遥想当年做毕业设计的时候，为了写论文而写论文，定了个mongodb 与oracle的互操作。当时使用的mongodb是无法对空间数据进行操作的。当时单纯的使用GDAL将shapelife文件转换文本表达以mongodb进行存储。
而现在看mongodb的空间操作，虽然没有办法和ArcSDE和PostGIS相比，但是比没有强呀。
文中使用的mongodb为2.4版本，robomongo0.9
##空间数据模型
mongodb中有两类空间平面，一个是spherical，也是我们GIS中所熟悉的，另外一类就是纯粹的Euclidean平面。
针对Eulidena平面下的空间数据使用legacy coordinate pairs的形式进行表达。其格式为[x,y]形式。表达polygon什么的需要和monodb的Geometry Specifiers 来配合，如
$polygon : [ [ 0 , 0 ] , [ 0 , 1 ] , [ 1 , 1 ] , [ 1 , 0 ] ]
另一种是地球相关的面，采用的geojson的形式。mongodb从2.4开始支持geojson，到2.6 geojson的几何类型基本可以全部表达。
有关geojson标准可以参考：需要了解的geojson和操作工具
本文肯定是使用geojson的。。
##空间索引
mongodb的空间索引有三类，针对不同的情形。有的操作是必须要指定采用的索引类型。
- 2d Index针对mongodb 2.2 以前的版本数据使用legancy coordinate pairs存储。
- 2d Sphere Index 用来对sphere的数据进行构建索。本文我们肯定是使用这个索引得。
- Geo Haystack适合用来对小范围的数据进行索引。在Euclide平面中使用的效率比sphere的效率高。
##数据准备
###创建geojson数据
为了简便，通过 geojson.io在线网站中生成本次实验的geojson。数据情形如下图所示
###mongodb将数据入库
建立了三个collection，并将每个feature以一个document的形式插入。Geometry的key为“loc”。如下所示
db.testpoint.insert({
"name":'point1',
"loc":{
{ "type": "Point",
"coordinates": [100.0, 0.0] }
}})
结果如下图所示。
空间查询操作
目前mongodb的空间查询类操作只包含如下三大类：
- 包含查询（$geoWithin）
查询名称polgon1的polygon所包含的点：
var polygon=db.testpolygon.findOne({"name":"polgon1"})
db.testpoint.find({
loc : { $geoWithin : { $geometry : polygon.loc } }
})$geoWithin 可不需要指定spatial index，但是为了效率，建议对空间字段建立index
- 相交查询($geoIntersects)
选择与某个多边形相交的几何对象。比如，选中与面相交的线
var polygon=db.testpolygon.findOne({"name":"polgon1"})
db.testline.find({
loc:{ $geoIntersects:{$geometry:polygon.loc}}
})同样其不需要构建索引，但是从效率的角度建议构建。
- 临近查询（$near，$nearSphere）
用来查找离某个点一定距离的点。需要构建索引
使用 db.testpoint.ensureIndex("2dsphere")
创建索引。
然后使用$neare 操作符号进行选择，如选择离点id1，最大不超过500公里的点。
var point=db.testpoint.findOne({"name":"id1"})
db.testpoint.find({
loc: {$near: {
$geometry: point.loc,
$maxDistance: 500000,
}}
})返回的记录按照距离的从近到远进行排列。
##更多参考
Geospatial Indexes and Queries