MongoDB基于$geonear的车辆轨迹最小距离查询优化问题

数据存储结构 #

采用**多文档（点表示法）**存储单车辆行程轨迹，示例文档如下：

[{
  "_id": 3,
  "tripid": 11,
  "geom_lnglat": {
    "type": "Point",
    "coordinates": [
      4.306468999999999,
      50.873466799999974
    ]
  },
  "vehid": 2
},
{
  "_id": 0,
  "tripid": 1,
  "geom_lnglat": {
    "type": "Point",
    "coordinates": [
      4.4579241,
      50.88904930000001
    ]
  },
  "vehid": 1
}]

查询需求 #

找出持有querylicences许可证的车辆之间，轨迹点的最小距离，输出包含两车辆ID及最小距离的文档。

当前问题 #

• 带$geoNear的自连接查询在小数据集tmp_trips上可行，但在250万文档的大数据集下，查询持续占用存储，4天后耗尽1TB存储并崩溃；
• 添加maxDistance:10约束后，查询需26分钟返回结果；
• 希望优化查询逻辑，由数据库全权处理，无需借助Python循环。

现有查询语句 #

MongoDB查询语句 #

[{ $lookup: {
     // 自连接tmp_trips
      from: "tmp_trips",
      let: {
        cur_tripid: "$tripid",
        cur_vehid: "$vehid",
        cur_point: "$geom_lnglat",
      },
      as: "result",
      pipeline: [
        {
          $geoNear: {
            near: "$$cur_point",
            distanceField: "dist_from_point",
            query: {
              $expr: {
                // 排除同一车辆的文档
                $lt: ["$vehid", "$$cur_vehid"],
              },
            },
            spherical: true,
          }
        }
      ]
    }
  },
  { $unwind: {
      path: "$result",
      preserveNullAndEmptyArrays: false,
    }
  },
  { $sort:
      {
        "result.dist_from_point": 1,
        vehid: 1,
        "result.vehid": 1,
      }
  },
  { $group:
      {
        _id: {
          vehid: "$vehid",
          vehid2: "$result.vehid",
        },
        distance: {
          $first: "$result.dist_from_point",
        }
      }
  }]

等效PostGIS查询语句 #

SELECT L1.Licence AS Licence1, L2.Licence AS Licence2, 
    MIN(ST_Distance(T1.geom_point, T2.geom_point)) AS MinDist
FROM trip_postgis T1 INNER JOIN Querylicences L1 ON T1.vehid = L1.vehid,
    trip_postgis T2 INNER JOIN Querylicences L2 ON T2.vehid = L2.vehid
WHERE L1.licence < L2.licence
GROUP BY L1.Licence, L2.Licence
ORDER BY L1.Licence, L2.Licence;

优化方向建议 #

• 预过滤目标车辆：在查询起始阶段先过滤出持有querylicences的车辆轨迹，减少后续处理的数据量。可以用$match结合$in（提前获取许可证车辆ID列表），或者通过$lookup关联querylicences集合直接过滤：

  { $match: { vehid: { $in: [/* 从querylicences获取的vehid集合 */] } } }
  

• 优化地理索引与$geoNear参数：

  1. 确保geom_lnglat字段已创建2dsphere索引：

     db.tmp_trips.createIndex({ geom_lnglat: "2dsphere" })
     

  2. 合理调整maxDistance值，根据数据分布设置最小有效范围，进一步减少计算量；
  3. 启用$geoNear的limit参数，仅返回每个点最近的N个结果，避免生成过多中间数据。

• 重构自连接逻辑：当前$lookup对每个文档执行一次$geoNear，会产生海量中间结果。可改为按车辆分组后处理：

  1. 先按vehid分组，聚合每个车辆的所有轨迹点；
  2. 对车辆对（确保v1 < v2避免重复计算），计算两组点之间的最小距离。可以结合$map、$reduce或自定义聚合表达式实现批量计算。

• 预聚合缓存结果：如果查询是周期性需求，可定时预计算车辆对的最小距离并存储，避免实时计算的高开销。

内容的提问来源于stack exchange，提问作者Mohammad Ismail Tirmizi