空间索引思路整理

需求：查找距离目标1000米内的餐馆
解决思路：对城市内所有餐馆（点对象）建立索引存储，加快查找速度
前提背景：POI空间分布不均匀，市中心比较集中，郊区很少

解决方案：
1、使用索引，适合建立索引的数据结构是【Hash】和【树】
2、可能索引方案包括：B树，网格索引，四叉树索引、R树索引、GeoHash
3、B树是针对一维数据【单个字段】使用，空间对象（点、线、面）是多维数据

通用二维数据解决方案（点、线、面）
1、网格索引
（1）索引实现：使用Hash数据结构实现，单位网格对应于HashMap中的一个桶，该网格关联的对象对应存储在相应桶的链表中
（2）局限性：网格索引在对象空间分布均匀时效率比较高
如果空间对象分配不均匀，那么最终会得到大量空白网格，浪费存储空间
网格尺寸不好确定，太大则索引效率低，太小则形成很多空白空格

2、普通四叉树索引
（1）索引实现：递归地对空间进行四等分，从而建立一个四叉树。通过叶节点挂接数据，并且只有叶点存储数据，根节点和中间节点不存储数据
（2）局限性：
如果空间对象分配不均匀，那么最终构造出来的是层次比较深的不均衡树，最终导致查询的效率下降
同一个对象在不同叶节点中重复存储
（3）四叉树索引改进
将地理实体信息存储在完全包含它的最小矩形节点中，每个地理实体只在树中存储一次，避免了存储空间的浪费
（4）四叉树在对象空间分布均匀时效率比较高

3、R树索引
是B树在高纬空间的扩展，是一棵平衡树。R树采用了空间分割的理念，具体是使用“最小外包矩形”，从叶子节点开始用矩形将空间框起来，节点越往上，框住的空间越大，以此对空间进行分割。

思考：四叉树索引和R树思路是相反的？一个是从上到下递归划分空间，另一个是从下往上递归划分

将二维数据转换为一维数据的解决方案GeoHash（适合于点对象）
（1）索引实现：分别根据点对象的经度和纬度分别进行【区间划分】到【符合一定精度的程度】，分别编码，然后合并，最后进行base32编码得到可以比较的字符串编码
例如wx4g0ec1，它的前缀wx4g0e表示包含编码wx4g0ec1在内的更大范围。 这个特性可以用于附近地点搜索。首先根据用户当前坐标计算geohash（例如wx4g0ec1）然后取其前缀进行查询 （SELECT * FROM place WHERE geohash LIKE ‘wx4g0e%’），即可查询附近的所有地点
（2）GeoHash编码表示的是矩形区域，而不是具体点；该矩形区域内的所有兴趣点拥有相同的编码

地理围栏
地理围栏（Geo-fencing）是LBS的一种应用，就是用一个虚拟的栅栏围出一个虚拟地理边界，当手机进入、离开某个特定地理区域，或在该区域内活动时，手机可以接收自动通知和警告
实现思路：首先对地理围栏（多边形）建立R树索引，以便能快速找到覆盖目标位置的外包矩形（进而定位到多边形围栏），然后再依据射线法判断点是否在多边形内部

参考：http://blog.csdn.net/zhouxuguang236/article/details/12312099
http://blog.jobbole.com/80633/
http://www.cnblogs.com/LBSer/p/3403933.html