আমি মনে করি এটা উহ্য হয়, কিন্তু আমি চাই না যখন আমি একটি অ স্থানিক সূচক যে আমি পরিবর্তে ব্যবহার করতে পারে ছিল একটি ক্যোয়ারী জন্য একটি স্থানিক সূচক ব্যবহার করুন। উদাহরণস্বরূপ, আমার কাছে 2,113,450 পয়েন্ট রয়েছে যা আমেরিকা যুক্তরাষ্ট্র একটি টেবিলের মধ্যে লোড করে an আমি যদি আলাস্কার রাজ্যের মধ্যে থাকা সমস্ত পয়েন্টগুলি টানতে চাইতাম তবে আমি হয় এমন একটি স্থানিক জিজ্ঞাসা করতে পারি যা আলাস্কার রাজ্যের জ্যামিতির সাথে তুলনা করার জন্য পয়েন্ট জ্যামিতিতে জিআইএসটি সূচক ব্যবহার করেছিল, বা আমি কেবল ব্যবহার করতে পারতাম "state_alpha" = 'একে' রয়েছে এমন সমস্ত পয়েন্ট ফিরিয়ে দিতে পয়েন্ট ডেটাতে "state_alpha" ক্ষেত্রটি (যা সূচকযুক্তও)।
"এটির স্থানিক অংশটি কোথায়?" ঠিক আছে, আলাস্কা_পয়েন্টগুলি সংগ্রহ করার পরে যদি আমাকে আরও কিছু স্থানিক বিশ্লেষণ করার দরকার হয় তবে প্রথমে একটি স্থান-অ-ক্যোয়ারী ব্যবহার করে those পয়েন্ট জ্যামিতিগুলি সংগ্রহ করা আরও দ্রুত। এর অর্থ হ'ল সত্যই বড় ডেটা সেটগুলির জন্য, আপনি একটি অনুসন্ধান ক্ষেত্র (বা টেবিল) যুক্ত করে উপকৃত হন। আবার, আমি জানি এটি সম্ভবত সবার কাছে সুস্পষ্ট, আমি কেবল এটি উল্লেখ করেছি কারণ আমি অতীতে এমন বৈশ্বিক ডেটা সেটগুলির মুখোমুখি হয়েছিল যা কেবলমাত্র স্থানিকভাবে সূচকযুক্ত ছিল এবং যেখানে একটি সাধারণ জিজ্ঞাসা ছিল "একটি দেশের সমস্ত বৈশিষ্ট্য"। আমরা একটি ইনডেক্সযুক্ত কান্ট্রি-ফিপস ফিল্ড যুক্ত করে প্রচুর পারফরম্যান্স অর্জন করেছি।
নীচে এক্সপ্ল্যান অ্যানালাইজের কিছু ফলাফল রয়েছে যা বিষয়টি প্রমাণ করে। (দ্রষ্টব্য: আমি একটি বিবিএক্স ক্যোয়ারী ব্যবহার করে যথাসম্ভব দক্ষতর স্থান তৈরি করার চেষ্টা করেছি the রাষ্ট্রীয় রূপরেখাগুলি ব্যবহার কেবল এটিকে আরও ধীর করে দিয়েছিল))
# explain analyze select count(*) from gnis_names where state_alpha = 'AK';
Aggregate (cost=57359.45..57359.46 rows=1 width=0) (actual time=76.606.. 76.607 rows=1 loops=1)
<snip>
Total runtime: 76.676 ms
# explain analyze select count(*) from gnis_names where the_geom && GeomFromText('POLYGON((-179.14734 51.219862,-179.14734 71.3525606439998,179.77847 71.3525606439998,179.77847 51.219862,-179.14734 51.219862))',4326);
Aggregate (cost=27699.86..27699.87 rows=1 width=0) (actual time=86.523..86.524 rows=1 loops=1)
<snip>
Total runtime: 86.584 ms