返回具体数据列表，删除此处
{
$skip: 30
}, // 分页，跳过数据数量
{
$limit: 30
} // 分页，返回的数据数量
] )
总结
本次主要分享位置索引和aggregate的用法，十分实用的一个功能。
- 返回的数据默认就是近到远的数据
- 不要忘了数据库字段location的索引配置
- 距离信息会附带在返回的信息列表中，会有一个distance字段（我们定义的，可以修改）
图片发自简书App
