\r\nSELECT admin, ST_NPoints(the_geom), ST_MemSize(the_geom) \r\nFROM ne_10m_admin_0_countries \r\nORDER BY ST_NPoints;\r\n<\/pre>\n
- \n
- As Ilhas do Mar de Coral s\u00e3o representadas com um pol\u00edgono de 4 pontos, apenas 112 bytes.<\/li>\n
- O Canad\u00e1 \u00e9 representado com um multi-pol\u00edgono de 68159 pontos, 1 megabytes de tamanho!<\/li>\n<\/ul>\n
\n![\"\"](\"http:\/\/www.fernandoquadro.com.br\/html\/wp-content\/uploads\/2020\/03\/countries.png\")
\n<\/center><\/p>\nMais da metade (149) dos pa\u00edses da tabela \u00e9 maior que o tamanho da p\u00e1gina do banco de dados (8Kb), o que significa que eles levar\u00e3o mais tempo para serem recuperados.<\/p>\n
\r\nSELECT Count(*) \r\nFROM ne_10m_admin_0_countries \r\nWHERE ST_MemSize(the_geom) > 8192;\r\n<\/pre>\n
Podemos ver a sobrecarga envolvida no trabalho com grandes dados, for\u00e7ando uma grande recupera\u00e7\u00e3o e poder computacional.<\/p>\n
Carregue tamb\u00e9m a camada de locais populados do Natural Earth<\/a> no PostGIS e execute uma jun\u00e7\u00e3o espacial completa entre as duas tabelas:<\/p>\n
\r\nSELECT Count(*)\r\nFROM ne_10m_admin_0_countries countries \r\nJOIN ne_10m_populated_places_simple places \r\nON ST_Contains(countries.the_geom, places.the_geom)\r\n<\/pre>\n
Embora a tabela de locais(7322) e a tabela de pa\u00edses(255) sejam muito pequenas, o c\u00e1lculo ainda leva alguns segundos (que vai depender de computador pra computador).<\/p>\n
Os objetos grandes causam v\u00e1rias inefici\u00eancias:<\/p>\n
- \n
- \u00c1reas geograficamente grandes (como Canad\u00e1 ou R\u00fassia) t\u00eam grandes BBOXs, fazendo com que os \u00edndices n\u00e3o funcionem com a mesma efici\u00eancia na busca de pontos que n\u00e3o se enquadram nos pa\u00edses.<\/li>\n
- Objetos fisicamente grandes t\u00eam grandes listas de v\u00e9rtices, que levam muito tempo para passar pelo c\u00e1lculo da fun\u00e7\u00e3o ST_Contains.<\/li>\n<\/ul>\n
Como podemos acelerar o processo? Reduzindo os objetos grandes usando a fun\u00e7\u00e3o ST_Subdivide()<\/a>!<\/p>\n
Primeiro, \u00e9 necess\u00e1rio gerar uma nova tabela de pa\u00edses subdivididos:<\/p>\n
\r\nCREATE TABLE ne_10m_admin_0_countries_subdivided AS\r\nSELECT ST_SubDivide(the_geom) AS the_geom, admin \r\nFROM ne_10m_admin_0_countries;\r\n<\/pre>\n
Agora temos os mesmos dados, mas nenhum objeto tem mais de 255 v\u00e9rtices (cerca de 4Kb) de tamanho!<\/p>\n
\n![\"\"](\"http:\/\/www.fernandoquadro.com.br\/html\/wp-content\/uploads\/2020\/03\/countries_subdivided.png\")
\n<\/center><\/p>\nExecute a uni\u00e3o espacial novamente e veja a mudan\u00e7a:<\/p>\n
\r\nSELECT Count(*)\r\nFROM ne_10m_admin_0_countries_subdivided countries \r\nJOIN ne_10m_populated_places_simple places \r\nON ST_Contains(countries.the_geom, places.the_geom)\r\n<\/pre>\n
No meu computador que foi executado o tempo de retorno foi de 0,5 segundos (60 vezes mais r\u00e1pido), mesmo que a tabela de pa\u00edses agora tenha 8633 linhas. A subdivis\u00e3o realizou duas coisas:<\/p>\n
- \n
- Agora, cada pol\u00edgono cobre uma \u00e1rea menor; portanto, \u00e9 menos prov\u00e1vel que as pesquisas de \u00edndice obtenham pontos que n\u00e3o est\u00e3o dentro do pol\u00edgono.<\/li>\n
- Agora, cada pol\u00edgono est\u00e1 abaixo do tamanho da p\u00e1gina; portanto, a recupera\u00e7\u00e3o do disco ser\u00e1 muito mais r\u00e1pida.<\/li>\n<\/ul>\n
Subdividir grandes coisas tamb\u00e9m pode tornar o desenho do mapa mais r\u00e1pido, mas cuidado: depois que seus pol\u00edgonos forem subdivididos, voc\u00ea ter\u00e1 que desativar os contornos do pol\u00edgono para evitar mostrar os limites quadrados no mapa renderizado.<\/p>\n
Esta post foi publicado originalmente no blog da CARTO<\/a>.<\/em><\/p>\n
Fonte: Clever Elephant Blog<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"
Uma das coisas que torna desafiador o gerenciamento de dados geoespaciais \u00e9 a enorme variedade de escalas que os dados geoespaciais cobrem: \u00e1reas t\u00e3o grandes quanto um continente ou t\u00e3o pequenas quanto um buraco feito pelo homem. Os dados no… Continue Reading →<\/a><\/p>\n","protected":false},"author":275,"featured_media":8789,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[24],"tags":[212],"class_list":["post-8746","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-gis","tag-postgis"],"_links":{"self":[{"href":"https:\/\/www.fernandoquadro.com.br\/html\/wp-json\/wp\/v2\/posts\/8746","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.fernandoquadro.com.br\/html\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.fernandoquadro.com.br\/html\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.fernandoquadro.com.br\/html\/wp-json\/wp\/v2\/users\/275"}],"replies":[{"embeddable":true,"href":"https:\/\/www.fernandoquadro.com.br\/html\/wp-json\/wp\/v2\/comments?post=8746"}],"version-history":[{"count":6,"href":"https:\/\/www.fernandoquadro.com.br\/html\/wp-json\/wp\/v2\/posts\/8746\/revisions"}],"predecessor-version":[{"id":8805,"href":"https:\/\/www.fernandoquadro.com.br\/html\/wp-json\/wp\/v2\/posts\/8746\/revisions\/8805"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.fernandoquadro.com.br\/html\/wp-json\/wp\/v2\/media\/8789"}],"wp:attachment":[{"href":"https:\/\/www.fernandoquadro.com.br\/html\/wp-json\/wp\/v2\/media?parent=8746"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.fernandoquadro.com.br\/html\/wp-json\/wp\/v2\/categories?post=8746"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.fernandoquadro.com.br\/html\/wp-json\/wp\/v2\/tags?post=8746"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}