保罗·拉姆齐：PostGIS性能：通过分解和细分提升边界框性能
💡
原文英文，约800词，阅读约需3分钟。
📝
内容提要
在PostGIS性能系列的第三部分中，探讨了边界框的性能。通过将复杂多边形进行分解和细分，可以显著提升空间连接性能，从9秒降至1.8秒，优化了空间索引的有效性。
🎯
关键要点
- 在PostGIS性能系列的第三部分中，探讨了边界框的性能。
- 几何数据在关系数据库中与其他列类型不同，数据域和物理大小差异很大。
- 大物体在处理时需要更长时间，影响空间索引的有效性。
- 空间索引使用“r-tree”索引，每个对象由边界框表示，可能会重叠。
- 使用未修改的“admin0”数据进行空间连接的基线时间为9秒。
- 通过使用ST_Dump将每个对象分解为单个多边形，连接时间降至3.8秒。
- 进一步使用ST_Subdivide将多边形细分，最终查询时间降至1.8秒。
- 创建更小、更简单的几何形状显著提高了大数据集的空间索引效率。
❓
延伸问答
如何通过分解和细分提升PostGIS的边界框性能？
通过使用ST_Dump将复杂多边形分解为单个多边形，再使用ST_Subdivide将多边形细分，可以显著提高空间连接性能，查询时间从9秒降至1.8秒。
PostGIS中的空间索引是如何工作的？
PostGIS使用“r-tree”索引，每个对象由边界框表示，边界框可能会重叠，这会影响索引的有效性。
为什么大物体会影响PostGIS的性能？
大物体在处理时需要更长时间，且它们的边界框可能覆盖多个其他对象，从而降低空间索引的有效性。
使用ST_Dump和ST_Subdivide的效果如何？
使用ST_Dump分解后，查询时间降至3.8秒，进一步使用ST_Subdivide后，查询时间降至1.8秒，显著提高了性能。
PostGIS性能优化的基线时间是多少？
使用未修改的“admin0”数据进行空间连接的基线时间为9秒。
在PostGIS中，如何创建更有效的空间索引？
通过创建更小、更简单的几何形状，可以显著提高大数据集的空间索引效率。
➡️
