如何在JSON文档中存储线和面？

展望NoSQL的发展趋势，并考虑像MongoDB这样的数据库为GIS的灵活数据存储提供了新的视角。利用二维索引和空间函数，在JSON文档中存储线和面的最佳方法是什么？

这里的GeoJSON是SPEC。

这是一条线和一个多边形的示例：

{ "type": "FeatureCollection",
  "features": [
    { "type": "Feature",
      "geometry": {"type": "Point", "coordinates": [102.0, 0.5]},
      "properties": {"prop0": "value0"}
      },
    { "type": "Feature",
      "geometry": {
        "type": "LineString",
        "coordinates": [
          [102.0, 0.0], [103.0, 1.0], [104.0, 0.0], [105.0, 1.0]
          ]
        },
      "properties": {
        "prop0": "value0",
        "prop1": 0.0
        }
      },
    { "type": "Feature",
       "geometry": {
         "type": "Polygon",
         "coordinates": [
           [ [100.0, 0.0], [101.0, 0.0], [101.0, 1.0],
             [100.0, 1.0], [100.0, 0.0] ]
           ]
       },
       "properties": {
         "prop0": "value0",
         "prop1": {"this": "that"}
         }
       }
     ]
   }

需要注意的一件事是，MongoDB对空间数据类型的支持对于任何严肃的空间查找都非常糟糕，这在我上次检查时使用NoSQL都是普遍适用的。我不太喜欢GeoCouch，但还有一段路要走。

GeoJSON是一种很棒的格式，但是要利用Mongo中有限的（仅POINT）空间索引，您需要一个空间索引集合，该集合只保存每个多边形点的记录，并为您的记录ID附加值居住在另一个集合中的空间记录，然后使用边界框查询从一个记录中获取记录ID，并从另一个记录中进行选择，从而有效地模拟了联接。

您可能会变笨，只是将边界框的角作为记录的要点，但是边界框搜索可能会失败，并且所有这些都将迫使某些效率很低的设计模式，并不恰当地将各种责任推给开发人员。

作为参考实现，您可能希望参考今年Esri开发者峰会上介绍的代码。

我对各种NoSQL数据库的空间支持都不满意。它们只够进行哑点云查找，考虑到大多数使用此功能的应用程序只是将图钉放在浏览器上的Google地图上，因此这是有意义的。在可预见的将来，PostGIS仍将是管理空间信息的最佳开源工具。

这是不正确的，

“要利用Mongo中的空间索引，您需要一个空间索引的集合，该集合只保存多边形的每个点的记录，并为居住在另一个集合中的空间记录的记录ID附加值，然后使用边界框查询，以从一个[集合]获取记录ID，并从另一个[集合]选择[记录数据]，从而有效地模拟联接。”

我将USGS点数据存储在单个Mongo集合中，其记录如下所示：

> db.names.find({FEATURE_NAME: 'Mount Saint Helens', STATE_ALPHA: 'WA'})       
{ "_id" : ObjectId("4e262106d7a99b7db41a4919"), 
"_ID" : 1525360, 
"FEATURE_NAME" : "Mount Saint Helens", 
"FEATURE_CLASS" : "Summit", 
"STATE_ALPHA" : "WA", 
"STATE_FIPS" : 53, 
"COUNTY_NAME" : "Skamania", 
"COUNTY_FIPS" : "059", 
"COORDS" : [ -122.1944, 46.1912 ], 
"ELEV_IN_FT" : "8356" }

我可以对此数据进行边界框查询，以返回整个记录（无需其他集合）就可以了。

查询：

> box = [[-126.562500,45.089036], [-123.750000,47.040182]]
[ [ -126.5625, 45.089036 ], [ -123.75, 47.040182 ] ]
> db.names.find({"COORDS" : {"$within" : {"$box" : box}}, FEATURE_CLASS: "Summit"}, {FEATURE_NAME: true, COUNTY_NAME: true, STATE_ALPHA: true, ELEV_IN_FEET: true}).limit(5);

响应：

{ "_id" : ObjectId("4e2620f8d7a99b7db4146cec"), "FEATURE_NAME" : "Harlocker Hill", "STATE_ALPHA" : "OR", "COUNTY_NAME" : "Coos" }
{ "_id" : ObjectId("4e2620f8d7a99b7db414a349"), "FEATURE_NAME" : "Neskowin Crest", "STATE_ALPHA" : "OR", "COUNTY_NAME" : "Tillamook" }
{ "_id" : ObjectId("4e2620f8d7a99b7db414a105"), "FEATURE_NAME" : "Miles Mountain", "STATE_ALPHA" : "OR", "COUNTY_NAME" : "Tillamook" }
{ "_id" : ObjectId("4e2620f8d7a99b7db414934a"), "FEATURE_NAME" : "Mount Gauldy", "STATE_ALPHA" : "OR", "COUNTY_NAME" : "Tillamook" }
{ "_id" : ObjectId("4e2620f8d7a99b7db4149d06"), "FEATURE_NAME" : "Little Hebo", "STATE_ALPHA" : "OR", "COUNTY_NAME" : "Yamhill" }

Mongo还提供了进行最近邻搜索以及多边形搜索中的点的功能。这在mongodb.org上有详细记录