百万级要素优化：基于 PG 与 PostGIS 的实时矢量瓦片服务

本文由 dbaplus 社群授权转载。

之前介绍了如何使用 PG 与 PostGIS 搭建实时矢量瓦片服务，但未介绍如何做优化，对于日常项目使用基本可以满足。这篇文章主要试介绍如何浏览百万级要素，示例为 300 万点要素。

《基于 PG 与 PostGIS 搭建实时矢量瓦片服务》：https://blog.csdn.net/qq_35241223/article/details/106439268

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。

1. 根据数据范围以及阈值将范围划分网格。

2. 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。

3. 将交到要素随机选取一个，其余要素舍弃。

4. 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。

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。

1. 设置距离阈值。

2. 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。

3. 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。

4. 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。

1. 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。

2. 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。

3. 基于以上就可以完成 50%的抽稀率。

使用的局限：

1. 对于小数据量可能效果达不到。

优势：

1. 效率很高，可以不用提前处理数据。

2. 可以将 random（）做到数据字段中，使用 btree 加速。

3. 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。

1. 根据范围与网格大小阈值，划分数据网格。

2. 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。

3. 在网格内根据随机数，将网格内数据随机丢弃一些。

4. 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。

1. 设置距离阈值，设置丢弃比例。

2. 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。

3. 将该片数据，基于丢弃比例，舍弃一部分要素。

4. 继续下一个点为基准点，循环（2）（3）的步骤。

5. 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，结合根据级别抽稀过滤。

效果图：

写在最后

以上优化方法仅为个人的一些经验以及思路，有错误的地方欢迎留言，一起交流，向您学习。

作者介绍：

刘航，国信司南地理信息技术有限公司 GIS 研发工程师、技术经理。

原文链接：

https://mp.weixin.qq.com/s?__biz=MzI4NTA1MDEwNg==&mid=2650792661&idx=2&sn=4f12ce2610c8f938b0580117cec7e652&chksm=f3f95740c48ede562aa4d81696661f17ac039ac4b51d75b9288280f6a6e88e5220fbf9776d3d&scene=27#wechat_redirect