1.索引: 建立索引既耗时也费力,还需要消耗很多资源.使用{"bakckground":true}选项可以使这个过程在后台完成,同时正常处理请求.如果不包括background 这个选项,数据库会阻塞建立索引期间的所有请求.阻塞的做法会让索引建立得更快,同时也意味着应用在此期间不能应答.即便在后台进行也会对正常操作有些影响. 2.地理空间索引: 通俗说就是找到离当前位置最近的N个场所.默认情况下,地理空间索引假设值的范围是-180~180.要是想使用其他值,可以通过ensureInde

LBS(Location Based Services)定位服务,即根据用户位置查询用户附近相关信息,这一功能在很多应用上都有所使用.基于用户位置进行查询时,需要提供用户位置的经纬度.为了提高查询速度,MongoDB为坐标平面查询提供了专门的索引,称作地理空间(2d)索引. 1. 创建地理空间索引 地理空间索引又称为2d索引.创建其它形式的索引,我们会按升序或降序(1或-1)的形式创建索引,不同于其它形式的索引,创建地理空间索引要指定的值为:2d.语法结构如下: db.<collection>

<dependency> <groupId>org.mongodb</groupId> <artifactId>mongo-java-driver</artifactId> <version>3.2.2</version> </dependency> <dependency> <groupId>org.apache.commons</groupId> <artifact

"1/地球半径"是怎么得出的 参考文档如下: http://janmatuschek.de/LatitudeLongitudeBoundingCoordinates http://en.wikipedia.org/wiki/Angular_diameter nearSphere的最大距离和最小距离的单位是弧度.官方文档介绍如下:http://docs.mongodb.org/manual/reference/operator/query/nearSphere/ {  $nearSphe

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.猫眼电影等的app,都是使用了移动端定位,然后查找出自己地理位置附近的一些服务.信息. 所以本篇文章将会以Mongodb为数据库,讲述如何在数据库层级进行定位查询. 分析 举个例子,我们需要做一个app,商家可以把自己的商品发布到app上,用户打开app查看离自己从近到远的商品. 如果没有地理位置的需求,那好办,直接

目录 1.存入地理数据 GeoJSON数据存入 1.Ponit 点数据 2.LineString 线数据(多段线) 3. Polygon 多边形数据 4.MultiPoint多点.MultiLineString多线.MultiPolygon多多边形 5.GeometryCollection 几何集合 6.全国区县行政区划入库示例 2.创建地理索引 2.1.2dsphere索引 2.2.2d索引 2.3.geoHaystacks索引 3.检索地理数据 3.1地理空间模型 3.2.查询示例(使用全国

特殊索引和集合 1. 固定集合:固定集合需要事先创建好看,而且它的大小是固定的.当固定集合被占满时,如果再插入新文档,固定集合会自动将最老的文档从集合中删除. 2. 创建固定集合:db.createCollection("my_collection",{"capped":true,"size":10000})  创建一个大小为10000字节的固定集合 除了大小,createCollection还能指定固定集合中文档的数量:db.createCol

MongoDB慢查询 慢查询分析 开启内置的慢查询分析器 db.setProfilingLevel(n,m),n的取值可选0,1,2 0:表示不记录 1:表示记录慢速操作,如果值为1,m需要传慢查询的阈值,单位为ms 2:表示记录所有的读写操作 示例: db.setProfilingLevel(1,3) 查询监控结果 db.system.profile.find().sort({millis:-1}).limit(3) MongoDB索引 什么是索引? 索引是一种单独的.物理的对数据库表中一列或

索引的操作 数据库百分之八十的工作基本上都是查询,而索引能帮我们更快的查询到想要的数据.但是其降低了数据的写入速度,所以要权衡常用的查询字段,不必在太多字段上建立索引. 在mongoDB中默认是用btree来组织索引文件,并且可以按字段升序/降序来创建,便于排序. 数据准备 for (var i = 1; i <100000; i++) { db.test.insert({name:'user'+i,num:i,sn:Math.floor(Math.random()*10000000)}) }

一.索引简介 再来老生常谈一番,什么是索引呢?数据库索引与书籍的索引类似.有了索引就不需要翻整本书,数据库可以直接在索引中查找,在索引中找到条目以后,就可以直接跳转到目标文档的位置,这能使查找速度提高几个数量级. 然而,使用索引是有代价的:对于添加的每一个索引,每次写操作(插入.更新.删除)都将耗费更多的时间.这是因为,当数据发生变动时,MongoDB不仅要更新文档,还要更新集合上的所有索引.因此,MongoDB限制每个集合上最多只能有64个索引.通常,在一个特定的集合上,不应该拥有两个以上的索

1. _id索引     _id索引是绝大多数集合默认建立的索引     对于每个插入的数据,MongoDB会自动生成一条唯一的_id字段. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 > db.jerome_2.collection.insert({x:2}) WriteResult({ "nInserted" : 1 }) > db.jerome_2.collection.getIndexes() [     {         &qu

MongoDB优化,建立索引实例及索引机制原理讲解 为什么需要索引? 当你抱怨MongoDB集合查询效率低的时候,可能你就需要考虑使用索引了,为了方便后续介绍,先科普下MongoDB里的索引机制(同样适用于其他的数据库比如mysql). mongo-9552:PRIMARY> db.person.find() { "_id" : ObjectId("571b5da31b0d530a03b3ce82"), "name" : "jac

转自:http://www.csdn.net/article/2015-01-23/2823687-geographic-space-base-Hadoop [编者按]交通领域正产生着海量的车辆位置点数据.将这些车辆位置信息和道路进行关联的统计操作则是一项颇为浩大的工作,而随着Hadoop技术的成熟和普及,使得在海量数据中进行该统计运算的工作变得相对容易了很多.本文将介绍一种通过使用地理网格进行数据关联,并利用Shuffle过程的二次排序实现高效的统计各条道路上位置点分布情况的方法. 中华人民共

常见的查询索引 _id索引         _id 索引是绝大多数集合默认建立的索引.对于每一个插入的数据.MongoDB 会自己主动生成一条唯一的 _id 字段. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 > db.jerome_2.collection.insert({x:2}) WriteResult({ "nInserted" : 1 }) > db.jerome_2.collection.getIndexes() [     {

关于oracle的表空间,分区表,以及索引的总结关键字: oracle, 表空间, 分区表, 索引 上周第一次做数据库测试碰到了很多问题特此总结: 表空间: Oracle的UNDOTBS01.DBF文件太大的解决办法 1..禁止undo tablespace自动增长 alter   database   datafile   'full_path\undotbs01.dbf'   autoextend   off; 2.-- 创建一个新的小空间的undo tablespace create un

1 python与地理空间分析 1.1 与我们的生活 ushahidi是一个优秀的地理空间地图应用,回寝FQ看一下. ushahidi有一个python库-ushapy 地理空间救灾建模程序是最近比较突出的案例. 进一步深入了解地理空间分析在不同行业的应用-http://geospatialrevolution.psu.edu 1.2 地理空间分析的历史 1.3地理信息系统 Roger Tomlinson开发了CGIS,被称为GIS之父,博士论文题目是"计算机技术在数据的存储.编辑和分析中的应用

我们可以修改列表里面元素的名字 例如: 修改age=34的数据,hobby里面的"足球"改为"网球" }) { "_id" : ObjectId("5ca7a4c4219efd687462f968"), "id" : , "name" : "xiaogang", "age" : , "hobby" : [ "羽毛球&q

在处理最短路径问题时,有一种启发式算法是我们应该了解的,由于其有着优秀的探索效率在各自现实项目中多有应用,它就是 A-star 算法,或  A*  算法. 个人观点: A*  算法并不保证找到的路径一定是最短路径,但该方法由于运算效率高所以使用较广.如果出发点和终点之间存在可到达路径,则使用A*算法必然会得到一条可达路径,但是不一定是最短路径,可以这么说  启发式算法 A* 在存在可达路径的问题中会以较高效率必然找到一条 较短路径. 由于 下文中提到的  h(n)  是用来评价节点n 到终点距离

一.索引基础:    MongoDB的索引几乎与传统的关系型数据库一模一样,这其中也包括一些基本的优化技巧.下面是创建索引的命令:    > db.test.ensureIndex({"username":1})    可以通过下面的名称查看索引是否已经成功建立:    > db.test.getIndexes()    删除索引的命令是:    > db.test.dropIndex({"username":1})    在MongoDB中,我们

开源地理空间基金会 OSGeo 相关站点: OSGeo官方站点:http://www.osgeo.org/home OSGeo中国中心:http://www.osgeo.cn/ OSGeo GitHub站点:https://github.com/OSGeo 开源地理空间基金会 OSGeo1. 关于OSGeo基金会1.1 OSGeo 简介1.2 OSGeo 使命1.3 OSGeo 目标2. OSGeo 项目2.1 网络制图(Web Mapping)2.1.1 deegree2.1.2 geomaj