Docs Menu
Docs Home
/
MongoDB Atlas
/
Atlas Search
/
クエリの作成および実行
/
クエリの作成
/
2. 演算子とコレクターの使用

near

項目一覧

  • 定義
  • 構文
  • オプション
  • スコアリングの動作
  • 制限
  • 例

定義

near

near演算子は、数値、日付、GeoJSON ポイント値のクエリとスコアリングをサポートしています。 この演算子は、以下の検索を実行するために使用できます。

  • BSON int32 、 int64 、 doubleデータ型の数値フィールド。

  • ISODate形式の BSON date型の日付フィールド。

  • 緯度と経度の座標を使用して定義される地理的ロケーション フィールド。

near演算子を使用すると、数値または日付に近い結果を見つけることができます。 near演算子は、数値または日付に近接して Atlas Search 結果をスコア付けします。

構文

near の構文は次のとおりです。

{
   $search: {
      "index": <index name>, // optional, defaults to "default"
      "near": {
         "path": "<field-to-search>",
         "origin": <date-or-number>,
         "pivot": <pivot-distance>,
         "score": <score-options>
      }
   }
}

オプション

near では、次の用語を使用してクエリを作成します。

フィールド
タイプ
説明
必要性
origin
日付、数値、または地理的

近くの検索する数値、日付、または地理的ポイント。 これは、結果の近接性が測定されるオリジンです。

  • 数値フィールドの場合、値は BSON int32 、 int64 、またはdoubleデータ型である必要があります。

  • 日付フィールドの場合、値はISODate形式の日付である必要があります。

  • 地理フィールドの場合。 値はGeoJSON ポイントである必要があります。

はい
path
文字列または複数の文字列の配列
インデックス付きフィールドまたは検索するフィールド。 「パス構築 」を参照してください。
はい
pivot
数値

Atlas Search 結果ドキュメントのスコアを計算するために使用する値。 スコアは、次の式を使用して計算されます。

              pivot
score = ------------------
         pivot + distance

上記で、 distanceはoriginとインデックス付きフィールド値の差です。

結果のインデックス フィールド値がoriginからpivot単位離れている場合、スコアは1/2 （または0.5 ）と等しくなります。 pivotの値は より大きくなければなりません（ > ） 0 。

originが の場合:

  • 数値、 pivotは整数または浮動小数点数として指定できます。

  • 日付、 pivotはミリ秒単位で指定する必要があり、 32または64ビット整数として指定できます。 例:

    • 1 分は次と等しい: 60,000 ms

    • 1 時間は に等しい 3,600,000 ms

    • 1 日は に等しい 86,400,000 ms

    • 1 か月（または 30 日）は に等しい 2,592,000,000 ms

  • GeoJSON ポイントであるpivotはメートル単位で測定され、整数または浮動小数点数として指定する必要があります。

はい
score
オブジェクト

一致する検索結果に割り当てる スコア 。 デフォルトのスコアは、次のオプションを使用して変更できます。

  • boost: 結果のスコアに指定された数値を掛けます。

  • constant: 結果のスコアを指定された数値に置き換えます。

  • function: 結果のスコアを指定された式で置き換えます。

クエリで score を使用する方法については、「結果内のドキュメントのスコアリング」を参照してください。

詳しくは、「スコアリング動作 」を参照してください。

no

スコアリングの動作

Atlas Search scoreは、Atlas Search 結果のoriginへの近接性を測定します。 scoreは0と1の間でスケーリングされ、 1は完全一致、 0は距離一致です。 originからの Atlas Search の結果の距離が、 pivotを使用して計算されたオリジンからの距離と等しい場合、スコアは0.5と等しくなります。

スコアは、次の式を使用して計算されます。

               pivot
score = ------------------
         pivot + distance

上記で、 distanceはoriginとインデックス付きフィールド値の差です。

クエリでscoreオプションを使用してデフォルトのスコアを変更できます。 オプションの詳細については、 「 スコアの変更 」を参照してください。

制限

Atlas Search インデックスがある場合でも、 near演算子を使用して配列に保存されている数値または日付値をクエリすることはできません。 範囲演算子は、配列内のインデックス付き数値または日付値をクエリする目的でのみ使用できます。

例

数値と日付の例では、 sample_mflixデータベース内のmoviesコレクションが使用されます。 GeoJSON ポイントの例では、 sample_airbnbデータベースのlistingsAndReviewsコレクションを使用します。

Atlas クラスターにサンプル データ をロードすると、以下の例のインデックス定義または 動的インデックス を使用して静的インデックスを作成し、クラスターでサンプル クエリを実行できます。

Tip

サンプル データセットをすでに読み込んでいる場合は、「Atlas Search スタートガイド」チュートリアルに従って、インデックスの定義を作成し、Atlas Search クエリを実行します。

数値の例

次の例では、 near演算子を使用して数値フィールドをクエリします。

例

runtimesという名前の次のインデックス定義は、 moviesコレクション内のruntimeフィールド値をインデックス化します。

1{
2   "mappings": {
3      "dynamic": false,
4      "fields": {
5         "runtime": {
6            "type": "number"
7         }
8      }
9   }
10}

次のクエリは、 runtimeフィールド値が279に近い値を持つmoviesコレクション内のドキュメントを検索します。 出力を7の結果に制限する$limitステージと、次の操作を行う$projectステージが含まれています。

  • titleとruntimeを除くすべてのフィールドを除外

  • 次のフィールドを追加: score

scoreはpivotを使用して計算されます。

1db.movies.aggregate([
2   {
3      $search: {
4         "index": "runtimes",
5         "near": {
6            "path": "runtime",
7            "origin": 279,
8            "pivot": 2
9         }
10      }
11   },
12   {
13      $limit: 7
14   },
15   {
16      $project: {
17         "_id": 0,
18         "title": 1,
19         "runtime": 1,
20         score: { $meta: "searchScore" }
21      }
22   }
23])

上記のクエリは、次の結果を返します。

1{ "runtime" : 279, "title" : "The Kingdom", "score" : 1 }
2{ "runtime" : 279, "title" : "The Jinx: The Life and Deaths of Robert Durst", "score" : 1 }
3{ "runtime" : 280, "title" : "Shoah", "score" : 0.6666666865348816 }
4{ "runtime" : 281, "title" : "Les Misèrables", "score" : 0.5 }
5{ "runtime" : 277, "title" : "Tokyo Trial", "score" : 0.5 }
6{ "runtime" : 276, "title" : "Warriors of the Rainbow: Seediq Bale", "score" : 0.4000000059604645 }
7{ "runtime" : 283, "title" : "Scenes from a Marriage", "score" : 0.3333333432674408 }

上記の Atlas Search 結果では、映画「 The KingdomとThe Jinx: The Life and Deaths of Robert Durstは、 279のruntimeフィールド値が完全一致であるため、スコア1.0を受け取ります。 映画「 Les MisèrablesとTokyo Trialは、 runtimeフィールド値が279から2単位であるため、スコア0.5を受け取ります。

日付の例

次の例では、 near演算子を使用して日付フィールドをクエリします。

例

releaseddateという名前の次のインデックス定義は、 moviesコレクション内のreleasedフィールド値をインデックス化します。

1{
2   "mappings": {
3      "dynamic": false,
4      "fields": {
5         "released": {
6            "type": "date"
7         }
8      }
9   }
10}

次のクエリは、 13 、 1年 9 月 日頃に公開された映画を検索します。 出力を3の結果に制限する$limitステージと、次の操作を行う$projectステージが含まれています。

  • titleとreleasedを除くすべてのフィールドを除外

  • 次のフィールドを追加: score

結果のscoreはpivotを使用して計算されます。

注意

pivot ここでは、 はミリ秒単位で測定され、 7,776,000,000 msは約 3 か月に等しくなります。

1db.movies.aggregate([
2   {
3      $search: {
4         "index": "releaseddate",
5         "near": {
6            "path": "released",
7            "origin": ISODate("1915-09-13T00:00:00.000+00:00"),
8            "pivot": 7776000000
9         }
10      }
11   },
12   {
13      $limit: 3
14   },
15   {
16      $project: {
17         "_id": 0,
18         "title": 1,
19         "released": 1,
20         score: { $meta: "searchScore" }
21      }
22   }
23])

上記のクエリは、次の検索結果を返します。

{ "title" : "Regeneration", "released" : ISODate("1915-09-13T00:00:00Z"), "score" : 1 }
{ "title" : "The Cheat", "released" : ISODate("1915-12-13T00:00:00Z"), "score" : 0.49723756313323975 }
{ "title" : "Hell's Hinges", "released" : ISODate("1916-03-05T00:00:00Z"), "score" : 0.34090909361839294 }

上記の Atlas Search 結果では、映画「 Regeneration 」に1のスコアが与えられます。 1915-09-13のreleasedフィールド値は完全一致であるためです。 1915-12-13に公開された映画The Cheatは、 originからのreleasedフィールド値の距離が1915-09-13から約7,776,000,000ミリ秒であるため、約0.5のスコアを受け取ります。

GeoJSON ポイントの例

次の例では、 near演算子を使用して、 sample_airbnb.listingsAndReviewsコレクション内の GeoJSON ポイント オブジェクトをクエリします。 address.locationproperty_type次のインデックス定義は、listingsAndReviews コレクション内の フィールドと フィールドにインデックスを作成します。

例

1{
2  "mappings": {
3    "fields": {
4      "address": {
5        "fields": {
6          "location": {
7            "type": "geo"
8          }
9        },
10        "type": "document"
11      },
12      "property_type": {
13        "type": "string"
14      }
15    }
16  }
17}

基本的な例

次の例では、 near演算子を使用して、 sample_airbnb.listingsAndReviewsコレクションのaddress.locationフィールドをクエリします。

例

次のクエリは、ポルトガルのプロパティを検索します。 出力を3の結果に制限する$limitステージと、次の操作を行う$projectステージが含まれています。

  • nameとaddressを除くすべてのフィールドを除外

  • 次のフィールドを追加: score

結果のscoreはpivotを使用して計算されます。 ここでは、 pivotはメートル単位で測定され、1000 メートルは 1 キロメートルに等しいことに注意してください。

1db.listingsAndReviews.aggregate([
2  {
3    "$search": {
4      "near": {
5        "origin": {
6          "type": "Point",
7          "coordinates": [-8.61308, 41.1413]
8        },
9        "pivot": 1000,
10        "path": "address.location"
11      }
12    }
13  },
14  {
15    $limit: 3
16  },
17  {
18    $project: {
19      "_id": 0,
20      "name": 1,
21      "address": 1,
22      score: { $meta: "searchScore" }
23    }
24  }
25])

上記のクエリは、次の検索結果を返します。

1{
2  "name" : "Ribeira Charming Duplex",
3  "address" : {
4    "street" : "Porto, Porto, Portugal",
5    "suburb" : "",
6    "government_area" : "Cedofeita, Ildefonso, Sé, Miragaia, Nicolau, Vitória",
7    "market" : "Porto",
8    "country" : "Portugal",
9    "country_code" : "PT",
10    "location" : {
11      "type" : "Point",
12      "coordinates" : [ -8.61308, 41.1413 ],
13      "is_location_exact" : false
14    }
15  },
16  "score" : 1
17}
18{
19  "name" : "DB RIBEIRA - Grey Apartment",
20  "address" : {
21    "street" : "Porto, Porto, Portugal",
22    "suburb" : "",
23    "government_area" : "Cedofeita, Ildefonso, Sé, Miragaia, Nicolau, Vitória",
24    "market" : "Porto",
25    "country" : "Portugal",
26    "country_code" : "PT",
27    "location" : {
28      "type" : "Point",
29      "coordinates" : [ -8.61294, 41.14126 ],
30      "is_location_exact" : true
31    }
32  },
33  "score" : 0.9876177310943604
34}
35{
36  "name" : "Ribeira 24 (4)",
37  "address" : {
38    "street" : "Porto, Porto, Portugal",
39    "suburb" : "",
40    "government_area" : "Cedofeita, Ildefonso, Sé, Miragaia, Nicolau, Vitória",
41    "market" : "Porto",
42    "country" : "Portugal",
43    "country_code" : "PT",
44    "location" : {
45      "type" : "Point",
46      "coordinates" : [ -8.61318, 41.14107 ],
47      "is_location_exact" : false
48    }
49  },
50  "score" : 0.973789632320404
51}

結果は、指定された座標から離れたプロパティはスコアが低いことを示しています。

複合例

compound次の例では、property_type address.location演算子を使用して、sample_airbnb.listingsAndReviews コレクション内の フィールドと フィールドをクエリします。

例

次のクエリは、指定された GeoJSON ポイントの近くにある香港のアパートを検索します。 クエリでは、 を使用して検索条件（満たす必要がある）を指定し、 を使用してロケーションの優先順位を指定する必要があります。 出力を3の結果に制限する$limitステージと、次の操作を行う$projectステージが含まれています。

  • property_typeとaddressを除くすべてのフィールドを除外

  • 次のフィールドを追加: score

scoreはpivotフィールドを使用して計算されます。 ここでは、 pivotはメートル単位で測定され、1000 メートルは 1 キロメートルに等しいことに注意してください。

1db.listingsAndReviews.aggregate([
2  {
3    $search: {
4      "compound": {
5        "must": {
6          "text": {
7            "query": "Apartment",
8            "path": "property_type"
9          }
10        },
11        "should": {
12          "near": {
13            "origin": {
14              "type": "Point",
15              "coordinates": [114.15027, 22.28158]
16            },
17            "pivot": 1000,
18            "path": "address.location"
19          }
20        }
21      }
22    }
23  },
24  {
25    $limit: 3
26  },
27  {
28    $project: {
29      "_id": 0,
30      "property_type": 1,
31      "address": 1,
32      score: { $meta: "searchScore" }
33    }
34  }
35])

上記のクエリは、次の検索結果を返します。

1{
2  "property_type" : "Apartment",
3  "address" : {
4    "street" : "Hong Kong, Hong Kong Island, Hong Kong",
5    "suburb" : "Central & Western District",
6    "government_area" : "Central & Western",
7    "market" : "Hong Kong",
8    "country" : "Hong Kong",
9    "country_code" : "HK",
10    "location" : {
11      "type" : "Point",
12      "coordinates" : [ 114.15027, 22.28158 ],
13      "is_location_exact" : true
14    }
15  },
16  "score" : 1.177286982536316
17}
18{
19  "property_type" : "Apartment",
20  "address" : {
21    "street" : "Hong Kong, Hong Kong Island, Hong Kong",
22    "suburb" : "Central & Western District",
23    "government_area" : "Central & Western",
24    "market" : "Hong Kong",
25    "country" : "Hong Kong",
26    "country_code" : "HK",
27    "location" : {
28      "type" : "Point",
29      "coordinates" : [ 114.15082, 22.28161 ],
30      "is_location_exact" : true
31    }
32  },
33  "score" : 1.1236450672149658
34}
35{
36  "property_type" : "Apartment",
37  "address" : {
38    "street" : "Hong Kong,
39    Hong Kong Island, Hong Kong",
40    "suburb" : "Mid-Levels",
41    "government_area" : "Central & Western",
42    "market" : "Hong Kong",
43    "country" : "Hong Kong",
44    "country_code" : "HK",
45    "location" : {
46      "type" : "Point",
47      "coordinates" : [ 114.15007, 22.28215 ],
48      "is_location_exact" : true
49    }
50  },
51  "score" : 1.114811897277832
52}

戻る

moreLikeThis