MongoDB地理空间数据存储及检索_weixin_30794491的博客-CSDN博客

沙海
沙海
沙海
735
文章
2
评论
2021年3月25日04:44:55
评论
10 15602字阅读52分0秒
摘要

速读摘要

速读摘要

这次使用mongoDB来做一个行政区划检索的功能,记录一下使用的过程。把搜索的字段换为geometry就比较慢了,因为没有建索引。下面是我对QGIS转出的geojson进行提取的代码,放在这里做个存档。因为这是简单的使用一次,没有处理各种错误异常等。最近在做react项目的时候遇到了几个报错,这几个报错在react项目还算常见,因此记录下来解决方法。

原文约 7568 | 图片 16 | 建议阅读 16 分钟 | 评价反馈

MongoDB地理空间数据存储及检索 转载

2018-10-12 16:00:00

MongoDB地理空间数据存储及检索_weixin_30794491的博客-CSDN博客

weixin_30794491MongoDB地理空间数据存储及检索_weixin_30794491的博客-CSDN博客

码龄6年

关注

目录

之前写过MySQL空间索引简单使用,测试也是可用的,当时没有测试效率问题,因为存储的矢量数据都只是一个四点的多边形而已。这次使用mongoDB来做一个行政区划检索的功能,记录一下使用的过程。

参考资料:

1、存入地理数据

MongoDB存储的数据是bson结构,所以只要你的数据符合这个结构都是可以存储的,但是要支持空间索引,就必须按照它的规定来。 早期版本的(2.6之前)仅仅支持简单的点数据的索引,也就是filed:[x,y]这样的结构,这个适用范围太有限了。现在的版本支持GeoJSON形式的数据类型,且支持OCG的空间数据查询模型,使用上非常方便。

GeoJSON数据存入

MongoDB要求把GeoJSON格式的数据以子文档的形式存入,但实际上并不是存入一个完整GeoJSON对象,只需要其中的typecoordinates两个字段就可以了。

下面以存入一个含有地理空间数据的文档为例,把所有支持的GeoJSON对象类型都做个示例。 这里假设存储一个县的信息,数据都以json格式表示。

{ "xian":"潜山县", "sheng":"安徽" }

1、Ponit 点数据

现在假设为这个文档添加上中心点位置,那么这个文档就变成了如下样子:

{ "xian":"潜山县", "sheng":"安徽" "center":{ "type":"Point","coordinates":[116.45,30.72]} }

2、LineString 线数据(多段线)

现在加上一个到省会合肥的路径连线,那么文档就变成了如下样子:

{ "xian":"潜山县", "sheng":"安徽" "center":{ "type":"Point","coordinates":[116.45,30.72]}, "toShengHui":{ "type":"LineString"," coordinates":[[116.55944824218749,30.58827267102698], [116.87667846679689,30.791396195188927],[116.96594238281249,31.038815104128687], [117.18292236328124,31.264465555752835],[117.22412109375,31.819230730326613]]} }

3、 Polygon 多边形数据

多边形是当前地理信息领域应用的比较多的数据类型。 多边形描述的是一个面对象,其由两部分组成,一个外壳shell和0或多个內洞holes。 外壳和內洞的表示都是一个闭合的线环(LinearRing),表示一个闭合曲面。外壳包括的区域表示在多边形内的区域,內洞表示的区域则是从外壳表示的区域中排除的区域,如下图所示的样子,蓝色的是外壳,绿色部分的是內洞。MongoDB地理空间数据存储及检索_weixin_30794491的博客-CSDN博客

因为行政边界的涉及到的点太多,所以这里就只添加一个外包框作为示例:因为GeoJSON中使用bbox字段(四个double值的数组)来描述范围外包框,所以这里不能使用bbox来存储一个多边形,否则将报错error inserting documents: location object expected, location array not in correct format。但奇怪的是,这个bbox用于搜索的时候却是无效的。 这里就不使用內洞了,有內洞的情况就是coordinates数组中后面加上线环即可。

{ "xian":"潜山县", "sheng":"安徽" "center":{ "type":"Point","coordinates":[116.45,30.72]}, "toShengHui":{ "type":"LineString"," coordinates":[[116.55944824218749,30.58827267102698], [116.87667846679689,30.791396195188927],[116.96594238281249,31.038815104128687], [117.18292236328124,31.264465555752835],[117.22412109375,31.819230730326613]]}, "box":{ "type":"Polygon", "coordinates":[[[116.40701293945311,30.454001045389525], [116.77505493164062,30.454001045389525],[116.77505493164062,30.76248901825541], [116.40701293945311,30.76248901825541],[116.40701293945311,30.454001045389525]]]} }

4、MultiPoint多点、MultiLineString多线、MultiPolygon多多边形

对于多点、多线和多多边形,与单个的区别,也就是将coordinates成员改为一个数组形式,存入多个单个形式的坐标数据。

5、GeometryCollection 几何集合

几何集合就是多个几何对象的集合,就是一个数组里面放多个几何对象。

6、全国区县行政区划入库示例

1、首先下载全国的性质边界矢量数据,这个可以从https://www.gadm.org/download_country_v3.html下载。因为中国的矢量数据中没有台湾和香港澳门的数据,可以下在后合成一个。这份数据还有一些其他的小问题,这里就不提了。这也是我能找到的免费数据中较好的一份。

2、下载的数据可以使用GDAL或QGIS工具将其转换为geojson格式文档,也可以转换,直接写程序来读取。我把转换后的程序再经过了一次简化,因为所有的边界线都是MutilPolygon,而大多数边界是仅仅一个Polygon的,所以我把能转换的都转换成了Polygon

3、因为MongoDB中存储字段bbox为GeoJSON中的数组形式在查询的时候会有问题,所以我把它改为了多边形。但bbox字段又不支持多边形,所以改为以box字段来存储。因为县级行政区划的边界都比较复杂,点比较多,在查询的时候会比较慢,所以使用$and来先查询box在查询geometry会比较快。

处理好的数据可以在这里下载 链接: https://pan.baidu.com/s/1f2c9FEQhkfDzC1dZHn6XmA 密码:5a2u

4、处理完成之后把所有的json对象按行写入了到了(县级边界.json.txt)文件中,因为每行都是一个json对象,可以使用mongoimport将其导入数据库中。但是直接导入会有一个问题,就是数据量太大,无法一次写入。所以我先拆分成了几个小文件。

split -l 512 县级边界.json.txt -d -a 1 中国县级行政边界_

执行上面命令后生成了5个小文件,然后逐个导入到mongodb即可。

mongoimport --host 192.168.0.28 --db us --collection xzbj --file 中国县级行政边界_0 2018-10-12T14:14:45.165+0800 connected to: 192.168.0.28 2018-10-12T14:14:47.386+0800 imported 512 documents mongoimport --host 192.168.0.28 --db us --collection xzbj --file 中国县级行政边界_1 mongoimport --host 192.168.0.28 --db us --collection xzbj --file 中国县级行政边界_2 mongoimport --host 192.168.0.28 --db us --collection xzbj --file 中国县级行政边界_3 mongoimport --host 192.168.0.28 --db us --collection xzbj --file 中国县级行政边界_4

bbox只能以数组的形式存在,如图所示,我在处理的时候已经改用box多边形表示了。MongoDB地理空间数据存储及检索_weixin_30794491的博客-CSDN博客

2、创建地理索引

MongoDB的空间索引有三种,2dsphere2dgeoHaystack

对于某些地理空间查询操作,必须有相应的索引才行

2.1、2dsphere索引

官网文档:https://docs.mongodb.com/manual/core/2dsphere/

2dsphere索引支持查询球面几何实体对象。2dsphere是MongoDB地理空间索引支持所有查询:用于查询、交点和接近。地理空间查询的更多信息,参见地理空间查询。2dsphere索引支持点数据(包括传统点数据方式和GeoJSON的Point方式)。2dsphere索引由于是球面索引,所以仅仅支持经纬度数据,坐标系为WGS84。 版本2以后的MongoDB支持附加GeoJSON对象包括MultiPoint、MultiLineString、MultiPolygon和 GeometryCollection,具体的参考官方文档。

创建一个2dsphere索引的语句如下:

db.collection.createIndex( { <location field> : "2dsphere" } )

这里有一个问题,就是创建的时候,有MultiPolygon等不支持的几何类型的时候会出现错误"errmsg" : "Can't extract geo keys...,但看官网文档,这个是可以附加的类型,但目前没有找到相关的文档。

2.2、2d索引

官网文档:https://docs.mongodb.com/manual/core/2d/

2d索引对存储为二维平面上的点的数据使用。 2d索引适用于MongoDB 2.2及更早版本中使用的旧坐标对。

应对仅在下列情况下使用2d索引 您的数据库具有MongoDB 2.2或更早版本的遗留遗留坐标对,以及 您不打算将任何位置数据存储为GeoJSON对象。

创建一个2d索引的语句如下:

db.collection.createIndex( { <location field> : "2d" } )

要在具有非简单排序规则的集合上创建2d索引,必须在创建索引时显式指定{collation:{locale:“simple”}}

2.3、geoHaystacks索引

官网文档:https://docs.mongodb.com/manual/core/geohaystack/

geoHaystack索引是一种特殊索引,优化小面积内的返回结果。geoHaystack索引可提高在平面进行几何(geometry)查询的性能。 对于使用球面的几何查询,2dsphere索引是一个比geoHaystack索引更好的选择。2dsphere索引允许字段重新排序。geoHaystack索引要求第一个字段为location字段。此外,geoHaystack索引仅可通过命令使用,因此始终一次返回所有结果。

3、检索地理数据

检索这个也是看官方的文档比较快,这里只是一个简单的介绍。 官方文档:Geospatial Query Operators

3.1地理空间模型

MongoDB的地理空间查询可以实现球面或平面几何实体对象的查询。

  • 2dsphere索引仅仅支持球面查询(即把点坐标数据当做球面经纬度处理)。
  • 2d索引支持平面查询(即将点坐标数据当做平面直角坐标系点坐标处理)和一些球面查询,虽然2d索引支持一些球面查询,但是对这些球面查询使用2d索引可能会导致错误,这样的数据尽量优先使用2dsphere索引。

下面列出每个地理空间操作使用的地理空间查询运算符,支持的查询和相关说明:

操作符 参数类型 索引 支持查询
$near
邻近查询
GeoJSON质心点在这个line和下一个line, 2dsphere 球面
$near legacy coordinates 2d 平面
$nearSphere GeoJSON点 2dsphere 球面
$nearSphere legacy coordinates 2d 球面
$geoWithin
内部查询
GeoJSON几何对象
{ $geometry: … }
球面
$geoWithin { $box: … } 2d 平面
$geoWithin { $polygon: … } 2d 平面
$geoWithin { $center: … } 2d 平面
$geoWithin { $centerSphere: … } 2d/2dsphere 球面
$geoIntersects
相交查询
{ $geometry: … }
多边形或多多边形
球面

还有$geoNear这个操作符,这里就不摘录了,直接去官网看好了。 因为这些操作符都比较简单,这里只单独介绍一下最有用的$geoIntersects操作符。

$geoIntersects操作符使用 选择地理空间数据与指定GeoJSON对象相交的文档; 即数据和指定对象的交集是非空的。$geoIntersects运算符使用$geometry运算符来指定一个GeoJSON对象作为参数,使用默认坐标系(CRS)指定GeoJSON多边形或多边形的使用语法如下:

{ 空间数据字段名: { $geoIntersects: { $geometry: { type: "<GeoJSON对象类型>" , coordinates: [ <coordinates> ] } } } }

对于$geoIntersects查询,当指定的GeoJSON的几何对象大于半个球面时,使用默认的坐标系(CRS)会导致互补的几何对象在查询结果中。 3.0版中的新功能:要指定单环的GeoJSON多边形使用自定义MongoDB CRS,使用以下语法在$geometry表达式中指定自定义MongoDB CRS:

{ <location field>: { $geoIntersects: { $geometry: { type: "Polygon" , coordinates: [ <coordinates> ], crs: { type: "name", properties: { name: "urn:x-mongodb:crs:strictwinding:EPSG:4326" } } } } } }

自定义MongoDB CRS使用逆时针顺序包覆,并允许$geoIntersects支持具有单环GeoJSON多边形的查询,该多边形的面积大于或等于单个半球。如果指定的多边形小于单个半球,则带有MongoDB CRS的$ geoIntersects的行为与默认的CRS相同。“Big” Polygons参考

如果指定纬度和经度坐标,请先列出经度然后列出纬度: 有效经度值介于-180和180之间(包括两者)。 有效纬度值介于-90和90之间(包括两者)。

3.2、查询示例(使用全国县级行政边界数据)

上面的数据导入之后,写几个查询的例子来测试一下。

3.2.1、使用$geoIntersects查询相交的区域

$geoIntersects用于查询与给定参数有相交区域的记录,只能查询geojson形式表示的位置字段,有没有索引都可以查,速度与几何对象复杂程度有关。

查询代码如下

db.getCollection('xzbj').find({ "geometry": { "$geoIntersects": { "$geometry": { "type": "Polygon", "coordinates": [[[116.24633789062499, 40.168380093142446], [116.17492675781251, 40.15998434802335], [116.1199951171875, 40.057052221322], [116.09527587890624, 40.002371935876475], [116.1474609375, 39.890772566959534], [116.10626220703124, 39.70929962338767], [116.3177490234375, 39.69662085337441], [116.57592773437499, 39.7642140375156], [116.6912841796875, 39.86969567045658], [116.69677734375, 39.99605985169435], [116.62261962890624, 40.094882122321145], [116.6143798828125, 40.13899044275822], [116.43310546875, 40.15788524950653], [116.28753662109375, 40.18097176388719], [116.24633789062499, 40.168380093142446]]] } } } })

这些点是沿着北京六环线画的一个多边形,查询的速度比较慢,耗时达到7.12秒。MongoDB地理空间数据存储及检索_weixin_30794491的博客-CSDN博客

下面添加外包框过滤,在进行相交比较,加快查询速度。这里要注意我是要的box字段内存的也是一个Polygon而不是GeoJSON中的bbox。

db.getCollection('xzbj').find({ "$and": [{ "box": { "$geoIntersects": { "$geometry": { "type": "Polygon", "coordinates": [[[116.0870361328125, 39.69873414348139], [116.71600341796874, 39.69873414348139], [116.71600341796874, 40.17257757632168], [116.0870361328125, 40.17257757632168], [116.0870361328125, 39.69873414348139]]] } } } }, { "geometry": { "$geoIntersects": { "$geometry": { "type": "Polygon", "coordinates": [[[116.24633789062499, 40.168380093142446], [116.17492675781251, 40.15998434802335], [116.1199951171875, 40.057052221322], [116.09527587890624, 40.002371935876475], [116.1474609375, 39.890772566959534], [116.10626220703124, 39.70929962338767], [116.3177490234375, 39.69662085337441], [116.57592773437499, 39.7642140375156], [116.6912841796875, 39.86969567045658], [116.69677734375, 39.99605985169435], [116.62261962890624, 40.094882122321145], [116.6143798828125, 40.13899044275822], [116.43310546875, 40.15788524950653], [116.28753662109375, 40.18097176388719], [116.24633789062499, 40.168380093142446]]] } } } }] })

这样查询的速度就大大提升了,仅耗时41毫秒就完成了检索。经过测试,$and数组中的元素顺序对检索速度没有影响,不知道是不是与字段名的排序有关系。MongoDB地理空间数据存储及检索_weixin_30794491的博客-CSDN博客

3.2.3 使用$geoWithin查询

使用上和$geoIntersects差不多,查询速度上也差不多。

db.getCollection('xzbj').find({ "geometry": { "$geoWithin": { "$geometry": { "type": "Polygon", "coordinates": [[[93.69140625, 28.76765910569123], [113.37890625, 28.76765910569123], [113.37890625, 39.30029918615029], [93.69140625, 39.30029918615029], [93.69140625, 28.76765910569123]]] } } } })

可以指定参数几何对象的坐标系。

db.getCollection('xzbj').find({ "box": { "$geoWithin": { "$geometry": { "type": "Polygon", "coordinates": [[[93.69140625, 28.76765910569123], [113.37890625, 28.76765910569123], [113.37890625, 39.30029918615029], [93.69140625, 39.30029918615029], [93.69140625, 28.76765910569123]]], "crs": { "type": "name", "properties": { "name": "urn:x-mongodb:crs:strictwinding:EPSG:4326" } } } } } })

上面使用Polygon作为查询参数,没有索引也可以查。如果使用$center(中心点加半径)和$box查询,则仅有存在2d索引的情况才能查询。使用$centerSphere作为查询参数的时候,有没有索引都可以查,而且速度很快。可以查询GeoJSON表示的字段,没有类型限制。$centerShpere的参数也是一个(先经度后纬度)加一个弧度,示例如下:

db.getCollection('xzbj').find({ "box": { "$geoWithin": { "$centerSphere": [ [116.3623809,39.9013085] ,0.008 ] } } })

上的很快就搜索到了,因为我对box字段建了2dSphere索引。把搜索的字段换为geometry就比较慢了,因为没有建索引。

3.2.2 其他的

其他的这里就不记录了,需要的时候查询即可。

下面是我对QGIS转出的geojson进行提取的代码,放在这里做个存档。因为这是简单的使用一次,没有处理各种错误异常等。

#include <iostream> #include <rapidjson/filereadstream.h> #include <rapidjson/rapidjson.h> #include <rapidjson/document.h> #include <rapidjson/stringbuffer.h> #include <rapidjson/writer.h> #include <Poco/Net/HTTPClientSession.h> #include <Poco/Net/HTTPRequest.h> #include <Poco/Net/HTTPResponse.h> #include <Poco/URI.h> #include <Poco/StreamCopier.h> int main() { FILE* fp = fopen("./xianjie.geojson","rb"); char buffer[65536]; rapidjson::FileReadStream is(fp,buffer,sizeof(buffer)); rapidjson::Document doc; doc.ParseStream(is); if(doc.HasParseError()){ std::cout<<"parse error:"<< doc.GetParseError()<<std::endl; return 0; } rapidjson::Value::ConstMemberIterator iter_features = doc.FindMember("features"); if(iter_features == doc.MemberEnd()){ std::cerr<<"没有找到 iter_features"<<std::endl; return 0; } const auto& features = iter_features->value.GetArray(); // std::cout<<"features size = "<< features.Size()<<std::endl; for(size_t i =0;i<features.Size();++i){ auto& obj = features[i]; rapidjson::Value::ConstMemberIterator iter_properties = obj.FindMember("properties"); if(iter_properties == obj.MemberEnd()){ std::cout<<"features["<<i<<"] format error"<<std::endl; continue; } std::string sheng = iter_properties->value["NL_NAME_1"].GetString(); size_t pos = sheng.rfind('|'); if(pos != std::string::npos){ sheng = sheng.substr(pos+1); } std::string di = iter_properties->value["NL_NAME_2"].GetString(); pos = di.find('|'); if(pos != std::string::npos){ di = di.substr(0,pos); } std::string xian = di; if(iter_properties->value.HasMember("NL_NAME_3") && iter_properties->value["NL_NAME_3"].IsString()){ xian = iter_properties->value["NL_NAME_3"].GetString(); pos = xian.find('|'); if(pos != std::string::npos){ xian = xian.substr(0,pos); } } std::string fullname = sheng + "-" + di + "-" + x2; rapidjson::Value::ConstMemberIterator iter_geometry = obj.FindMember("geometry"); if(iter_geometry == obj.MemberEnd()){ std::cout<<"Failed "<<fullname<<std::endl; continue; } std::string geometry; { rapidjson::StringBuffer buffer; rapidjson::Writer<rapidjson::StringBuffer> w(buffer); if(iter_geometry->value["coordinates"].GetArray().Size() == 1){ iter_geometry->value["coordinates"].GetArray()[0].Accept(w); geometry.append("{\"type\":\"Polygon\",\"coordinates\":"); geometry.append(buffer.GetString(),buffer.GetSize()); geometry.append("}"); } else{ obj.Accept(w); geometry.assign(buffer.GetString(),buffer.GetSize()); } } double bbox[4]; { bbox[0] = obj["bbox"].GetArray()[0].GetDouble(); bbox[1] = obj["bbox"].GetArray()[1].GetDouble(); bbox[2] = obj["bbox"].GetArray()[2].GetDouble(); bbox[3] = obj["bbox"].GetArray()[3].GetDouble(); } std::cout<<"{\"name\":\""<<fullname<<"\",\"type\":\"Feature\"," <<"\"properties\":{\"sheng\":\""<<sheng<<"\",\"di\":\""<<di<<"\",\"xian\":\""<<xian <<"\"},\"box\":{\"type\":\"Polygon\",\"coordinates\":[[" <<"["<<bbox[0]<<","<<bbox[1]<<"]," <<"["<<bbox[2]<<","<<bbox[1]<<"]," <<"["<<bbox[2]<<","<<bbox[3]<<"]," <<"["<<bbox[0]<<","<<bbox[3]<<"]," <<"["<<bbox[0]<<","<<bbox[1]<<"]]]}" /*<<"\"},\"bbox\":["<<bbox[0]<<","<<bbox[1]<<","<<bbox[2]<<","<<bbox[3]<<"]"*/ <<",\"geometry\":"<<geometry<<"}\n"; #ifdef CouchDB_Insert Poco::Net::HTTPClientSession session("192.168.0.28",5984); Poco::Net::HTTPRequest request(Poco::Net::HTTPRequest::HTTP_PUT ,"/xzbj/" + fullname); request.setContentType("application/json"); request.setContentLength((int)geometry.size()); request.set("Authorization","Basic 用户名密码base64"); std::ostream& ss = session.sendRequest(request); ss.write(geometry.data(),geometry.size()); Poco::Net::HTTPResponse response; std::istream& rs = session.receiveResponse(response); std::cout<<"\n\n"<<request.getURI()<<"\t\t"<<response.getStatus()<<std::endl; Poco::StreamCopier copier; copier.copyStream(rs,std::cout); #endif } return 0; }

转载于:https://www.cnblogs.com/oloroso/p/9777141.html

原文链接:http://www.cnblogs.com/oloroso/p/9777141.html

打开CSDN,阅读体验更佳

MongoDB地理位置索引

说明:本篇文章介绍地理位置索引。以及介绍 "$near"、"$geoWithin"、"$maxDistance"、runCommand() 的使用。 MongoDB地理索引 地理信息索引分为两类:2D平面索引,2DSphere球面索引。在2D索引里面基本上能够保存的信息都是坐标,而且坐标保存的就是经纬度坐标。 具体的应用场景在:微信的摇一摇,大众点评等查询附近的住宿地。滴滴、膜拜、OFO等... 浏览器打开

MongoDB的地埋空间数据存储、空间索引以及空间查询

【本文原始链接:http://blog.3sdn.net/320.html,转载时请完整保留】 一、关于MongoDB 在众多NoSQL数据库,MongoDB是一个优秀的产品。其官方介绍如下:  MongoDB (from "humongous") is a scalable, high-performance, open source, document-oriented 浏览器打开

相关推荐

react常见错误解决

最近在做react项目的时候遇到了几个报错,这几个报错在react项目还算常见,因此记录下来解决方法。 ’type’ is missing in props validation 报错:type缺少props验证 解决: 1.查看下propTypes是否写成大写了,因为我们引入的时候是大写的,所以很多小伙伴可能直接复制过来就成大写了,也会报错哦 2.新增type: PropTypes.numbe... 浏览器打开

boost program_options

一直认为boost都是hpp直接调用就可以了,最近遇到两个例子都不是这样的一个是boost的thread,另外一个就是这个了,boost在编译好之后会有库文件的,注意不是在当前的libs下面,二十stage/libs下面,我们在使用这个模块的时候要加上相应的动态或者静态的库。 当我们写一些小程序的时候难免要写一些输入参数,当然用linux自带的也可以 int next_opti 浏览器打开

使用pytorch时遇到的问题汇总

遇到问题: embedding的时候遇到 数据加载的时候遇到TypeError: 'int' object is not callable 问题:数据不是Tensor类型的而是np.array或其他类型的。 解决: tensor = torch.LongTensor(data_x) data_x = autograd.Variable(tensor) tensor = torch.Long... 浏览器打开

常见问题及解决

常见错误: 转载于:https://www.jianshu.com/p/897cc2226fb0 1.Test is not an annotation type 描述:在使用junit进行单元测试时,在方法前声明@Test时显示Test is not an annotation type错误 原因:此类或其他类中有名为Test的类,加载@Test时不能加载到junit中的test单元,而是... 浏览器打开

PyTorch报错问题解决(1)

报错信息: RuntimeError: Attempting to deserialize object on CUDA device 3 but torch.cuda.device_count() is 1. Please use torch.load with map_location to map your storages to an existing device. 原因:加载的模型时用三个GPU训练的,但现在的电脑只有一个GPU,所以报错。 解决方法: model = torch.load(mo 浏览器打开

PostgreSQL数据库中的常见错误

 我们在操作数据库的时候,我们总会遇到很多错误。下面整理了一下常见的错误。错误1      FATAL: connection limit exceeded for non-superusers      原因:非超级用户的连接数(max_connections - superuser_reserved_connections)超过了设定值      解决办法:增加max_co 浏览器打开

Servlet过滤器

1、定义过滤器类public class CharacterFilter implements Filter { private FilterConfig filterConfig=null; private String encoding=null; public void init(FilterConfig filterConfig) throws ServletException { this.filterConfig=filterConfig; this.encoding=f 浏览器打开

pymongo.errors.OperationFailure location object expected, location array not in correct format

mongodb中对geojson格式的属性值loc创建空间索引(2dsphere)时,报“pymongo.errors.OperationFailure location object expected, location array not in correct format”错误。 我的数据截图如下: 这个错误的原因是json数据的坐标值为投影坐标,而建立空间索引时的输入必须为地理... 浏览器打开

继续阅读
weinxin
资源分享QQ群
本站是一个IT技术分享社区, 会经常分享资源和教程; 分享的时代, 请别再沉默!
沙海
匿名

发表评论

匿名网友 填写信息

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: