空间索引介绍

最新推荐文章于 2024-10-15 00:02:29 发布
最新推荐文章于 2024-10-15 00:02:29 发布
阅读量894 收藏 29
点赞数 24
文章标签： 空间索引
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42344452/article/details/136841651
版权
本文详细介绍了空间索引的实现原理，特别是Boost库中的Rtree及其变种（如GIST-Tree、quad-tree和bin），探讨了不同算法的选择，包括查询方式（如空间查询、最近邻查询和用户自定义条件），以及如何在实际场景中使用和优化这些索引结构。
摘要由CSDN通过智能技术生成

  空间索引的实现方式：Rtree 和其变种树 GIST-Tree、quad-tree(四叉树)、bin(网格索引)

  所有的空间索引都是先插入数据，把数据在内部数据结构进行划分，然后才能进行 query。

  这里介绍 boost 的开源 R-tree 库。

boost R-tree

boost 官网

构造

// index 在 namespace boost::geometry 里

rtree<Value,
      Parameters,
      IndexableGetter = index::indexable<Value>,
      EqualTo = index::equal_to<Value>,
      Allocator = std::allocator<Value> >

# 创建一个 rtree 对象
index::rtree<Value, index::linear<16>> rt;

  rtree 的第一个参数 value，必须要是能提取出 indexable 的对象，默认的有 boost 库的 point, box, segment。可以接受 pair 和 tuple, 但是这两个数据结构的第一个参数必须是 indexable 的。

  第二个参数表示 R-tree 插入和分割的算法类型，有下面三种算法可选。

index::linear<16>： 使用线性复杂性的方法来维护 R-tree。在插入和删除操作时，它会尝试保持节点的均衡，使得树的高度保持较小。由于它的复杂性是线性的，所以在某些情况下可能比其他算法更快。但是，它在处理大量数据和频繁更新时可能会失去一些性能。

index::quadratic<16>： 使用平方复杂性的方法来维护 R-tree。在插入和删除操作时更加注重节点的均衡，相对于线性算法，它可能在某些情况下提供更好的查询性能。但是，它的更新操作可能比线性算法慢一些。

index::rstar<16>： R*-tree 算法，一种优化的算法，旨在最小化节点的重叠并通过强制重新插入来进行平衡。这可以提高查询性能并减少树的高度。它通常在需要高性能的查询场景中使用，但可能会在更新操作时变得更加复杂。

  每种平衡算法都有其优缺点，最适合的选择取决于您的数据和应用程序的要求。如果您的数据集和查询方式是已知的，可以通过比较不同算法在实际情况下的性能表现来做出选择。

Query

三种 query 方式：

  • spatial predicates - spatial conditions that must be met by stored Value and some Geometry
  • distance predicates - distance conditions that must be met by stored Value and some Geometry
  • user-defined unary predicate - function, function object or lambda expression checking user-defined condition
Spatial queries

第一种是空间查询，查询和某个区域相关的操作。

std::vector<Value> result;
rt.query(index::contains(box), std::back_inserter(result));
rt.query(index::covered_by(box), std::back_inserter(result));
rt.query(index::covers(box), std::back_inserter(result));
rt.query(index::disjont(box), std::back_inserter(result));
rt.query(index::intersects(box), std::back_inserter(result));
rt.query(index::overlaps(box), std::back_inserter(result));
rt.query(index::within(box), std::back_inserter(result));

除了 box，还可以查询 segment

Nearest neighbours queries

查询和某个区域最近的元素。

std::vector<Value> result;
Point pt(/*...*/);
# k 表示返回离点 pt 最近的 k 个元素
rt.query(bgi::nearest(pt, k), std::back_inserter(result));

Box box(/*...*/);
rt.query(bgi::nearest(box, k), std::back_inserter(result));

Segment seg(/*...*/);
rt.query(bgi::nearest(seg, k), std::back_inserter(result));
User-defined unary predicate

用户可以自定义额外的条件，查询的结果是：满足查询条件，并且满足用户自定义的条件的元素。

bool is_red(Value const& v)
{
  return v.is_red();
}

struct is_red_o
{
  template <typename Value>
  bool operator()(Value const& v)
  {
    return v.is_red();
  }
}

// ...

rt.query(index::intersects(box) && index::satisfies(is_red),
         std::back_inserter(result));

rt.query(index::intersects(box) && index::satisfies(is_red_o()),
         std::back_inserter(result));

rt.query(index::intersects(box) && index::satisfies([](Value const& v) { return v.is_red(); }),
         std::back_inserter(result));
Passing set of predicates

可以传递多个查询条件

rt.query(index::intersects(box1) && !index::within(box2),
         std::back_inserter(result));

rt.query(index::intersects(box1) && !index::within(box2) && index::overlaps(box3),
         std::back_inserter(result));

不同类型的查询也可以放在一起

index::query(rt, index::nearest(pt, k) && index::within(b), std::back_inserter(returned_values));

BOOST_FOREACH(Value & v, rt | index::adaptors::queried(index::nearest(pt, k) && index::covered_by(b)))
  ; // do something with v
Iterative queries

可以用迭代器遍历查询的结果。

for ( Rtree::const_query_iterator it = tree.qbegin(bgi::nearest(pt, 10000)) ;
      it != tree.qend() ; ++it )
{
    // do something with value
    if ( has_enough_nearest_values() )
        break;
}
Inserting query results into another R-tree

查询的结果可以插入另一个 RTree

namespace bgi = boost::geometry::index;
typedef std::pair<Box, int> Value;
typedef bgi::rtree< Value, bgi::linear<32, 8> > RTree;

RTree rt1;
/* some inserting into the tree */

std::vector<Value> result;
rt1.query(bgi::intersects(Box(/*...*/)), std::back_inserter(result));
RTree rt2(result.begin(), result.end());

RTree rt3;
rt1.query(bgi::intersects(Box(/*...*/))), bgi::inserter(rt3));

RTree rt4(rt1 | bgi::adaptors::queried(bgi::intersects(Box(/*...*/)))));

bin

fastBin

对于 bin 算法的理解：

  1. 通过 add 获取到所有的数据
  2. 构建 bin，根据数据的多少，划分 bin 的格点。
  3. 遍历所有的数据，构建每个格点和在格点上的数据的联系。
  4. query 时，所有在 query 区域内部的格点的数据直接加入结果，只需要计算touch 的格点。

格点之间的关系可以分为 body x y corner, 这样可以简化计算

去重：smallbin 只返回包含左下角
fastbin: 每个shape 只返回一次

data structure
vector<vector<unsigned>>            _nodes; // nx,  ny * 4
// _nodes.resize(_nx), _nodes[0].resize(ny << 2, UINT_MAX);

// first is data, second is next on the corner list
mutable deque<pair<T, unsigned>>    _data;

// first is data index, second is next on the list
deque<pair<unsigned, unsigned>>     _indexes;
addBin

对每一个 shape addBin 的时候

  1. 先计算出这个 shape 所在的 bin 格点的范围。getRange
  2. 遍历所有 shape 所在的格点，计算 shape 和 每个格点的关系：getListType
  3. 然后 addList, 获取当前格点中已有的同类型的 shape _nodes[x][(y << 2) + lt] cur
    1. 如果 shape 的 listType 是 corner: _data 中当前 shape 的下一个指向 cur, nodes 中当前格点的这个类型的对象变为当前 shape
    2. 如果 shape 中的 listTpe 不是 corner：
query
  1. 获取要查询的 box 属于 bin 中的哪些格点
  2. 遍历每一个格点
    1. 获取当前格点的 ListType: myType, 这个格点在所有和 box 有关的格点中的位置，body,x,y,还是 corner
    2. 如果当前格点属于box 的内部格点，don’tcheck
    3. 遍历当前格点的 4 种 ListType

不会重复计算：通过下面的比较方式
c check c, x, y, b
x chekc c, y
y chekc c, x
b check c

smallBin

query:

getRange(): 获取 box 在 bin 上的范围 x1~x2 y1~y2

遍历所有格点，获取每一个格点相关的data list; 遍历 data list，每一个数据再具体比较，判断是不是在 box 上

checkBox 只有在 corner 位置的data 才会加入查询结果，所以不会有重复的问题

安牛牛牛
关注
空间索引总体介绍
07-25
### 空间索引总体介绍 #### 一、空间索引技术的发展 空间索引技术随着计算机科学的发展而不断进步。随着地理信息系统(GIS)的广泛应用，如何高效地管理和检索大量的空间数据成为了一个重要的问题。传统的数据库索引...
Boost库-功能介绍-Geometry-R树-空间索引
插件开发
04-28 4220
文章目录1.空间几何关系2.最近邻查询3.函数查询4.作者寄语   R树是一种多级平衡树,它是B树在多维空间上的扩展。在R树中存放的数据并不是原始数据，而是这些数据的最小边界矩形（MBR），空间对象的MBR被包含于R树的叶结点中。在R树空间索引中，设计一些虚拟的矩形目标，将一些空间位置相近的目标，包含在这个矩形内，这些虚拟的矩形作为空间索引，它含有所包含的空间对象的指针。虚拟矩形还可以进一步细分，即可以再套虚拟矩形形成多级空间索引。   R+树，在R树的构造中，要求虚拟矩形一般尽可能少地重叠，并且一个空间对
Boost.Geometry的RTree空间索引
ljp341621的博客
08-14 2558
RTree
MySQL中的空间索引是什么？如何使用？
最新发布
长风破浪会有时的博客
10-15 138
定义：空间索引是一种利用R树数据结构来优化空间数据存储和查询的索引类型。应用场景：它在地理信息系统、空间数据库等领域有广泛应用，能够显著提高对空间数据的查询效率。性能因素：空间索引的性能取决于多个因素，包括数据量、查询复杂度以及存储引擎的选择等。
索引的相关知识详解和慢查询优化
givenchy_yzl的博客
02-24 421
什么是索引？ 索引是存储引擎中的一种数据结构，或者说数据的组织方式，又称之为键key，为数据建立索引就好比为书建目录，目的是为了缩小查询范围，提升查询速度 为何要用索引？ 为了优化查询效率 ps:创建完索引后会降低增删改的效率（文件不是很大时，影响效果不会很强烈）不过好就好在一般数据的读写比例是10:1，所以适当的建一些索引还是很有必要的。 如何正确的看待索引？ 开发人员最懂业务，任何一个程序都有吸引用户的亮点，亮点背后对应的是热数据，这一点开发人员是最清楚的，开发人员最了解热数据对应的数据库表字段有哪些，
红黑树(RBTree)
yqq1997的博客
05-21 383
RBTree #pragma once #include <iostream> #include <stdio.h> #include <string.h> #include <stdlib.h> #include <string> #include <algorithm> #include <vector> #include <list> #include <map> #include &lt
常见的空间索引方法
热门推荐
Amesteur的博客
05-21 2万+
在谈论空间索引之前，我们必须了解索引的概念。索引是为了提高数据集的检索效率。打个比喻，一本书的目录就是这本书的内容的“索引”，我们查看感兴趣的内容前，通过查看书的目录去快速查找对应的内容，而不是一字一句地找我们感兴趣的内容。所以，索引是一种“前人栽树，后人乘凉”的东西。 空间索引不同于书本“目录”，“目录”对应的书本内容是不变的，而我们讨论的空间索引是根据空间数据...
空间索引详解
weixin_30404405的博客
09-14 1299
原文链接：https://www.cnblogs.com/mafeng/p/7909387.html https://www.cnblogs.com/arxive/p/8139002.html 一、问题 　　先思考个常见的问题：如何根据自己所在位置查询来查询附近50米的POI（point of interest，比如商家、景点等）呢（图1a）？ 　　每个POI都有经纬度信息，我用图1b的S...
Mysql之索引介绍
01-27
【MySQL之索引介绍】 MySQL中的索引是一种特殊的数据结构，它的主要目的是为了加快数据的检索速度。在没有索引的情况下，数据库系统需要从第一条记录开始逐行扫描，直到找到匹配的行，这个过程在大数据量下会非常...
Mysql索引详细介绍
09-10
此外，MySQL还支持全文索引（FULLTEXT）和空间索引（R-Tree），但并非所有引擎都支持这些特性。 **二、设计索引的原则** 1. **搜索的索引列**：索引应优先应用在WHERE子句或JOIN条件中出现的列，而非SELECT列表中的...
SQL Server 索引介绍
09-11
【SQL Server 索引介绍】 SQL Server中的索引是一种数据结构，它的主要目的是提高数据库查询性能。就像书籍的目录，索引使我们能够迅速找到数据表中的特定行，而无需扫描整个表。索引的存在使得数据库系统可以更快...
mysql，innodb索引介绍
05-06
然而，索引也存在劣势，如维护索引需要消耗额外的存储空间和CPU资源，当数据发生变化时，索引需要同步更新，这可能导致更新速度变慢。 BTree结构的设计旨在平衡磁盘读取和内存访问。由于磁盘读取速度远慢于内存，...
MySQL---空间索引、验证索引、索引特点、索引原理
weixin_43961909的博客
05-20 1118
重复数据多的字段不应设为索引（比如性别，只有男和女，一般来说：重复的数据超过百分之15就。一般来说，索引本身也很大，不可能全部存储在内存中，因此索引往往以索引文件的形式存储的磁。对数据表中的数据进行增加，修改，删除时，索引也要动态的维护，降低了维护的速度。创建索引和维护索引需要消耗时间，并且随着数据量的增加，时间也会增加；但是不能进行范围查找，因为散列表中的值是无序的，无法进行大小的比较。关键字进行扩展，使得能够用于创建正规索引类型的语法创建空间索引。空间索引是对空间数据类型的字段建立的索引，MYSQL。
空间索引
weixin_33724570的博客
03-22 227
空间数据的空间检索   空间数据查询即空间索引是对存储在介质上的数据位置信息的描述，是用来提高系统对数据获取的效率，也称为空间访问方法(Spatial Access Method SAM)是指依据空间对象的位置和形状或空间对象之间的某种空间关系按一定的顺序排列的一种数据结构其中包含空间对象的概要信息如对象的标识外接矩形及指向空间对象实体的指针。 作为一种辅助性的空间数据结构空间索引介于空间操...
MySQL入门学习-深入索引.空间索引
weixin_69763181的博客
07-15 1204
在 MySQL 中，空间索引是一种用于对空间数据类型（如 'GEOMETRY' ）进行高效查询的索引类型。
空间数据库之空间索引
大家好我叫张同学
12-15 9987
空间数据库 空间索引 网格索引 四叉树索引 R树索引 金字塔索引 空间查询效率
GIS开发——空间索引
m0_46543935的博客
07-16 955
在各种数据库系统中，地理空间索引的实现和使用方式可能略有不同，下面将介绍几种常见数据库系统中地理空间索引的基本概念和用法。索引的管理和优化：索引的存在会增加数据的存储空间和维护成本，同时过多或不必要的索引可能会导致插入、更新和删除操作的性能下降。一个表可以拥有多个索引：根据查询的需要和数据库设计的复杂性，一个表可以有多个不同的索引，每个索引针对不同的查询模式或者频繁使用的字段。混合索引：在一些数据库中，可以将空间索引与常规索引（如 B 树索引）结合使用，以优化复杂查询的性能。
高效的空间索引算法——Geohash 和 Google S2
AndersonHuang的博客
11-10 4139
GeoHash被广泛的应用到空间检索方面。GeoHash所做的事就是把一个坐标点映射到一个字符串上，每一个字符串代表的就是一个以经纬度划分的矩形区域。Geohash 属于空间填充曲线中的 Z 阶曲线（Z-order curve）的实际应用。 谷歌的 S2 算法就是基于希尔伯特曲线的。S2其实是来自几何数学中的一个数学符号 S2，它表示的是单位球。S2 这个库其实是被设计用来解决球面上各种几何问题的。
PostGIS教程十：空间索引
挣钱花388的博客
08-12 836
虽然这对于高度事务性的数据库是必不可少的功能，但在添加索引或大容量数据之后等待自动清理运行是不明智的，如果执行大批量更新，则应该手动运行VACUUM命令。为了弄清楚要处理的数据的大概内容（读取表的一小部分信息，而不是读取表的大部分信息），PostgreSQL保存每个索引列中数据分布的。的思想，就像显微镜一样有粗粒度的调整和细粒度的调整。命令要求PostgreSQL回收表页面中因记录的更新或删除而留下的任何未使用的空间。的情况下，对要素的任何搜索都需要对数据库中的每条记录进行"顺序扫描"。
怎么使用Boost.Geometry::index::rtree
10-12
Boost.Geometry::index::rtree 是 Boost.Geometry 库中的一个R树数据结构，它是一种空间索引算法，常用于高效的空间查询操作，如范围搜索、最近邻查找等。要在 C++ 中使用 RTree，你需要按照以下步骤操作： 1. **包含头文件**： 首先，确保已经包含了必要的库头文件，例如： ```cpp #include <boost/geometry/index/rtree.hpp> ``` 2. **创建 RTree 实例**： 创建一个 RTree 对象，指定一个容器类型（例如 std::vector 或者 std::set），以及一个坐标系和度量系统： ```cpp typedef boost::geometry::model::point<double, 2, boost::geometry::cs::cartesian> point_type; using tree = boost::geometry::index::rtree<point_type, boost::geometry::index::quadratic<>>; tree rtree; ``` 3. **插入元素**： 将几何对象（如点、线段或多边形）添加到 RTree 中： ```cpp tree::insert(rtree, geometry); ``` 4. **查询操作**： - **范围查询**：找到在特定区域内的所有元素： ```cpp auto query_box = boost::makeBox(point_type(0, 0), point_type(10, 10)); // 定义一个查询矩形 auto result = rtree.query(query_box); ``` - **最近邻查找**：找到离某个点最近的元素： ```cpp tree::nearest(tree const& rtree, point_type const& pt, size_t max_distance, std::vector<result_type>& nearest); ``` 5. **迭代遍历**： 如果需要遍历整个 RTree，可以使用迭代器： ```cpp for (auto it = rtree.begin(); it != rtree.end(); ++it) // process element ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值