Я использую Postgis 2.0 уже 3/4 года в году, и, хотя мне очень нравится его использовать, чрезмерное время обработки запросов делает его практически непригодным для использования в моем случае.
Я склонен выполнять тяжелую геообработку на муниципальных наборах данных, которые часто содержат сотни тысяч мультиполигонов. Эти мультиполигоны иногда имеют очень неправильную форму и могут варьироваться от 4 до 78 000 точек на мультиполигон.
Например, когда я пересекаю набор данных участков с 329 152 мультиполигонами с набором данных юрисдикции, содержащим 525 мультиполигонов, я получаю следующую статистику по общему потребленному времени:
ArcGIS 10.0 (on same host with windows 7 OS): 3 minutes
Postgis:56 minutes (not including geometry pre-processing queries)
Другими словами, для этого пересечения в Postgis требуется на 1500% больше времени, чем в ArcGIS - и это один из моих самых простых запросов!
Одна из причин, по которой ArcGIS предположительно работает быстрее, заключается в улучшении индексов. Некоторые программисты недавно выяснили, как работают эти индексы, и мне интересно, знает ли кто-нибудь, как создавать эти индексы в Postgis (или создавать таблицы, которые бы имитировали индексы). Возможно, это решит большинство проблем со скоростью в Postgis. Я могу только надеяться, что должен быть какой-то путь, тем более что ArcGIS может использовать только 4 ГБ ОЗУ, в то время как я могу использовать до 4 раз больше, чем для моего сервера postgis!
Конечно, есть много причин, по которым postgis может работать медленно, поэтому я предоставлю подробную версию своих системных характеристик:
Machine: Dell XPS 8300
Processor: i7-2600 CPU @ 3.40 GHz 3.40 GHz
Memory: Total Memory 16.0 GB (10.0 GB on virtual machine)
Platform: Ubuntu Server 12.04 Virtual Box VM
Potgres Version: 9.1.4
Postgis Version: POSTGIS="2.0.1 r9979" GEOS="3.3.5-CAPI-1.7.5" PROJ="Rel. 4.8.0, 6 March 2012" GDAL="GDAL 1.9.1, released 2012/05/15" LIBXML="2.7.8" LIBJSON="UNKNOWN" TOPOLOGY RASTER
Я также подробно описал весь процесс установки, который я использовал для настройки postgis, включая создание самой виртуальной машины .
Я также увеличил общую память с 24 МБ до 6 ГБ в файле conf и выполнил следующие команды, чтобы запустить postgres:
sudo sysctl -w kernel.shmmax=7516192768 (I know this setting is deleted every time you restart the OS)
sudo /etc/init.d/postgresql restart
Насколько я могу судить, это абсолютно ничего не делает с точки зрения производительности.
Вот ссылки на данные, которые я использовал для этого теста:
- Посылки: tcad_parcels_06142012.shp.zip из города Остин, Техас
- Юрисдикция: Юрисдикционные границы из города Остин, штат Техас
Вот шаги, которые я предпринял для обработки данных:
ArcGIS
- Добавить наборы данных в ArcMap
- Установить систему координат для центральных ног Техаса (srid 2277)
- Использовать инструмент пересечения из выпадающего меню
PostGIS
Импортировать посылки, используя:
shp2pgsql -c -s 2277 -D -i -I -W UTF-8 "tcad_parcels_06142012.shp" "public"."tcad_parcels_06142012" |psql -d postgis_testing -U postgres -h local_ip -p 5432
Импортные юрисдикции с использованием:
shp2pgsql -c -s 2277 -D -i -I -W UTF-8 "jurisdictions.shp" "public"."jurisdictions" |psql -d postgis_testing -U postgres -h local_ip -p 5432
Очистить недопустимую геометрию в посылках:
DROP TABLE IF EXISTS valid_parcels;
CREATE TABLE valid_parcels(
gid serial PRIMARY KEY,
orig_gid integer,
geom geometry(multipolygon,2277)
);
CREATE INDEX ON valid_parcels USING gist (geom);
INSERT INTO valid_parcels(orig_gid,geom)
SELECT
gid
orig_gid,
st_multi(st_makevalid(geom))
FROM
tcad_parcels_06142012;
CLUSTER valid_parcels USING valid_parcels_geom_idx;
Очистить неверную геометрию в юрисдикциях:
DROP TABLE IF EXISTS valid_jurisdictions;
CREATE TABLE valid_jurisdictions(
gid serial PRIMARY KEY,
orig_gid integer,
geom geometry(multipolygon,2277)
);
CREATE INDEX ON valid_jurisdictions USING gist (geom);
INSERT INTO valid_jurisdictions(orig_gid,geom)
SELECT
gid
orig_gid,
st_multi(st_makevalid(geom))
FROM
jurisdictions;
CLUSTER valid_jurisdictions USING valid_jurisdictions_geom_idx;
Запустить кластер:
cluster;
Запустите анализ вакуума:
vacuum analyze;
Выполнить пересечение на очищенных столах:
CREATE TABLE parcel_jurisdictions(
gid serial primary key,
parcel_gid integer,
jurisdiction_gid integer,
isect_geom geometry(multipolygon,2277)
);
CREATE INDEX ON parcel_jurisdictions using gist (isect_geom);
INSERT INTO parcel_jurisdictions(parcel_gid,jurisdiction_gid,isect_geom)
SELECT
a.orig_gid parcel_gid,
b.orig_gid jurisdiction_gid,
st_multi(st_intersection(a.geom,b.geom))
FROM
valid_parcels a, valid_jurisdictions b
WHERE
st_intersects(a.geom,b.geom);
Объяснить Анализ запроса на пересечение:
Total runtime: 3446860.731 ms
Index Cond: (geom && b.geom)
-> Index Scan using valid_parcels_geom_idx on valid_parcels a (cost=0.00..11.66 rows=2 width=1592) (actual time=0.030..4.596 rows=1366 loops=525)
-> Seq Scan on valid_jurisdictions b (cost=0.00..113.25 rows=525 width=22621) (actual time=0.009..0.755 rows=525 loops=1)
Nested Loop (cost=0.00..61428.74 rows=217501 width=24213) (actual time=2.625..3445946.889 rows=329152 loops=1)
Join Filter: _st_intersects(a.geom, b.geom)
Из всего, что я прочитал, мой запрос на пересечение эффективен, и я абсолютно не представляю, что я делаю неправильно, чтобы запрос занимал 56 минут на чистой геометрии!
источник
Ответы:
Другой подход. Зная, что боль в ST_Intersection, и что тесты true / false выполняются быстро, попытка минимизировать количество геометрии, проходящей через пересечение, может ускорить процесс. Например, участки, которые полностью содержатся в юрисдикции, не нужно обрезать, но ST_Intersection все равно, вероятно, столкнется с проблемой создания части наложения пересечения, прежде чем понять, что ему не нужно генерировать какую-либо новую геометрию. Так это
Или даже терше
Может быть даже быстрее без СОЮЗА.
источник
UNION
удаляет дублированные строки из двух запросов, но эти два запроса не могут иметь одну и ту же строку в своем наборе результатов. ИтакUNION ALL
, который пропускает дубликат проверки, будет уместно здесь. (Я не такUNION
часто использую, но я обычно нахожу, что вне времени я использую его гораздо чащеUNION ALL
).Что произойдет, если вы пропустите
"st_multi(st_intersection(a.geom,b.geom))"
часть?Разве приведенный ниже запрос не означает то же самое без него? Я запустил его по предоставленным вами данным.
конфигурация
Анализировать результаты
источник