Повторно отправьте вопрос о переполнении стека, когда было высказано предположение, что это будет лучший форум.
Я пытаюсь провести небольшой эксперимент с использованием набора данных, который не является геопространственным, но подходит ему достаточно хорошо, и результаты меня несколько тревожат. Набор данных является геномными данными, например, Человеческий Геном, где у нас есть область ДНК, где такие элементы, как гены, занимают определенные начальные и конечные координаты (наша ось X). У нас есть несколько областей ДНК (хромосом), которые занимают ось Y. Цель состоит в том, чтобы вернуть все элементы, которые пересекают две координаты X вдоль одной координаты Y, например LineString (START 1, END 2).
Теория казалась здравой, поэтому я внедрил ее в существующий геномный проект на базе MySQL и придумал структуру таблицы, например:
CREATE TABLE `spatial_feature` (
`spatial_feature_id` int(10) unsigned NOT NULL AUTO_INCREMENT,
`external_id` int(10) unsigned NOT NULL,
`external_type` int(3) unsigned NOT NULL,
`location` geometry NOT NULL,
PRIMARY KEY (`spatial_feature_id`),
SPATIAL KEY `sf_location_idx` (`location`)
) ENGINE=MyISAM;
external_id
представляет идентификатор объекта, который мы закодировали в этой таблице, и external_type
кодирует его источник. Все выглядело хорошо, и я добавил некоторые предварительные данные (30 000 строк), которые, казалось, работали хорошо. Когда это число превысило отметку в 3 миллиона строк, MySQL отказался использовать пространственный индекс и стал медленнее, когда его заставили его использовать (40 секунд против 5 секунд при полном сканировании таблицы). Когда было добавлено больше данных, индекс начал использоваться, но снижение производительности сохранялось. При принудительном отключении индекса запрос сократился до 8 секунд. Используемый мной запрос выглядит так:
select count(*)
from spatial_feature
where MBRIntersects(GeomFromText('LineString(7420023 1, 7420023 1)'), location);
Данные, входящие в этот список, будут очень плотными по измерениям Y (представьте себе, что вы записали положение каждого здания, телефонной будки, почтового ящика и голубя на очень длинной дороге). Я провел тесты того, как R-индексы ведут себя с этими данными в Java, а также другие специалисты в этой области успешно применили их к форматам плоских файлов. Однако никто не применил их к базам данных AFAIK, что является целью этого теста.
Кто-нибудь видел подобное поведение при добавлении больших объемов данных в пространственную модель, которая не очень разнородна по определенной оси? Проблема сохраняется, если я переверну использование координат. Я запускаю следующую настройку, если это является причиной
- MacOS 10.6.6
- MySQL 5.1.46