mysql spatial索引_空间索引Spatial Indexing

大家第一次接触到index应该是在上数据库这门课的时候。之所以数据库需要index，主要是因为数据量和应用层面的操作这两个原因，缺一不可。回忆下数据库最基本的操作：增删改查以及稍复杂些的比如连接操作，基本都需要先锁定数据位置，再执行操作。而定位这个步骤，如果没有index，基本都是O(n)的时间复杂度，这是一个非常“耗时”的操作。虽然从复杂度角度并不能算高，但是数据库访问是非常基础非常频繁的操作，性能直接影响到终端用户。所以非常微小的提升都是非常必要的。(如果是对于数据挖掘的算法，这类算法的用户通常是研究人员，那算法的速度快慢则显得非常次要，而accuracy则更为重要)。上面说，数据量大是使用index的一个原因，那为什么现在大量的机器学习算法，那些需要海量数据的算法不需要index呢？因为这些数据都是用来training或testing，而在这些步骤中，不需要预先定位数据位置。除了个别算法，比如KNN算法的prediction步骤，需要找到K个最近邻来判断给定item的label属性。“找”这个操作就需要定位。注意这里的定位不再是指在存储器上的位置，而是在空间中的位置，这里的空间，是由数据的维度张成的空间。空间数据，也即是这些拥有多维度的数据。这是空间数据的一个比较延展性的说法。但通常，空间数据都focus on 几何类型数据，比如点，线，面，球等，当然这些点、线都是可以任意维度的。对于空间数据的搜索，我们需要空间索引spatial index来提升搜素效率(速度)。目前主流数据库(SQL server, MySQL, PostgreSQL，etc)都已加入了对spatial data的支持，这其中最主要的就是数据类型和索引的