|
前文再续，书接上一回。
本节重点提要： 1、ES对于空间查询的优化模型。 2、ES对于投影坐标系的使用原则。 上一节讲了ES的基本概念，最后也讲了一下关于ES对属性数据的存储结构，那么今天我们来讲讲ES对空间数据的支持。 既然我们叫做空间属性一体化的全文检索，肯定就需要有空间查询的能力，而ES本身就具备这种能，使我们无需再使用额外的GIS软件。 不过与传统和专业的GIS相比，ES对空间数据的支持还是有一些不同的。最主要的就是空间数据在ES中，并非以矢量坐标的方式来存在，而是以geohash字符串的形式来存储和计算的。而geohash最显著的特点，就是只能使用地理坐标系，不能支持投影坐标系。有关geohash的简介，我们后面还会继续说到，而如何使用投影坐标系的问题，后面也会有讲到。 ES大空间存储模式，分成两大类，一类是专门用来存储点的，因为我们以前说过，有99%的LBS数据都是以点模式来表达的，所以ES专门为点划分了一种存储模式，这种模式在非专业GIS领域里面，也占到了绝大多数的份额。 第二大类就是所谓的几何类型了，包括了多点、线、圆、多边形、多部件要素几类，如果熟悉GDAL/OGR的同学，可能对这些术语就很熟悉了，没错，ES的空间属性，参考的就是GDAL/OGR，准确来说，应该是参考JTS的。  点要素就只存储经度/纬度，这个非常好理解，那么我们下面来看看，ES对于比较专业的GIS几何要素是怎么存储的。 下面我们用GeoJSON对ES的几何模型就行对比，实际上可以看出，ES与GeoJSON几乎是一样的，采用JSON模式来对空间数据进行存储。  Geo_Shape与GeoJSON不同的地方，是ES的Geo_Shape多出了两种类型，一个是所谓矩形（envelope），在ES里面，矩形仅需要存储两个坐标（左下、右上），而在GeoJSON里面，矩形是作为几何类型存在的，需要存储五个坐标点（四个坐标，最后一个坐标与第一个坐标重合，形成封闭多边形） 然后还有就是圆，ES里面，圆仅需要存储一个点和一个属性即可。  ES的空间查询，并非采用传统的空间索引，而用的是GeoHash算法。 Geohash是一种特殊的编码方式，它可以把一组坐标串编码成一串hash编码，这个hash编码的长度决定了索引的精度，最长可以到达12位，误差小于2厘米。 geohash的原理实际上就是等于把地球画成若干网格，每一级编码，下面的网格是上一级网格的四倍，每个网格都有独立的编号，下一级网格的前N位直接继承上一级网格。 那么如果两个坐标对的前N位相同，则表示，在第N级网格的时候，这两个坐标对在同一个网格里面。 所以GEOHASH可以很快的计算出两个点的距离以及点与面的包含。  但是在进行geohash编码的时候，精度与开销是成正比的，精度越高，开销越大，而且下一级的开销是上一级的2的n次倍。所以在定义ES的空间字段存储结构的时候，可以适当的放宽（比如精度设置为1米），这样在查询的时候保存较高的精度的时候，也有有效的节约不少内存。  对于点来说，组成点的一个坐标对，会被编码成1个geohash字符串，而对于线和面来说，这个挑战就大很多了。 我们都知道，线是由一连串的点所有构成的，而面是由一连串的封闭的点构成的，比如我们要存储山东省的行政区划，山东省的行政区划详细的情况下，总共由45000多个节点所构成，那么把这个面要素存储到ES中，就不是一条索引记录，而对应的是四万五千多条索引记录。 依此类推，如果我们要做是地类图斑的这种面存储，最后解构出来的存储空间，就是以结点数来论的，这将成为一个巨大的开销。  所以，我们可以针对面状要素进行一定的优化，下面是比较常见的四种优化方案： 1、中心点模式。也就是把整个面的中心点取出来，作为这个面要素的空间位置所在，查询的时候，查询区间框中了这个中心点，才命中这个面要素。 这种模式，在处理海量小地块的模式下，常见，比如一个地块也就几个平方米（几十），空间查询的时候框中边界节点和中心点几乎没有区别，所以就不用完整的存储每个节点了，存储中心点即可。这样几乎节约了99%的系统开销，把一个面要素就变成了一个点。 2、外接矩形模式。也就是计算这个面要素的外接矩形，把这个矩形存储在空间字段里面，查询的时候，框中这个矩形，就算命中。 这种模式在处理比较规则的面要素的时候，效果会很好，而且存储量也小，矩形在ES里面仅需要存储两个坐标对。但是对于不规则的图形的时候，效果不是很高。 3、外接多边形模式（凸包），这种情况可以尽量的减少需要存储的点，而且也能尽量保留多边形的几何特征。 这种模式在大部分情况下，都兼顾了精确和系统开销，是比较常用的一种方式。 4、抽稀模式，这种模型，对面要素进行节点抽稀，根据抽稀的比例阈值，是一种最大限度保留几何特征的方式。 最后就是全要素模式，这种模式在数据库里面常见，但是在ES里面我们需要尽量避免，因为冗余量太大了，会严重影响我们的系统查询性能。 在实际项目中，根据经验，一般建议是采用包络矩形、包络多边形和抽稀模式三种来处理面要素。 线要素就没有这么多选择了……一般就是选择节点抽稀模式，根据需求，确定抽稀的阈值。 最后，我们看看专业GIS用户比较关心的投影坐标系的问题。 在ES里面，本身不支持投影坐标系（以前有说正在解决，不过都解决到7.9版本了，还没有影子，大家也就都放弃等待了）。 我们先来看看投影坐标系是干嘛的——一句话说透：投影坐标系主要是用于精确的空间测量，因为把球面投影到平面上之后，投影坐标系里面的长度、角度、面积就是恒定，不会因为位置不同产生变形。 那么在全文检索里面，我们是否有非常精确的空间测量需求呢？答案是没有，或者说很少有，就算遇上了精确测量需求的时候，我们也去依托真实数据和后台GIS引擎来实现，ES本身作为查询引擎，没有这个需求（普通测量分析，用测地线模型，误差个几十厘米，也就无所谓了）。 所以，如果你的数据的投影坐标系的，要在ES中使用，首先就要转换为地理坐标系，因为每个投影坐标系后面一定是依托一个地理坐标系的，所以这个问题不大。 把空间信息转换为地理坐标系之后，就可以用于在ES中进行查询了，之后我们可以把原始的投影坐标系直接存储成一个不分词、不做索引的完整字符串，这样查询命中之后，直接取出这个字符串来，在GIS中就可以直接重构出这样一个空间对象了。 这就是ES对投影空间数据的使用原则。 预知后事如何，请听下回分解。 最后还是广告： 有需要的详细咨询了解其中的一些关键的技术细节的同学，可以与虾神单独联系。 联系方式：关注公众号，然后发送2，获取虾神的个人邮箱。 |
|
|
