作者：Benjamin Ba
链接：https://www.zhihu.com/question/19790803/answer/29290524
来源：知乎
著作权归作者所有，转载请联系作者获得授权。
链接：https://www.zhihu.com/question/19790803/answer/29290524
来源：知乎
著作权归作者所有，转载请联系作者获得授权。
架构的话有很多尝试，传统的Oracle和 Postgre用的比较广泛, 很多架构在此基础上同时应用 NoSQL。因为大多数LBS并不涉及更复杂的空间数据存储，例如多边形或者三维数据，因此，大多数generic的数据库架构都可以应用。但是，从产品核心的设计以及发展来看，如果像FourSquare(4SQ)进行数据挖掘并提供收费的数据分析服务，那么基于空间的利用文件数据结构，以空间POI为基础的NoSQL，是比较好的选择。除了其他人介绍的很多LBS，比如街旁和4SQ，应用的Mongo DB， 还有Couch DB, 根据之前来讲课的澳洲政府的一个大型空间数据库项目(集成了多种现有的空间数据库)的构架师介绍，这个项目应用了Couch DB。虽然理论上Graphic的NoSQL对于存储空间数据也有很大优势，但是毕竟相对不成熟，所以实际应用中的NoSQL还是以doc结构的Mongo和Couch为主。
如何提高命中率关键是对存储的空间数据认识程度和对用户query的类型的统计分析，并在此基础上开发出适合的算法，建立缓存或者对传统的空间索引进行组合，例如应用一些refine-filter策略。空间数据的索引与传统的索引不同，但是又部分基于传统索引的基础之上的。这里只介绍一些简单的空间索引入门算法，最后简单谈一下缓存建立的策略。
-----------------------------------索引------------------------------------------------------------------------
----简略介绍一下作为空间索引基础的一般索引,并由此为基础应用部分B tree思想并组合其他一些方法进行空间索引。
B-Tree/B+Tree 定义的话学过数据库应该都了解。
这是常用的一般性索引。从0-100 这一百个数找到40这个，可以用过100 -> (0-50), (51-100) 在（1-50）里面查询，然后再从（1-25）（26-50）里面的（26-50）里面查询。通过它的平衡性，每次减少一半的数据，所以查询时间是O(log n)。1->100是一个一维的线性关系。
<img src="https://i-blog.csdnimg.cn/blog_migrate/d6656976983e3bcd086b8bcd2afaa181.png" data-rawwidth="383" data-rawheight="390" class="content_image" width="383">B-Tree 存储的插入方式
B-Tree 存储的插入方式
（Worboys and Duckham, GIS: A Computing Perspective , p229）
----从一维到二维（当然也有三维但是那个更复杂，不在这里讨论之列）
因为空间的每个object的首先是表现在二维空间的点，线或者多边形。这个帖子因为问的是LBS,因此主要的目的是存储points的POI(Points of interesting)以及它附属的属性。二维空间的索引为什么传统的B tree 不可以呢？看下图：
<img src="https://i-blog.csdnimg.cn/blog_migrate/f485cecf4e9f1c293e7a66ae5f88387c.png" data-rawwidth="350" data-rawheight="636" class="content_image" width="350">
（Worboys and Duckham, GIS: A Computing Perspective , p230）
这14个POI的信息在上表，在空间中他们如下面的图。请注意点1和点2在一维空间上是相邻的，而在二维空间，1和5却是距离最近的。因此线性的索引1-2-3-4-5无法满足空间里1-5的关系。举个例子，你要查询哪个POI与点1在同一个10*10的区域，在这个query中，你通过1-2-3-4-5...在用B tree分割的方式无法快速返回结果。那么我们是不是应该根据空间的远近或者相似性来排序呢？如何做呢？见下面。
------二维的顺序。
好的二维排序方法应该兼顾顺序和空间远近的相对关系，就是上个例子中点1和5的顺序应该是点1和2，这样就保存了空间相似行和顺序的正相关。
可以应用的空间order 总结下来有如下：
<img src="https://i-blog.csdnimg.cn/blog_migrate/8e44a512d59831229e225a5097704bc5.png" data-rawwidth="172" data-rawheight="539" class="content_image" width="172">(Hanan Samet, Foundations of Multidimensional and Metric Data Structures,p199)
(Hanan Samet, Foundations of Multidimensional and Metric Data Structures,p199)
这些方式有利有弊，例如图a,第一行最右边的点8和第二行最右边的点16空间关系很近，但是，序号却相差8。但是，在同一行空间关系保持的与序号相关性保持的很好。
----栅格结构
从以上的order中发现，这都是基于栅格结构把空间分割成栅格，从而编号成为index的。栅格的存储点的空间object的index，常用的方式是Region Quadtrees。 什么是Quadtrees的存储方式呢？
<img src="https://i-blog.csdnimg.cn/blog_migrate/bb1819ba45eec7306bbc755bf5f78bc4.png" data-rawwidth="547" data-rawheight="339" class="origin_image zh-lightbox-thumb" width="547" data-original="https://pic4.zhimg.com/abc2f74fc04bf98c83e81c76d310afb7_r.jpg">
（Worboys and Duckham, GIS: A Computing Perspective , p236）
简单来说，在level 1 把空间分成leve1（0，1，2，3）其中只有0，1，3有数据，其中level 1的1和3都被占满了，就不在继续分割了。然后在level2再把level1的0分成（0，1，2，3），其中只有1，3有数据，其中1已经被占满了，就不用再分割。如此类推，所有的数据都存储到 （01，030，031，1，3）。
----结合以上介绍的方法组合起来来拿作为空间index的算法
1. Point Quadtree
见图：
<img src="https://i-blog.csdnimg.cn/blog_migrate/f9d2653552efd4b5b91f306f41df55bb.png" data-rawwidth="436" data-rawheight="239" class="origin_image zh-lightbox-thumb" width="436" data-original="https://pic3.zhimg.com/9381e102a103d6ece992dda3bebc9b1e_r.jpg">
（Worboys and Duckham, GIS: A Computing Perspective , p243）
其中点1（x坐标，y坐标，西北，东北，西南，东南，数据），然后在点1的东北下（就是上图中b的第二个分支），存储点2（x坐标，y坐标，西北，东北，西南，东南，数据），然后再在点1的东南（上图中c得第四个分支下）存储点3（x坐标，y坐标，西北，东北，西南，东南，数据）。以此类推。
2.2D-Tree
与Point Quadtree类似。但是它不把空间分隔成4个部分而是两个。
如图：
<img src="https://i-blog.csdnimg.cn/blog_migrate/1d80acfd6b84558a55f9ae637d698f12.png" data-rawwidth="440" data-rawheight="273" class="origin_image zh-lightbox-thumb" width="440" data-original="https://pic4.zhimg.com/57edb540a518e3fcb4a0da0a63bfef0f_r.jpg">（Worboys and Duckham, GIS: A Computing Perspective , p245）
（Worboys and Duckham, GIS: A Computing Perspective , p245）
其中点1（x坐标，y坐标，左，右，数据），点2（x坐标，y坐标，左，右，数据）在1的右边，因此2存储在1的第二个分支下。以此类推。
当然，更复杂的地理信息数据库中，线，多边形和三维objects都会有存储，因此他们的index方法也不同于点。一般来说，越复杂的object index的方法也越复杂，
-----------------------------------缓存------------------------------------------------------------------------
下面简单说明一下缓存的建立思路。这个无法进行详细说明，因为往往都是要根据业务需求进行设计的。简单流程是分析业务主流的query类型-》根据query类型设计缓存。只有理解query类型，才能理解查询过程中应用的算法。这么做目的有2个：1是尽量避免用计算量大耗时长的算法来取得query结果，2是如果避免不了就进行预计算。
所以首先是要理解空间query的类型，按照计算量从小到大顺序排列的query类型是。
1.空间选择查询.
例如，找到距离火车站200米以内的5星评价的饭店。
2.最近邻居查询.
例如，距离火车站最近的2个饭店/火车站到北京饭店的驾车距离是多少
3.拓扑关系查询。
例如，王府井是否在北京市。
这里如果都是LBS的话， 其实简单很多，因为点与线或者多边形的距离和拓扑结构的算法是很简单的，而多边形和多边形就复杂得多。
假设，LBS的query，是大众点评式的。用户最多的query应该是类似：
距离我现在的位置最近的的港式餐厅按评价排序结果。
这个是一个典型的空间选择查询。
那么，缓存的策略可以按照用户集中地地区，预先查询出一些常用的餐厅类型的文件，做成缓存。
相对于其他的地理信息查询，LBS的缓存还是好做的。
大家可以感受一下这个query：找到所有国内的城市，它最近的河流全部是在这个城市所在的省之外。
这个query涉及了线和多边形的拓扑结构查询（省之外）和最近邻居查询（最近的河流）的组合查询，
如果用户都是这种query，那么做缓存的策略人就要蛋疼了！！！！具体操作就要考虑预先计算省的多边形的最小bounding box了。之后这里涉及比较复杂的缓存策略就省略..写起来就不是几句话能讲清楚得了。
----------------------------------------------------------------------------------------------------------------
最后感谢我的数据库老师Matt Duckham，也就是多次截取图片的原书作者。
如何提高命中率关键是对存储的空间数据认识程度和对用户query的类型的统计分析，并在此基础上开发出适合的算法，建立缓存或者对传统的空间索引进行组合，例如应用一些refine-filter策略。空间数据的索引与传统的索引不同，但是又部分基于传统索引的基础之上的。这里只介绍一些简单的空间索引入门算法，最后简单谈一下缓存建立的策略。
-----------------------------------索引------------------------------------------------------------------------
----简略介绍一下作为空间索引基础的一般索引,并由此为基础应用部分B tree思想并组合其他一些方法进行空间索引。
B-Tree/B+Tree 定义的话学过数据库应该都了解。
这是常用的一般性索引。从0-100 这一百个数找到40这个，可以用过100 -> (0-50), (51-100) 在（1-50）里面查询，然后再从（1-25）（26-50）里面的（26-50）里面查询。通过它的平衡性，每次减少一半的数据，所以查询时间是O(log n)。1->100是一个一维的线性关系。
<img src="https://i-blog.csdnimg.cn/blog_migrate/d6656976983e3bcd086b8bcd2afaa181.png" data-rawwidth="383" data-rawheight="390" class="content_image" width="383">B-Tree 存储的插入方式
B-Tree 存储的插入方式
（Worboys and Duckham, GIS: A Computing Perspective , p229）
----从一维到二维（当然也有三维但是那个更复杂，不在这里讨论之列）
因为空间的每个object的首先是表现在二维空间的点，线或者多边形。这个帖子因为问的是LBS,因此主要的目的是存储points的POI(Points of interesting)以及它附属的属性。二维空间的索引为什么传统的B tree 不可以呢？看下图：
<img src="https://i-blog.csdnimg.cn/blog_migrate/f485cecf4e9f1c293e7a66ae5f88387c.png" data-rawwidth="350" data-rawheight="636" class="content_image" width="350">
（Worboys and Duckham, GIS: A Computing Perspective , p230）
这14个POI的信息在上表，在空间中他们如下面的图。请注意点1和点2在一维空间上是相邻的，而在二维空间，1和5却是距离最近的。因此线性的索引1-2-3-4-5无法满足空间里1-5的关系。举个例子，你要查询哪个POI与点1在同一个10*10的区域，在这个query中，你通过1-2-3-4-5...在用B tree分割的方式无法快速返回结果。那么我们是不是应该根据空间的远近或者相似性来排序呢？如何做呢？见下面。
------二维的顺序。
好的二维排序方法应该兼顾顺序和空间远近的相对关系，就是上个例子中点1和5的顺序应该是点1和2，这样就保存了空间相似行和顺序的正相关。
可以应用的空间order 总结下来有如下：
<img src="https://i-blog.csdnimg.cn/blog_migrate/8e44a512d59831229e225a5097704bc5.png" data-rawwidth="172" data-rawheight="539" class="content_image" width="172">(Hanan Samet, Foundations of Multidimensional and Metric Data Structures,p199)
(Hanan Samet, Foundations of Multidimensional and Metric Data Structures,p199)
这些方式有利有弊，例如图a,第一行最右边的点8和第二行最右边的点16空间关系很近，但是，序号却相差8。但是，在同一行空间关系保持的与序号相关性保持的很好。
----栅格结构
从以上的order中发现，这都是基于栅格结构把空间分割成栅格，从而编号成为index的。栅格的存储点的空间object的index，常用的方式是Region Quadtrees。 什么是Quadtrees的存储方式呢？
<img src="https://i-blog.csdnimg.cn/blog_migrate/bb1819ba45eec7306bbc755bf5f78bc4.png" data-rawwidth="547" data-rawheight="339" class="origin_image zh-lightbox-thumb" width="547" data-original="https://pic4.zhimg.com/abc2f74fc04bf98c83e81c76d310afb7_r.jpg">
（Worboys and Duckham, GIS: A Computing Perspective , p236）
简单来说，在level 1 把空间分成leve1（0，1，2，3）其中只有0，1，3有数据，其中level 1的1和3都被占满了，就不在继续分割了。然后在level2再把level1的0分成（0，1，2，3），其中只有1，3有数据，其中1已经被占满了，就不用再分割。如此类推，所有的数据都存储到 （01，030，031，1，3）。
----结合以上介绍的方法组合起来来拿作为空间index的算法
1. Point Quadtree
见图：
<img src="https://i-blog.csdnimg.cn/blog_migrate/f9d2653552efd4b5b91f306f41df55bb.png" data-rawwidth="436" data-rawheight="239" class="origin_image zh-lightbox-thumb" width="436" data-original="https://pic3.zhimg.com/9381e102a103d6ece992dda3bebc9b1e_r.jpg">
（Worboys and Duckham, GIS: A Computing Perspective , p243）
其中点1（x坐标，y坐标，西北，东北，西南，东南，数据），然后在点1的东北下（就是上图中b的第二个分支），存储点2（x坐标，y坐标，西北，东北，西南，东南，数据），然后再在点1的东南（上图中c得第四个分支下）存储点3（x坐标，y坐标，西北，东北，西南，东南，数据）。以此类推。
2.2D-Tree
与Point Quadtree类似。但是它不把空间分隔成4个部分而是两个。
如图：
<img src="https://i-blog.csdnimg.cn/blog_migrate/1d80acfd6b84558a55f9ae637d698f12.png" data-rawwidth="440" data-rawheight="273" class="origin_image zh-lightbox-thumb" width="440" data-original="https://pic4.zhimg.com/57edb540a518e3fcb4a0da0a63bfef0f_r.jpg">（Worboys and Duckham, GIS: A Computing Perspective , p245）
（Worboys and Duckham, GIS: A Computing Perspective , p245）
其中点1（x坐标，y坐标，左，右，数据），点2（x坐标，y坐标，左，右，数据）在1的右边，因此2存储在1的第二个分支下。以此类推。
当然，更复杂的地理信息数据库中，线，多边形和三维objects都会有存储，因此他们的index方法也不同于点。一般来说，越复杂的object index的方法也越复杂，
-----------------------------------缓存------------------------------------------------------------------------
下面简单说明一下缓存的建立思路。这个无法进行详细说明，因为往往都是要根据业务需求进行设计的。简单流程是分析业务主流的query类型-》根据query类型设计缓存。只有理解query类型，才能理解查询过程中应用的算法。这么做目的有2个：1是尽量避免用计算量大耗时长的算法来取得query结果，2是如果避免不了就进行预计算。
所以首先是要理解空间query的类型，按照计算量从小到大顺序排列的query类型是。
1.空间选择查询.
例如，找到距离火车站200米以内的5星评价的饭店。
2.最近邻居查询.
例如，距离火车站最近的2个饭店/火车站到北京饭店的驾车距离是多少
3.拓扑关系查询。
例如，王府井是否在北京市。
这里如果都是LBS的话， 其实简单很多，因为点与线或者多边形的距离和拓扑结构的算法是很简单的，而多边形和多边形就复杂得多。
假设，LBS的query，是大众点评式的。用户最多的query应该是类似：
距离我现在的位置最近的的港式餐厅按评价排序结果。
这个是一个典型的空间选择查询。
那么，缓存的策略可以按照用户集中地地区，预先查询出一些常用的餐厅类型的文件，做成缓存。
相对于其他的地理信息查询，LBS的缓存还是好做的。
大家可以感受一下这个query：找到所有国内的城市，它最近的河流全部是在这个城市所在的省之外。
这个query涉及了线和多边形的拓扑结构查询（省之外）和最近邻居查询（最近的河流）的组合查询，
如果用户都是这种query，那么做缓存的策略人就要蛋疼了！！！！具体操作就要考虑预先计算省的多边形的最小bounding box了。之后这里涉及比较复杂的缓存策略就省略..写起来就不是几句话能讲清楚得了。
----------------------------------------------------------------------------------------------------------------
最后感谢我的数据库老师Matt Duckham，也就是多次截取图片的原书作者。
扫一扫
394
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
