PostgreSQL , PostGIS , 空間資料 , 多邊形 , bound box , R-Tree , GiST , SP-GiST
在PostgreSQL中，目前對于空間對象的索引，采用的是GiST索引方法，空間樹結構如下，每個ENTRY都是一個BOX：
如果對象是多邊形，那麼在索引結構中，會存儲這個多邊形的bound box。
那麼對于非box類型，一定是會出現空間放大的。
另一方面，如果輸入條件是個多邊形，那麼同樣會将這個多邊形的BOUND BOX作為輸入條件，根據查詢OP（操作符）到索引結構中找到這個輸入BOUND BOX的branch。
這樣，如果無效面積過多，就出現了索引掃描的IO放大和CPU放大。
例子如下：
優化方法是切割多邊形，減少無效空間，使用union all合并結果。
<a href="https://github.com/digoal/blog/blob/master/201710/20171004_01.md">《PostgreSQL 空間st_contains，st_within空間包含搜尋優化 - 降IO和降CPU(bound box) (多邊形GiST優化)》</a>
對于multi polygon對象，BOUND BOX就可能很大。
比如這個圖上的三個多邊形組成的multi polygon，實際上bound box是很大的。
以上SQL，在使用GiST搜尋時，實際上會傳回這個bound box包含的所有空間對象，而不是這幾個小的多邊形包含的空間對象。然後在通過check filter來過濾。這樣就導緻了IO和CPU放大。
優化方法如上所述，SPLIT空間對象，多個空間搜尋結果UNION ALL得到最終結果。
1、建立測試表
2、寫入1000萬個空間點
3、建立空間索引
4、使用多個polygon構造成一個multi polygon
5、使用multi polygon搜尋
6、使用多個polgon搜尋，使用union all合并結果
7、寫UDF，簡化寫多個UNION ALL
使用UDF後，大大簡化了SQL寫法，同時性能得到了質的飛躍。
盡量的減少搜尋條件，或者資料本身的無效面積，可以降低IO和CPU，大幅提升性能。
<a href="https://github.com/digoal/blog/blob/master/201710/20171005_01.md">《PostgreSQL 空間切割(st_split)功能擴充 - 空間對象網格化 (多邊形GiST優化)》</a>
<a href="https://github.com/digoal/blog/blob/master/201709/20170905_01.md">《PostgreSQL 黑科技 - 空間聚集存儲, 内窺GIN, GiST, SP-GiST索引》</a>