Po pierwsze, zdecydowanie radzę utworzyć indeks „2dsphere” dla swojej kolekcji, jeśli zamierzasz wykonywać zapytania geoprzestrzenne o współrzędne świata rzeczywistego.
Upewnij się, że upuściłeś inne indeksy, z którymi mogłeś się bawić:
db.records.dropIndexes();
db.records.createIndex({ "addresses.loc": "2dsphere" })
Aby zrobić to, co chcesz, najpierw spójrz na niewielką modyfikację, która obejmuje również includeLocs opcja $geoNear
db.records.aggregate([
{ "$geoNear": {
"near": [ -73.9815103, 40.7475731 ],
"spherical": true,
"distanceField": "distance",
"includeLocs": "locs"
}}
])
Teraz zobaczysz wyjście, które wygląda tak:
{
"_id" : ObjectId("592d0c78555a7436b0883960"),
"userid" : 7,
"addresses" : [
{
"apporx" : 50,
"loc" : [
-73.98137109999999,
40.7476039
]
},
{
"apporx" : 15,
"loc" : [
-73.982002,
40.74767
]
},
{
"apporx" : 10,
"loc" : [
-73.9819567,
40.7471609
]
}
],
"distance" : 0.0000019174641401278624,
"locs" : [
-73.98137109999999,
40.7476039
]
}
Więc to, co zwróciło, to nie tylko odległość do najbliższego punktu, ale także „która” lokalizacja była użyta w dopasowaniu.
Więc jeśli chcesz $filter
oryginalną tablicę, aby zwrócić najbliższą, wtedy możesz:
db.records.aggregate([
{ "$geoNear": {
"near": [ -73.9815103, 40.7475731 ],
"spherical": true,
"distanceField": "distance",
"includeLocs": "locs"
}},
{ "$addFields": {
"addresses": {
"$filter": {
"input": "$addresses",
"as": "address",
"cond": { "$eq": [ "$$address.loc", "$locs" ] }
}
}
}}
])
A to zwraca tablicę z tylko tym dopasowaniem:
{
"_id" : ObjectId("592d0c78555a7436b0883960"),
"userid" : 7,
"addresses" : [
{
"apporx" : 50,
"loc" : [
-73.98137109999999,
40.7476039
]
}
],
"distance" : 0.0000019174641401278624,
"locs" : [
-73.98137109999999,
40.7476039
]
}