Tout d'abord, je vous conseille fortement de créer un index "2dsphere" pour votre collection si vous avez l'intention de faire des requêtes géospatiales sur des coordonnées du monde réel.
Assurez-vous de supprimer les autres index avec lesquels vous avez peut-être joué :
db.records.dropIndexes();
db.records.createIndex({ "addresses.loc": "2dsphere" })
Afin de faire ce que vous voulez, jetez d'abord un coup d'œil à la légère modification qui inclut également les includeLocs option pour $geoNear
db.records.aggregate([
{ "$geoNear": {
"near": [ -73.9815103, 40.7475731 ],
"spherical": true,
"distanceField": "distance",
"includeLocs": "locs"
}}
])
Vous verrez maintenant une sortie qui ressemble à ceci :
{
"_id" : ObjectId("592d0c78555a7436b0883960"),
"userid" : 7,
"addresses" : [
{
"apporx" : 50,
"loc" : [
-73.98137109999999,
40.7476039
]
},
{
"apporx" : 15,
"loc" : [
-73.982002,
40.74767
]
},
{
"apporx" : 10,
"loc" : [
-73.9819567,
40.7471609
]
}
],
"distance" : 0.0000019174641401278624,
"locs" : [
-73.98137109999999,
40.7476039
]
}
Ainsi, ce qui a été renvoyé n'était pas seulement la distance jusqu'au point le plus proche, mais "quel" emplacement était la correspondance utilisée.
Donc, si vous vouliez $filter
le tableau d'origine pour renvoyer le plus proche, alors vous pouvez :
db.records.aggregate([
{ "$geoNear": {
"near": [ -73.9815103, 40.7475731 ],
"spherical": true,
"distanceField": "distance",
"includeLocs": "locs"
}},
{ "$addFields": {
"addresses": {
"$filter": {
"input": "$addresses",
"as": "address",
"cond": { "$eq": [ "$$address.loc", "$locs" ] }
}
}
}}
])
Et cela renvoie le tableau avec uniquement cette correspondance :
{
"_id" : ObjectId("592d0c78555a7436b0883960"),
"userid" : 7,
"addresses" : [
{
"apporx" : 50,
"loc" : [
-73.98137109999999,
40.7476039
]
}
],
"distance" : 0.0000019174641401278624,
"locs" : [
-73.98137109999999,
40.7476039
]
}