PostgreSQL - 地理數據索引之爭：GIST VS R-tree

目錄

GIST索引

GiST原理

R-tree索引

R-tree原理

 GiST VS R-tree

創建時間

支持的操作

效率之爭

---

本文主要針對的是地理數據，地理數據的特點是具有二維或三維的座標數據，且都是基於PostGIS擴展對地理數據的操作來說的。

空間索引是空間數據庫的關鍵所在，空間索引強，空間數據庫支持大規模的數據纔有意義，可以說空間索引的好壞決定了數據庫的強弱。R-tree索引經常用於地理數據，GIST索引也是PostGIS中用於地理數據的推薦索引，從PostGIS 0.6開始，便不推薦直接使用R-tree索引地理數據了，轉而推薦在GiST框架內實現的R-tree索引。那麼，PostGIS爲什麼要做出這樣的選擇呢？R-tree有什麼問題呢？GiST之於R-tree有什麼優勢呢，它們之間又有什麼區別和聯繫？

PostGIS的FAQ中有人問到了這個問題，給出的答案是：測試結果表明，兩者的性能相差不大，當然還是R-tree更快，而且在PostgreSQL中的R-tree實現有缺陷：

1. 不能處理超過8k的要素，GiST可以；
2. PostgreSQL中實現的R-tree不是null-safe的，如果geometry有null值，則索引構建會失敗。

GIST索引

GiST其實不是一個真正意義上的索引，它是一個索引實現模板，提供了一些api，B-tree和R-tree都可以在GiST的框架內實現。

GiST原理

GiST是一種平衡樹的數據結構，它的關鍵在於key是可以定製的，例如R-tree本身的key是整數型，而實現了R-tree的GiST的key是外包矩形（Bounding Box）。

想在GiST框架內實現一種索引，你需要做的首先就是明確key的內容，然後爲key實現四個方法，用以支持樹的插入、刪除和查詢操作。這四個方法是：

1. Consistent，
2. Union，
3. Penalty，
4. PickSplit，

R-tree索引

R樹是很常用的空間數據索引，它是樹狀數據結構。給空間數據建立R樹索引後，可以很容易的回答空間查詢的相關問題，如某點附近2千米的範圍內有哪些廁所。

R-tree原理

R-tree中的‘R’代表Rectangle（矩形），R-tree以M值爲依據計算外包矩形，將一個或多個空間要素的外包矩形作爲key進行索引，最後將外包矩形和要素構建爲一棵樹，方便根據外包矩形進行查詢，要素在樹中都是葉子節點，而外包矩形從根節點到葉子節點的直接父節點都是計算的外包矩形，且範圍逐漸細化。維基上的圖片很直觀：

 GiST與R-tree並不是平行概念

從上面的概念可以看出，GiST和R-tree並不是平行的概念，準確的說，GiST並不是索引，

創建時間

創建測試表，並往裏灌2億條多邊形數據，分別創建gist索引和rtree索引：

CREATE TABLE test_idx_table (
  id SERIAL8,
  area DOUBLE PRECISION,
  the_geom_webmercator geometry
);

create index concurrently table_name_gist_idx on table_name using gist(geom);

create index concurrently table_name_rtree_idx on table_name using rtree(geom);

測試結果表明，對兩億面數據，創建R-tree索引耗時"2m 11s 49ms"，而GiST索引創建時間爲“2m 12s 111ms”，兩者相差無幾。索引創建時間並不是兩者的關鍵區別。

支持的操作

 

效率之爭