测试环境

操作系统	Windows 7 Professional SP1
CPU	Inter Core i7-3520M @ 2.9GHz
内存	8GB
系统盘硬盘	SanDisk SDSSDXP120G
数据盘硬盘	HGST HTS725050A7E630
开发环境	Visual Studio 2008 SP1

实验对象

空间筛选的大致流程基本都是：

1. 矩形框初筛，通过待查询矩形框与数据外包矩形相交快速判断

2.对初筛后缩小了的数据集进行相交、包含、相切、相离等精确判断

空间索引就是提高第一步矩形运算效率的算法

其实不管什么实现，矩形相交的快速判断方法是固定的，四个边界数值的比较，除非写汇编、写机器码，否则不太有提升空间。而空间索引的算法优劣，主要在于如何减少无关数据的访问次数

空间数据至少是二维数据，常用的一维索引（如BTree/Bitmap索引等）无法满足需求，常用的空间索引算法有BSP树、K－D－B树、R树、R+树和CELL树（摘自百度百科，补充四叉树）。

本文要对比的是一些常见的C++空间索引开源实现

loop	最原始的循环，每个节点都访问
shapelib-qix	shapelib提供的默认空间索引算法，基于四叉树的实现。支持硬盘、内存两种模式
shapelib-sbn	从gdal-1.10起添加的对ArcGIS生成的sbn格式的空间索引支持，笔者将其编译入了最新的shapelib中。仅支持硬盘模式
geos	geos提供了若干种空间索引算法，本文对其中的STRTree和QuadTree分别进行了测试。仅支持内存模式
spatialindex	提供了多种基于RTree的空间索引算法，还包括时空GIS所需要的多版本索引算法等。本文仅对二维数据索引，因此仅探讨RTree。支持硬盘、内存两种模式

对比方法

测试数据

郑州市矢量数据

数据类型：Line

数据量：1554304条

x_min：454250.000000

x_max：479750.045600

y_min：3839499.634654

y_max：3862000.032000

空间参考：Xian_1980_3_Degree_GK_CM_114E

对比逻辑

对上述数据的打开数据、创建索引、索引查询范围R内数据n次、相关清理作为一次完整流程，记录索引创建时间、索引内存占用情况、查询时间、查询到数据结果数量作为横向对比参考。重复如上操作t次，取平均值。

其中

R:x_min:465701.923

R:x_max:469994.306

R:y_min:3852567.173

R:y_max:3855717.229

n:100

t:5

对比结果

Method	Mode	Insert(ms)	Memory(MB)	Query(ms)	QueryCount	说明
Loop-vector	Memory	2801.2	77.274219	1523.8	60854	使用std::vector作为数据的存取容器
Loop-list	Memory	2856.4	106.534375	1367.2	60854	使用std::list作为数据的存取容器
Loop	Disk	0.0	0.000000	264532.0	60854	打开数据逐条IO判断
Qix	Memory	3499.8	75.525781	745.8	62240	在内存中创建qix索引查询
Qix	Disk	3730.6	0.000000	2010.2	62240	使用硬盘中的qix索引查询
Sbn	Disk	0.0	10.158594	898.2	63047	使用硬盘中的sbn索引查询
Geos-STRTree	Memory	3100.4	136.578125	2878.8	60854	在内存中创建geos::strtree索引查询
Geos-QuadTree	Memory	4194.4	302.792969	383.4	64288	在内存中创建geos::quadtree索引查询
SpatialIndex-RTree	Memory	83795.2	72.734375	3087.8	60854	在内存中创建rtree索引查询(原始insert接口)
SpatialIndex-RTree	Memory-BulkLoad	13041.0	90.471875	2874.6	60854	在内存中创建rtree索引查询(使用bulkload提升创建速度)
SpatialIndex-RTree	Disk-BulkLoad	13348.8	18.336719	4249.6	60854	使用硬盘中的rtree索引查询(使用bulkload提升创建速度)

优缺点对比

	优点	缺点
qix	1.索引速度极快 2.支持硬盘、内存两种模式	1.仅支持shp数据(仔细研究下代码应该也能把索引部分跟SHPHandle的耦合解开)
sbn	1.硬盘索引速度极快	1.暂无生成sbn的代码，仅能用作只读索引 2.仅支持shp数据 3.仅支持硬盘模式(不过速度其实已经很快了，是否内存化可能不太重要)
geos	1.内存四叉树索引速度为最快	1.仅支持内存模式（对数据量过大的情况应对性不好） 2.geos源码中存在一处内存释放未决，需要使用者对插入索引树的内存做管理，使用较为不便（建议修改源码） 3.内存占用较大
spatialindex	1.支持硬盘、内存两种模式	1.索引生成较慢（做大数据量的实时编辑数据时可能会有效率问题）

综上考虑，可能会在后续的索引中使用spatialindex

对比缺陷

哎，说到缺陷，还请各位看客多多留下宝贵意见

1.最最百思不得其解的是，除了四叉树的两个索引算法和sbn索引，其他索引居然都比内存生生循环要慢，真是打脸打的厉害啊。。。

2014-09-10 自圆其说的一种解释

2.对比没有考虑不同数据特点下索引算法的优劣，如数据外包矩形均匀分布或有明显集中是否有影响

3.对不同算法中的可控参数尚未做纵向对比

4.未对比更大数据量的索引稳定性（之前使用过sqlite的rtree，发现超过1000万条记录就会导致索引建立极慢无比，且因为sqlite的rtree实现是通过虚表+关联外键方式实现，实用性较差，因此没有放在此次对比中）

附上源码，敬请指正：

http://pan.baidu.com/s/1kTJttrh

C++常见空间索引效率对比相关推荐

数组常见的遍历循环方法、数组的循环遍历的效率对比
1 遍历数组的方法 1-1.for / while 最普通的循环效率最高兼容ie6 tips:for循环更适用于循环的开始和结束已知,循环次数固定的场合:while循环更适合于条件不确定的场合 1 ...
【Python | opencv+PIL】常见操作（创建、添加帧、绘图、读取等）的效率对比及其优化
一.背景本人准备用python做图像和视频编辑的操作,却发现opencv和PIL的效率并不是很理想,并且同样的需求有多种不同的写法并有着不同的效率.见全网并无较完整的效率对比文档,遂决定自己丰衣足食 ...
Java List去重 Lis集合去重 List去重效率对比 List去重复元素效率对比 List去重效率
Java List去重 Lis集合去重 List去重效率对比 List去重复元素效率对比 List去重效率 --- List 去重复元素的几种办法一.概述面试的时候,有个常见的问题:" ...
常见NoSQL的对比及使用场景（Redis,memcached,mongodb）
转自:https://my.oschina.net/liyurong/blog/1921898 1. NoSQL NoSQL(Not Only SQL),泛指非关系型的数据库(mysql.oracle ...
[python]关于字符串查找和re正则表达式的效率对比
最近需要在python中做大日志文件中做正则匹配开始直接在for in 中每行做re.findall,后来发现,性能不行,就在re前面做一个基本的字符串包含判断 (str in str),如果不包含 ...
三种基本排序的实现及其效率对比：冒泡排序、选择排序和插入排序
1 public class ThreeTypesOfBaseSort { 2 // ========================== 三种基本排序的效率对比 ================== ...
php遍历数组哪个效率高,PHP遍历数组的三种方法及效率对比分析
PHP遍历数组的三种方法及效率对比分析发布于 2015-03-04 21:55:27 | 129 次阅读 | 评论: 0 | 来源: 网友投递 PHP开源脚本语言PHP(外文名: Hypertext ...
常见消息队列对比（ActiveMQ、ZeroMQ、kafka、RabbitMQ）？
常见消息队列对比? 消息队列是分布式应用间交换信息的重要组件,消息队列可驻留在内存或磁盘上, 队列可以存储消息直到它们被应用程序读走. 通过消息队列,应用程序可以在不知道彼此位置的情况下独立处理消息, ...
python和c运行速度的对比实验_Python中单线程、多线程和多进程的效率对比实验...
原标题:Python中单线程.多线程和多进程的效率对比实验文 | 饒木陽 Python是运行在解释器中的语言,查找资料知道,python中有一个全局锁(GIL),在使用多进程(Thread)的情况下 ...

C++常见空间索引效率对比