[发明专利]关系型和Key-Value型数据库空间数据索引方法

说明书

技术领域

本发明涉及空间数据管理和空间信息处理领域，尤其涉及一种对存储于关系型数据库和Key-Value型数据库中的空间矢量数据建立一致的空间索引的方法。

背景技术

空间数据关注空间地物要素的几何形状，利用点、线和多边形的形式来表达现实世界。随着空间数据采集能力的提高和地理信息系统的发展，空间数据急剧增长，基于GIS的大规模数据、高流量负载的网络应用也越来越多。当采用关系型数据库存储这些海量空间数据时，单一节点的数据存储能力很难为用户提供高并发和低延迟的服务。为了提升访问效率，可以通过集群来解决这类问题，但关系型数据库数据模型的复杂性影响其扩展规模。

Key-Value型数据库以其在大规模并发访问与海量数据存储方面的优势得到广泛的应用。Key-Value型数据库没有严格的范式，通常面向列存储，可以在一个服务集群上运行，当有更多的节点加入到集群时，可以方便地进行扩展。集群中的各节点提供了存储、缓存和计算的能力。Key-Value型数据库比较优秀的代表有HBase、MongoDB等，它们提供了易于扩展的超大规模的数据存储能力，同时提供低延迟访问，为海量空间数据的存储提供了极佳的选择。

空间数据存储于数据库中，通过空间索引可以快速地检索出满足空间查询条件的空间要素。空间索引的实质是通过对某种编码的快速查找达到快速定位空间要素的目的，常用的空间索引方法有网格索引、R树索引和四叉树索引等。其中网格索引和四叉树索引方法简单、易于实现，被大多数空间数据库采用。在实际应用中，当需要在关系型和Key-Value型两种不同类型的空间数据库之间迁移数据时，如果它们的空间索引编码机制不同，就需要重新编码。对于海量空间数据的情形，重建索引编码的代价是相当大的。因此，不同类型的空间数据库采用统一的空间索引方法具有重要实际意义。

发明内容

本发明的目的是解决上述问题，提出一种对存储在关系型和Key-Value型数据库中的海量空间数据创建高效、一致的空间索引方法，为跨类型数据库的空间数据迁移提供便利。

为了实现上述目的，本发明所采取的技术方案是：提供一种统一的关系型和Key-Value型数据库空间数据索引方法，操作步骤如下：

步骤一：将空间矢量数据组织成图层，根据图层数据的坐标范围划分出索引层和索引网格，每个网格赋予唯一的二维行列编码和一维编码,具体为：

（a）空间矢量数据按分类组织成图层，根据图层的坐标范围或图层所在的参考系的坐标范围划分索引层，索引层最多为24层，最上面的为0号索引层，只有1个网格，表示整个坐标范围，1号索引层有4个网格，是在0号索引层的网格上四等分得到的，以此类推，N号索引层的网格是在N-1号索引层的每个网格上四等分得到的，最底层为23号索引层，有2²³×2²³个网格；

（b）根据索引层上的网格所在的行和列，赋予每个网格唯一的二维行列编码；

（c）1号索引层的4个网格的二维行列编码可以变换为一维编码0、1、2、3，将1号索引层的每个网格继续四等分，得到2号索引层的网格，其一维编码由1号索引层的一维编码附加2号索引层网格0,1,2,3编码组成，其余索引层的网格都按此规则赋予唯一的一维编码；

步骤二：遍历图层的每个要素，根据要素的图形计算其与索引网格之间的覆盖关系，从而获得要素所属的索引层和覆盖的网格，具体为：

①所述的要素记为s，当s为点图形时，且s在某个网格内，则表示为s覆盖了该网格，当s为线或面图形时，且s与某网格相交，则表示为s覆盖了该网格，s覆盖的全部网格坐标范围记为GBR（X1，Y1，X2，Y2），s覆盖的i号索引层的网格数记为s（i）；

②对于线或多边形图层数据中的任一要素ｓ，根据ｓ的外包矩形坐标范围，从23号索引层开始，或者根据s的尺度特征从小于23的某个索引层开始，逐层向上计算s（i），其中i>0；

③当s（N）=4时，判定ｓ在N号索引层上的必要条件是覆盖最多4个网格，如果：

4=s（N）>...>s（N-k）=s（N-k-1），（k=1，2，...，N-1），则s在N-k索引层上，否则s在N号索引层上，N最大为23，最小为1；

④对于空间点要素图层，其全部点的集合构成点云，以点云的平均密度为4的半径R作为网格参考尺度，可以确定索引层号，然后再逐个确定点在该索引层上所覆盖的网格；

④记录s的所属索引层号、所覆盖网格和覆盖的全部网格坐标范围GBR（X1，Y1，X2，Y2）；