MongoDB聚合管道末尾按地理位置距离排序实现方法

MongoDB地理空间查询有两个硬限制，是你当前问题的核心原因：

• $geoNear阶段强制要求必须作为聚合管道的第一个阶段，不允许放在$lookup等关联操作之后执行，这个规则没有任何配置可以绕过
• $nearSphere是查询谓词，不是合法的聚合管道阶段，只能用在find()查询或者$match阶段，且要求查询的地理字段必须属于聚合主集合、建有2d/2dsphere地理索引；你通过关联生成的临时location字段没有索引，就算把$nearSphere写到$match里也无法生效。

方案1：优先走地理索引（性能最优，生产环境首选） #

顺着MongoDB的规则调整逻辑即可，不需要硬扛限制：

• 如果你关联的otherCollection就是存储地理位置的集合，直接把它作为聚合的主集合，第一阶段用$geoNear完成半径筛选、距离计算、按距离排序，这一步100%走地理空间索引，性能是内存计算的几十上百倍。
• 如果你必须先对MyCollection做job: 'professor'的筛选，就拆成两步走：
  1. 先查MyCollection中所有符合job: 'professor'的文档_id，存为id数组
  2. 再从otherCollection启动聚合，$geoNear阶段通过query参数传入id过滤条件，之后再反向关联MyCollection的其他字段即可，一样全程走索引。

调整后的可运行代码示例：

// 第一步：先拿符合业务条件的主表id
MyCollection.find({job: 'professor'}, {_id: 1}, function(err, validIds) {
  if (err) return errorCbk(err)
  const idList = validIds.map(item => item._id)
  // 第二步：从地理位置表启动聚合，走geo索引
  otherCollection.aggregate([
    {
      $geoNear: {
        near: { type: "Point", coordinates: [lng, lat] },
        distanceField: "distance", // 数据库直接算好距离，单位为米
        maxDistance: radius * 1000,
        spherical: true, // 对应球面距离计算，和$nearSphere逻辑完全一致
        query: { _id: { $in: idList } } // 只保留主表里符合条件的关联数据
      }
    },
    {
      $lookup: {
        from: "MyCollection",
        localField: "_id",
        foreignField: "_id",
        as: "mainInfo"
      }
    },
    {
      $unwind: "$mainInfo"
    }
  ], function(err, data) {
    if (err) return errorCbk(err)
    // 返回结果默认已经按距离从近到远排好序，自带distance字段，无需额外处理
    successCbk(data)
  })
})

方案2：聚合内表达式计算（适合前置筛选后结果集<1w条的场景） #

如果你的MongoDB版本是4.2及以上，且因为业务逻辑限制实在无法调整管道顺序，可以用聚合表达式$distanceSphere直接在管道内计算球面距离，之后完成筛选和排序。注意这个方案不会走地理索引，是关联完成后在内存中计算，前置筛选后的结果集太大时性能会明显下降。
把你原来写的无效$nearSphere阶段替换成下面的代码即可：

// 替换原管道最后无效的$nearSphere阶段
{
  $addFields: {
    distance: {
      $distanceSphere: [
        "$location",
        { type: "Point", coordinates: [lng, lat] }
      ]
    }
  }
},
{
  $match: {
    distance: { $lte: radius * 1000 }
  }
},
{
  $sort: { distance: 1 }
}

方案3：应用层计算排序（仅适合结果集<1k条的小型场景） #

就是你目前想到的方案：聚合返回所有关联结果后，在Node.js代码里用haversine公式逐行计算距离，再做筛选排序。这个方案需要把所有符合前置条件的数据全部从数据库读到应用层，数据量大的时候网络传输开销、应用层计算开销都很高，只适合极小结果集的场景，不推荐生产环境使用。

内容的提问来源于stack exchange，提问作者JolHaricot