As jun\u00e7\u00f5es espaciais foram eram lentas pela sobrecarga do acesso a grandes geometrias por um longo tempo.<\/p>\n
\r\nSELECT A.*, B.*\r\nFROM A\r\nJOIN B\r\nON ST_Intersects(A.geom, B.geom)\r\n<\/pre>\nPara o SQL acima, o PostgreSQL planejar\u00e1 e executar\u00e1 jun\u00e7\u00f5es espaciais como essa usando uma \u201cjun\u00e7\u00e3o de loop aninhada\u201d, o que significa iterar por um lado da jun\u00e7\u00e3o e testar a condi\u00e7\u00e3o de jun\u00e7\u00e3o. Isso resulta em execu\u00e7\u00f5es que se parecem com:<\/p>\n
- \n
- ST_Intersects (A.geom (1), B.geom (1))<\/li>\n
- ST_Intersects (A.geom (1), B.geom (2))<\/li>\n
- ST_Intersects (A.geom (1), B.geom (3))<\/li>\n<\/ul>\n
Portanto, um lado do teste se repete indefinidamente.<\/p>\n
\n![\"\"](\"https:\/\/www.fernandoquadro.com.br\/html\/wp-content\/uploads\/2021\/01\/diagram.png\")
\n<\/center><\/p>\nArmazenar esse lado em cache e evitar reler o objeto grande a cada itera\u00e7\u00e3o do loop faz uma grande diferen\u00e7a no desempenho. Vimos acelera\u00e7\u00f5es 20 vezes maiores em cargas de trabalho de jun\u00e7\u00e3o espacial comum .<\/p>\n
As corre\u00e7\u00f5es s\u00e3o bastante t\u00e9cnicas, mas se voc\u00ea estiver interessado, tem um artigo do Paul Ramsey<\/a> detalhado dispon\u00edvel em ingl\u00eas.<\/p>\n
2. Leituras apenas do cabe\u00e7alho da geometria<\/strong><\/p>\n
O formato em disco para geometria inclui um cabe\u00e7alho curto que possui informa\u00e7\u00f5es sobre os limites da geometria, o sistema de refer\u00eancia espacial e dimensionalidade. Isso significa que \u00e9 poss\u00edvel para algumas fun\u00e7\u00f5es retornar uma resposta depois de ler apenas alguns bytes do cabe\u00e7alho, em vez de todo o objeto.<\/p>\n
No entanto, nem todas as fun\u00e7\u00f5es que poderiam fazer uma leitura r\u00e1pida, era poss\u00edvel fazer uma leitura r\u00e1pida. Isso agora est\u00e1 resolvido.<\/p>\n
3. Gera\u00e7\u00e3o mais r\u00e1pida de texto<\/strong><\/p>\n
\u00c9 muito comum que aplicativos da web e outros gerem formatos de texto dentro do banco de dados, e o c\u00f3digo para fazer isso n\u00e3o foi otimizado. A gera\u00e7\u00e3o de \u201ctexto conhecido\u201d (WKT), GeoJSON e sa\u00edda KML agora usa um caminho mais r\u00e1pido e evita c\u00f3pias desnecess\u00e1rias.<\/p>\n
PostGIS agora tamb\u00e9m usa o mesmo c\u00f3digo de n\u00famero para texto que o PostgreSQL, que se mostrou mais r\u00e1pido, e tamb\u00e9m nos permite expor um pouco mais de controle sobre a precis\u00e3o aos usu\u00e1rios finais.<\/p>\n
4. Qu\u00e3o mais r\u00e1pido?<\/strong><\/p>\n
Para o caso de uso espec\u00edfico de uni\u00e3o espacial, aqui est\u00e1 um caso de teste:<\/p>\n
1:10 milh\u00f5es – Limites de pa\u00eds<\/a>
\n1:10 milh\u00f5es – Lugares povoados<\/a><\/p>\n
\n![\"\"](\"https:\/\/www.fernandoquadro.com.br\/html\/wp-content\/uploads\/2021\/01\/admin0-places.png\")
\n<\/center><\/p>\nCarregue os dados em ambas as vers\u00f5es:<\/p>\n
\r\nshp2pgsql -D -s 4326 -I ne_10m_admin_0_countries admin | psql postgis30\r\nshp2pgsql -D -s 4326 -I ne_10m_populated_places places | psql postgis30\r\n<\/pre>\n
Execute uma jun\u00e7\u00e3o espacial que encontre a soma dos locais povoados em cada pa\u00eds.<\/p>\n
\r\nEXPLAIN ANALYZE\r\nSELECT Sum(p.pop_max) as pop_max, a.name\r\nFROM admin a\r\nJOIN places p\r\nON ST_Intersects(a.geom, p.geom)\r\nGROUP BY a.name\r\n<\/pre>\n
Tempo m\u00e9dio em 5 execu\u00e7\u00f5es:<\/p>\n
- \n
- PostGIS 3.0 = 23.4s<\/li>\n
- PostGIS 3.1 = 0.9s<\/li>\n<\/ul>\n
Este teste \u00e9 uma esp\u00e9cie de “pior caso”, em que existem muitos pa\u00edses muito grandes, mas d\u00e1 uma ideia dos tipos de acelera\u00e7\u00f5es que est\u00e3o dispon\u00edveis para jun\u00e7\u00f5es espaciais contra cole\u00e7\u00f5es que incluem maiores (+250 pares de coordenadas) geometrias.<\/p>\n
Este post foi escrito originalmente por Paul Ramsey e traduzido e adaptado livremente por este blog.<\/em><\/p>\n
Fonte: Clever Elephant Blog<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"
Os desenvolvedores de c\u00f3digo aberto \u00e0s vezes t\u00eam dificuldade em descobrir em qual recurso se concentrar, a fim de gerar o valor m\u00e1ximo para os usu\u00e1rios finais. Como resultado, muitas vezes eles ter\u00e3o desempenho padr\u00e3o . Desempenho \u00e9 o \u00fanico… Continue Reading →<\/a><\/p>\n","protected":false},"author":275,"featured_media":8412,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[24],"tags":[212],"class_list":["post-9004","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\/9004","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=9004"}],"version-history":[{"count":4,"href":"https:\/\/www.fernandoquadro.com.br\/html\/wp-json\/wp\/v2\/posts\/9004\/revisions"}],"predecessor-version":[{"id":9010,"href":"https:\/\/www.fernandoquadro.com.br\/html\/wp-json\/wp\/v2\/posts\/9004\/revisions\/9010"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.fernandoquadro.com.br\/html\/wp-json\/wp\/v2\/media\/8412"}],"wp:attachment":[{"href":"https:\/\/www.fernandoquadro.com.br\/html\/wp-json\/wp\/v2\/media?parent=9004"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.fernandoquadro.com.br\/html\/wp-json\/wp\/v2\/categories?post=9004"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.fernandoquadro.com.br\/html\/wp-json\/wp\/v2\/tags?post=9004"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}