面试题：MongoDB地理空间索引之专家难度复杂位置查询与索引策略题

1. 创建索引

为了优化查询性能，我们需要在 location 和 历史位置轨迹 字段上创建地理空间索引。

// 在 location 字段上创建 2dsphere 索引
db.bikes.createIndex({ location: "2dsphere" });
// 在历史位置轨迹数组字段上创建 2dsphere 索引，假设历史位置轨迹字段名为 historyLocations
db.bikes.createIndex({ historyLocations: "2dsphere" });

2. 查询语句编写

要查询某个城市区域内（多边形区域）目前可用且过去1小时内移动距离超过1公里的单车，我们可以按以下步骤编写查询语句：

// 定义多边形区域，假设多边形区域的 GeoJSON 格式如下
const polygon = {
    type: "Polygon",
    coordinates: [
        [
            [lng1, lat1],
            [lng2, lat2],
            [lng3, lat3],
            // 更多坐标点
            [lng1, lat1]
        ]
    ]
};

// 计算1小时前的时间
const oneHourAgo = new Date(new Date().getTime() - 60 * 60 * 1000);

db.bikes.find({
    status: "可用",
    location: {
        $geoWithin: {
            $geometry: polygon
        }
    },
    historyLocations: {
        $elemMatch: {
            timestamp: { $gte: oneHourAgo },
            location: {
                $near: {
                    $geometry: polygon,
                    $maxDistance: 1000 // 1公里，单位为米
                }
            }
        }
    }
});

3. 性能优化手段

复合索引：如果查询还涉及其他字段（例如 status），可以考虑创建复合索引。例如：

db.bikes.createIndex({ status: 1, location: "2dsphere", historyLocations: "2dsphere" });

批量读取：如果查询结果集较大，可以使用批量读取方式，减少网络传输压力。例如在Node.js中：

const cursor = db.bikes.find({...查询条件... });
cursor.batchSize(100).forEach((doc) => {
    // 处理文档
});

缓存：对于频繁查询的结果，可以使用缓存机制（如Redis），减少直接查询MongoDB的次数。
分片：如果数据量巨大，可以对MongoDB进行分片，将数据分布到多个服务器上，提高并发处理能力。

// 在分片集群中创建索引
sh.enableSharding("yourDatabase");
sh.shardCollection("yourDatabase.bikes", { location: "2dsphere" });

优化查询逻辑：确保查询语句尽可能简洁高效，避免不必要的嵌套和复杂逻辑。例如，尽量减少使用 $or 操作符，因为它可能会影响索引的使用效率。如果确实需要使用 $or，可以考虑对每个条件分别创建索引。

面试题：MongoDB地理空间索引之专家难度复杂位置查询与索引策略题

知识考点

面试题答案

1. 创建索引

2. 查询语句编写

3. 性能优化手段