百万级要素优化：基于PG与PostGIS的实时矢量瓦片服务

2023-10-12 19:58:46

背景介绍

对于某些应用场景，数据量很容易达到百万级要素，数据每天都在改变。而且还要考虑在1-6级这种小级别时候的数据展示，那么这个时候仅仅是PG与PostGIS简单的矢量瓦片服务比较困难达到客户想要的效果，这个时候就要考虑做一些优化了。

优化方法

百万级要素优化对于不同的业务来说，有相应不同的解决办法，没有最好，只有更好，这个时候要做考量，下面介绍几个常用的会考虑使用的方法：

1、依据业务，对要素进行抽稀过滤

根据业务层面，在不同场景浏览不同的要素，虽然总的要素在几百万，但是这个时候过滤一部分后剩余要素可以进行实时矢量瓦片展示。

2、几种抽稀过滤的算法

除第一种方法外，其余几种方法包含一些个人的想法与思路，其它小伙伴有其他好的思路，或者对我的想法思路有疑问的话，欢迎在评论区留言。

1）道格拉斯-普客算法（DP）

该算法个人理解为是简化的算法，对于线或者面的边界，可以使用该算法对节点进行抽稀，达到对线或者面的简化。但是为什么在点要素抽稀过滤中也介绍该算法呢？

答案：在轨迹数据中，每一次存储的都是点位信息（点），所以对于该种数据可以使用该算法进行过滤，但是对于一个点即代表一种信息的数据来说，该算法不太适用。

2）基于网格的抽稀过滤算法

该算法结果为均匀分布。

根据数据范围以及阈值将范围划分网格。
遍历网格，利用网格与数据求交（使用PostgreSQL的gist索引，加快速度），计算交到的要素。
将交到要素随机选取一个，其余要素舍弃。
遍历完网格后，即可完成要素过滤。

本人写了一个简单的实现，供各位参考。

--drop FUNCTION point_simplify_grid;
CREATE
OR REPLACE FUNCTION point_simplify_grid (
    PAR_minx DOUBLE PRECISION,
    PAR_miny DOUBLE PRECISION,
    PAR_maxx DOUBLE PRECISION,
    PAR_maxy DOUBLE PRECISION,
    PAR_threshold DOUBLE PRECISION
) RETURNS geometry AS $$
DECLARE REC_points RECORD ; ARR_result_points geometry []; GEO_point geometry ; grid_key VARCHAR (10) ; GEOM_result geometry ; grid_num_x INTEGER ; grid_num_y INTEGER ; grid_json jsonb ;
BEGIN
    grid_num_x := CEIL (
        (PAR_maxx - PAR_minx) / PAR_threshold
    ) ; grid_num_y := CEIL (
        (PAR_maxy - PAR_miny) / PAR_threshold
    ) ; grid_json := '{}' :: jsonb ; ARR_result_points := '{}' :: geometry []; FOR REC_points IN SELECT
        *
    FROM
        tycd_view
    WHERE
        geom && st_makeenvelope (
            PAR_minx,
            PAR_miny,
            PAR_maxx,
            PAR_maxy,
            4326
        ) LOOP grid_key := CEIL (
            (
                st_x (REC_points.geom) - PAR_minx
            ) / PAR_threshold
        ) || ',' || CEIL (
            (
                st_y (REC_points.geom) - PAR_miny
            ) / PAR_threshold
        ) ;
    IF NOT (grid_json ? grid_key) THEN
        ARR_result_points := array_append(
            ARR_result_points,
            st_setsrid (REC_points.geom, 4326)
        ) ; grid_json := grid_json || ('{"' || grid_key || '":true}') :: jsonb ;
    END
    IF ;
    END loop ; GEOM_result := st_union (ARR_result_points) ; RETURN GEOM_result ;
    END ; $$ LANGUAGE plpgsql;

--select st_asgeojson(point_simplify_grid(73,3,135,53,0.2))

github链接：https://github.com/MrSmallLiu/point_dilution

3）基于距离的抽稀过滤算法

该算法结果为均匀分布。

设置距离阈值。
选取初始点，计算其它点到该点的距离，阈值范围内的点，舍弃。
从上次结果中，选取另一个点作为基准点，再次执行（2）的步骤，只需计算保留下来的点。
全部点计算完成后，即可完成要素抽稀过滤。

4）基于随机数的抽稀过滤算法

该算法结果可以保持数据疏密。

对于大数据量时的随机数，可以达到伪随机性，所以可以利用该算法进行随机性的抽稀。

设置经验阈值，例如r=0.5，同时因为该算法效率可以实时进行，可以考虑基于每一次查询矢量切片时，根据级别设置阈值。
查询的sql语句中或者其它方式后面添加where条件，where random()>0.5时保留要素。
基于以上就可以完成50%的抽稀率。

使用的局限：

对于小数据量可能效果达不到。

优势：

效率很高，可以不用提前处理数据。
可以将random（）做到数据字段中，使用btree加速。
设置字段中后，可以保证例如小级后的结果例如3级，在后续级别中保留例如4-18级。

5）基于网格与随机数抽稀过滤算法

该算法结果可以保持数据疏密。

根据范围与网格大小阈值，划分数据网格。
遍历网格，利用网格与数据求交（使用PostgreSQL的gist索引，加快速度），计算交到的要素。
在网格内根据随机数，将网格内数据随机丢弃一些。
网格遍历完成后，即完成数据抽稀过滤。

该算法弥补了单纯基于数据数的一些局限性，不会导致数据存在缺块（对于大数据量，可能性微乎其微）。

6）基于距离并保持疏密程度的抽稀过滤算法

该算法结果可以保持数据疏密。

设置距离阈值，设置丢弃比例。
选取初始点，遍历其它要素，计算其它要素到该要素的距离，小于距离阈值的归为一片。
将该片数据，基于丢弃比例，舍弃一部分要素。
继续下一个点为基准点，循环（2）（3）的步骤。
全部要素完成后，即可完成数据抽稀过滤。

以上即为介绍的几种抽稀过滤算法，可以在合适的场景使用合适的方式。其中虽然有些算法存在局限性（基于随机数的算法），但是对于大数据量来说，可能性很低，并且效率极高，可以做到实时，以下效果也是采用该方法。

效果展示

示例：

数据量：本示例数据量为300万点要素；
抽稀过滤方法：基于随机数抽稀过滤，将random字段添加到字段中，同时利用该方法结合经验值，实时抽稀过滤展示（例如：<4级：0.2，4-6级:0.4，7-9：0.7，>10不抽稀过滤）；
数据展示方法：实时矢量切片，结合根据级别抽

码农公寓

背景介绍

优化方法

效果展示

相关文章