Ko ha fakafe'iloaki fetu'utaki ki he quadtrees .

'Oku fa'u 'e he ngaue vahevahe 'a e ngaahi node fo'ou 'e fa 'o e tamasi'i, 'oku takitaha 'ufi'ufi 'e he quadrant 'e taha 'o e ngata'anga 'o e matu'a. Ki ha mātuʻa ʻoku ʻi ai hono ngataʻanga (x, y, laulahi, māʻolunga), ʻoku maʻu ʻe he tamasiʻi tokelau hahaké ʻa e (x + laulahi/2, y, laulahi/2, māʻolunga/2), ʻoku maʻu ʻe he tokelau hihifó (x, y, laulahi/2, māʻolunga/2), mo e ngaahi meʻa pehē. Hili hono vahevahe, ʻoku toe tufaki ʻa e ngaahi poini ʻoku ʻi aí ki he fānau totonú. Ko e fehalaaki angamaheni ko e ngalo ke fakama'a 'a e ngaahi poini 'o e matu'a hili hono toe tufaki, 'a ia 'oku iku ki he ngaahi ola 'oku 'ikai ke tatau lolotonga 'a e ngaahi fehu'i.

Ki hono faka'aonga'i 'o e ngaohi'anga koloa, 'oku mahu'inga ha ngaahi optimizations. Ko hono fokotu'u 'o e malava 'o e node ki he ngaahi poini 'e 4-8 'oku angamaheni 'aki 'a e outperforms ha malava 'o e 1, koe'uhi he 'oku ne fakasi'isi'i 'a e loloto 'o e 'akau mo e 'olunga 'o e ngaahi me'a 'o e node. Ko hono tanaki atu 'o ha fakangatangata loloto lahi taha ('oku angamaheni 'aki 'a e ngaahi tu'unga 'e 8-12) 'oku ne ta'ofi 'a e ngaahi keisi pathological 'a ia 'oku vahevahe ai 'e he ngaahi poini lahi 'a e ngaahi fakafekau'aki tatau mei hono fa'u 'o e ngaahi 'akau loloto ta'efakangatangata. Pea ki he ngaahi datasets malohi 'a ia 'oku nga'unu ai 'a e ngaahi poini — hange ko e muimui'i 'o e me'alele — te ke fie ma'u ha founga to'o pe ko ha founga ke toe langa fakataimi 'a e 'akau, talu mei he quadtrees 'oku 'ikai ke self-balance 'o hange ko e 'akau kulokula-'uli'uli 'oku fai.

Quadtrees 'i he ngaahi tu'unga pisinisi mo e ngaahi 'analaiso

'Oku fakautuutu 'a e ngaahi tu'unga pisinisi fakaonopooni 'oku nau fehangahangai mo e ngaahi fakamatala fakafeitu'u, tatau ai pe pe ko e ngaahi feitu'u 'o e kasitomaa, ngaahi sone tu'uaki, ngaahi vahefonua fakatau, pe ko e muimui'i 'o e koloa. Ko e pole 'oku 'ikai ko hono tanaki pe 'o e fakamatala ko 'eni — 'oku ne 'ai ia ke queryable 'i he taimi mo'oni 'i he fua. 'I he taimi 'oku fie ma'u ai 'e ha pisinisi 'oku ngaue 'i he ngaahi kolo 'e 50 ke fakakaukau'i 'a e tokolahi 'o e kasitomaa, kau faka'uli 'o e tu'uaki 'o e hala, pe 'analaiso 'a e fakahoko 'o e fakatau fakavahefonua, 'Oku fakapapau'i 'e he founga fakahokohoko 'o e indexing 'o e feitu'u 'oku 'i lalo pe 'oku uta 'a e dashboard 'i he 200 milliseconds pe 20 sekoni.

Ko e 'uhinga 'eni 'e taha 'oku ma'u 'aonga ai 'a e ngaahi tu'unga hange ko e Mewayz — 'a ia 'oku ne fakataha'i 'a e ngaahi module 'e 207 'oku ne 'ufi'ufi 'a e CRM, invoice, pule'i 'o e vakapuna, tohi, mo e analytics ki ha OS pisinisi 'e taha — 'aonga mei he tokanga'i lelei 'o e fakamatala fakafeitu'u 'i lalo 'i he hood. 'I he taimi 'oku fie ma'u ai 'e ha module pule'i 'o e vakapuna ke fakahaa'i 'a e ngaahi me'alele 'oku ngaue 'a e 500 'i ha mape, pe 'i he taimi 'oku fakakaukau'i ai 'e ha module CRM 'a e 138,000+ ngaahi feitu'u 'o e kau faka'aonga'i ki he palani 'o e vahefonua, 'Oku 'ikai ke scale 'a e ngaahi founga naive. Ko e ngaahi fokotu'utu'u 'o e fakahokohoko 'o e feitu'u hange ko e quadtrees (pe ko honau ngaahi me'a tatau 'o e database, hange ko e PostGIS R-'akau mo e ngaahi fakahokohoko 'o e feitu'u 'o e MySQL) 'oku ne 'ai ke malava ke 'oatu 'a e ngaahi me'a ko 'eni 'o 'ikai fie ma'u 'a e ngaahi naunau 'o e kalasi 'o e kautaha.

Ki he ngaahi pisinisi 'oku nau sivi'i 'a e ngaahi tu'unga, 'Oku 'aonga 'a e takeaway: ngaahi me'angaue 'oku nau tokanga'i lelei 'a e feitu'u mo e fakamatala fakafeitu'u 'oku 'ikai ke nau faka'aonga'i pe 'a e ngaahi algorithms faka'ofo'ofa koe'uhi ko ia. 'Oku nau fai 'a e faikehekehe 'i he vaha'a 'o ha sisitemi booking 'e lava ke ne fakahaa'i vave 'a e kau ngaue 'oku ma'u 'i loto 'i he kilomita 'e 10 mo e taha 'oku 'ave 'e he sekoni 'e 8 ke uta 'a e ngaahi ola tatau. Ko e fakahoko ngaue 'i he tu'unga ko 'eni 'oku liliu hangatonu ia ki he a'usia 'a e tokotaha ngaue pea, ko hono faka'osi, 'a e pa'anga hū mai.

Ngaahi 'Akau 'e fā vs. Ngaahi Fa'unga Fakamatala Fakafeitu'u Kehe

'Oku 'ikai ko e Quadtrees pe 'a e fili ki he fakahokohoko 'o e feitu'u, pea 'oku tokoni 'a e mahino ki he ngaahi founga kehe ke ke fili 'a e me'angaue totonu. R-'akau, 'oku faka'aonga'i lahi 'i he ngaahi fakamatala hange ko e PostGIS mo e SQLite 'a e R * 'Akau module, fokotu'utu'u 'a e fakamatala ki he ngaahi tapafā fakangatangata si'isi'i taha mo tokanga'i 'a e ngaahi fehu'i 'o e ngaahi 'atakai mo e ngaahi fekumi ofi taha-kaunga'api 'i he founga lelei. 'Oku nau faka'aonga'i fakalukufua 'a e quadtrees ki he tanaki'anga 'o e tisiki koe'uhi he 'oku nau fakasi'isi'i 'a e ngaahi ngaue 'o e I/O, ko e 'uhinga ia 'oku faka'aonga'i ai 'e he lahi taha 'o e ngaahi fakamatala fakafeitu'u 'a e ngaahi kehekehe 'o e R-'akau 'i loto kae 'ikai ko e quadtrees.

K-d trees vahevahe 'a e feitu'u 'o faka'aonga'i 'a e ngaahi vahevahe 'o e axis-aligned fetongi ('uluaki 'e he x, pea 'e he y, pea 'e he x 'o toe) pea 'oku lelei 'aupito ki he ngaahi fekumi ofi taha-kaunga'api 'i he ngaahi tafa'aki fakafuofua. 'Oku nau hehema ke mahulu hake 'i he quadtrees 'i he taimi 'oku ma'ulalo ai 'a e dimensionality pea 'oku tu'u ma'u 'a e dataset, ka 'oku nau faingata'a ange ke fakafo'ou 'a e dynamically. Geohashes 'oku nau to'o ha founga kehe 'aupito, 'o fakakouti 'a e latitude mo e longitude ki ha aho 'e taha 'a ia 'oku fakahaa'i ai 'e he ngaahi prefix vahevahe 'a e ofi fakafeitu'u — 'o 'ai ke nau lelei 'aupito ki he indexing 'o e database mo e caching ka 'oku si'isi'i ange 'a e fe'unu'aki ki he ngaahi fehu'i 'o e ngaahi 'atakai 'o e arbitrary.

Quadtrees 'oku nau pukepuke 'enau ngaahi me'a 'i he ngaahi tu'unga 'oku nau va'inga ki honau ngaahi malohinga: 'i he manatu spatial indexing, datasets malohi mo e toutou fakahu mo e tamate'i, ngaahi polokalama faka'ata 'a ia 'oku mape fakanatula ai 'a e fokotu'utu'u 'o e hierarchical grid ki he ngaahi tu'unga fakalahi, mo e ngaahi tu'unga 'oku mahu'inga ai 'a e faingofua 'o e fakahoko. Ki ha polokalama 'i mu'a 'oku ne 'omi 'a e ngaahi poini 'o e fakamatala 'e 10,000 'i ha kaniva mo e pan-mo e-zoom, 'e outperform 'e ha quadtree 'oku fakahoko 'i he ngaahi laine 'e 100 'o e JavaScript ha fa'ahinga fakalelei'anga 'oku poupou'i 'e he fakamatala 'aki pe hono fakangata 'o e latency 'o e netiueka.

Kamata: Ngaahi Sitepu Hokohoko ʻAonga

Kapau 'oku ke fie fakaloloto ho'o mahino ki he quadtrees 'i he tafa'aki 'o e lau fekau'aki mo kinautolu, ko e founga 'aonga taha ko hono langa ha taha 'i he sio. Fa'u ha polokalama kaniva faingofua 'a ia 'oku tanaki atu ai 'e he lomi'i 'a e ngaahi poini, pea siofi 'a e subdivide 'o e 'akau 'i he taimi mo'oni. Tānaki atu ha tapafā range-query te ke lava ʻo toho holo pea fakaʻilongaʻi ʻa e ngaahi poini ʻokú ne maʻú. Ko e fetu'utaki nima-ki-he-nima ko 'eni 'oku ne langa hake 'a e 'ilo'ilo pau 'oku 'ikai ha lahi 'o e lau 'e lava ke fakafehoanaki — te ke sio leva ki he 'uhinga 'oku fakatupu ai 'e he fakamatala fakatahataha'i 'a e ngaahi 'akau loloto ange mo e founga 'oku fakangata ai 'e he 'ulungaanga 'o e pruning lolotonga 'a e ngaahi fehu'i 'a e ngaahi swaths lahi 'o e feitu'u.

Ki he ngaahi polokalama ngaohi, fakakaukau ki he ngaahi fakahinohino ko 'eni: kapau 'oku nofo ho'o fakamatala 'i ha fakamatala, faka'aonga'i 'a e fakahokohoko 'o e feitu'u 'oku 'omi 'e ho'o fakamatala (PostGIS, MySQL Spatial, MongoDB 2dsphere fakahokohoko) kae 'ikai ko hono fakahoko 'o e quadtrees 'i he code 'o e polokalama. Kapau 'oku ke fai 'a e faka'ata 'o e tafa'aki 'o e kalaieni pe 'i he manatu 'o e ngaue, 'Oku 'oatu 'e he ngaahi laipeli hange ko e d3-quadtree ki he JavaScript pe pyquadtree ki he Python 'a e ngaahi fakahoko 'oku sivi'i 'i he tau. Pea kapau 'oku ke langa ha tu'unga 'oku ne tokanga'i ha fa'ahinga fakamatala 'o e feitu'u — mei he ngaahi tu'asila 'o e kasitomaa ki he tu'uaki 'o e hala ki he pule'i 'o e vahefonua — 'inivesi 'a e taimi ke mahino 'a e indexing 'o e feitu'u, koe'uhi he 'e fundamentally shape 'a e me'a 'e lava ke fai 'e ho'o tohi kole 'i he fua.

'Oku fakafofonga'i 'e he Quadtrees ha tefito'i mo'oni 'oku lahi ange 'i he saienisi fakakomipiuta: ko e fokotu'utu'u 'oku ke fili ki ho'o fakamatala 'oku ne fakapapau'i 'a e ngaahi fehu'i te ke lava 'o tali lelei. 'E lava ke tali 'e ha lisi 'o e ngaahi fakafekau'aki 'o e flat "'omai kiate au 'a e ngaahi poini kotoa pe," ka 'e lava ke tali 'e ha quadtree "'omai kiate au 'a e ngaahi poini kotoa pe 'oku ofi ki he 'i heni" — pea 'e lava ke ne fai ia 'o vave fe'unga ke ongo'i 'i he taimi pe ko ia. 'I ha mamani 'oku 73% 'o e fakamatala pisinisi 'oku 'i ai ha konga spatial 'o fakatatau ki he ngaahi fakafuofua 'o e industry, 'Oku 'ikai ko e malava ko ia 'a e ako pe. Ko e lelei fakafe'auhi ia.

Ngaahi Fehuʻi ʻoku Faʻa ʻEke

Ko e hā ʻa e ʻakau ʻe fā pea ʻoku anga fēfē ʻene ngāué?

Ko e quadtree ko ha fokotu'utu'u 'o e fakamatala 'oku makatu'unga 'i he 'akau 'oku ne vahevahe recursively ha feitu'u 'oku 'i ai hono tafa'aki 'e ua ki he quadrants tatau 'e fa. 'E lava ke ma'u 'e he node takitaha ha fakangatangata 'o e ngaahi poini 'o e fakamatala kimu'a pea toki vahevahe ki he nodes 'e fa 'o e tamasi'i. Ko e vahevahe fakahokohoko ko 'eni 'oku ne 'ai 'a e ngaahi fehu'i fakafeitu'u — hange ko hono kumi 'o e ngaahi poini kotoa pe 'i loto 'i ha feitu'u kuo 'oatu — 'oku fu'u vave, fakasi'isi'i 'a e taimi kumi mei he linear ki he logarithmic 'i he ngaahi tu'unga 'aonga lahi taha.

Ko fe 'oku angamaheni hono ngaue'aki 'a e ngaahi quadtrees 'i he ngaahi polokalama 'o e mamani mo'oni?

Quadtrees fakaivia 'a e ngaahi sisitemi kehekehe kau ai 'a e ngaahi mape fakakomipiuta mo e pinch-to-zoom 'a e ngaue, taimi mo'oni 'o e muimui'i 'o e vakapuna dashboards, ngaahi misini 'o e fepakipaki 'o e va'inga vitio, mo e ngaahi sisitemi fakamatala fakasiokalafi 'oku nau ngaue'aki 'a e ngaahi fehu'i fakafeitu'u 'e laui miliona 'i he sekoni. Ko ha fa'ahinga polokalama 'oku fie ma'u ke fekumi lelei, fakahu, pe pule'i 'a e ngaahi me'a 'oku tufaki 'i ha feitu'u 'oku 'i ai hono tafa'aki 'e ua 'e lava ke ma'u 'aonga mei he quadtree indexing.

'Oku anga fefe hono fakafehoanaki 'o e quadtrees ki he ngaahi fokotu'utu'u fakamatala fakafeitu'u kehe?

'Oku kehe mei he ngaahi grids 'o e flat, quadtrees 'oku nau fakafe'unga'i 'enau fakalelei'i ki he density 'o e fakamatala — 'oku nofo 'a e ngaahi feitu'u sparse 'o coarse lolotonga 'oku subdivide 'a e ngaahi vahefonua 'oku fonu. 'I hono fakafehoanaki ki he ngaahi 'akau k-d, 'oku faingofua ange ke fakahoko 'a e quadtrees pea 'oku fe'unga lelei ange ia ki he fakamatala 2D 'oku tufaki tatau. R-'akau 'oku nau tokanga'i 'a e ngaahi vahenga 'oku 'olunga 'i he kelesi ange, ka 'oku ikuna 'a e quadtrees 'i he vave 'o e fakahu pea 'oku faingofua ange ke fakafehoanaki ki he ngaahi kavenga ngaue taimi mo'oni.

'E lava ke tokoni 'a e quadtrees ke fakalelei'i 'a e fakahoko ngaue 'i he polokalama fakapisinisi?

ʻOku moʻoni ʻaupito. Ko ha me'angaue pisinisi 'oku ne tokanga'i 'a e fakamatala 'o e feitu'u, 'analaiso 'o e feitu'u, pe ngaahi dashboards fetu'utaki 'oku ma'u 'aonga mei he fakalelei'i 'o e quadtree. Ngaahi tu'unga hange ko e Mewayz, ko ha 207-module pisinisi OS kamata 'i he $19/mo, leverage 'a e ngaahi fokotu'utu'u 'o e fakamatala 'oku lelei 'i mui 'i he ngaahi me'a 'oku hoko ke 'oatu 'a e ngaahi a'usia vave, tali — mei he ngaahi mape 'o e falekoloa locator ki he taimi mo'oni 'o e ngaahi fakamatala 'i he poini 'e lauiafe.