如何使用 PostGIS 在 Postgres 中设置索引以有效计算邻近度？答案

【问题标题】：How can I set up an index in Postgres using PostGIS that calculates proximity efficiently?如何使用 PostGIS 在 Postgres 中设置索引以有效计算邻近度？
【发布时间】：2021-01-10 01:04:29
【问题描述】：

我有一个用户表，每个用户都有纬度和经度。我有一个类似“距离容差”的东西，每个用户都可以定义。考虑这一点的一种简单方法是将其构建为约会应用程序：

Alice will only date users within 30km

使用 PostGIS，使用用户位置的 GIST 索引来设置查找附近用户的查询并不难。这里概述了这种方法：https://ngauthier.com/2013/08/postgis-and-rails-a-simple-approach.html，但这里是基础知识：

=> CREATE EXTENSION postgis;

=> CREATE TABLE users (
    id uuid DEFAULT public.gen_random_uuid() NOT NULL,
    latitude numeric(9,6),
    longitude numeric(9,6),
    distance int DEFAULT 20000
);

=> INSERT INTO users (latitude, longitude, distance) (
  SELECT
    40.7128 + x.lat AS latitude,
    -74.006 + x.lon AS longitude,
    10000 * (1 + floor(random() * 3)) AS distance
  FROM (
    SELECT random() * 2 as lat, random() * 2 as lon
    FROM generate_series(1,1000000)
  ) AS x);

=> CREATE INDEX index_on_users_location ON users
  USING gist (st_geographyfromtext((((('SRID=4326;POINT('::text
  || longitude) || ' '::text) || latitude) || ')'::text)));

此时，根据 Alice 的偏好查询附近的用户就很容易了：

=> SELECT COUNT(*) FROM users WHERE
   ST_DWithin(ST_GeographyFromText('SRID=4326;POINT(' ||
      users.longitude || ' ' || users.latitude || ')'),
    ST_GeographyFromText('SRID=4326;POINT(' ||
      '-74.006 40.7128)'),
    30000);

Postgres 使用索引并查找行。问题是，如果您还想考虑 Bob 的偏好，您需要使用两者的最小距离来评估两个用户是否足够接近。

Alice will only date users within 30km
Bob will only date users within 60km

我的（天真的）查询现在是：

=> SELECT COUNT(*) FROM users WHERE
   ST_DWithin(ST_GeographyFromText('SRID=4326;POINT(' ||
      users.longitude || ' ' || users.latitude || ')'),
    ST_GeographyFromText('SRID=4326;POINT(' ||
      '-74.006 40.7128)'),
    LEAST(users.distance, 30000));

此时，Postgres 决定索引不再有用，并切换到顺序扫描表。这大概是因为我需要比较每一行并使用距离容差较小的人。有没有办法可以存储点旁边的距离？也许使用btree_gist？我相对确定我不能从文档中“包括”旁边的距离......

...非键列不能用于索引扫描搜索限定...

https://www.postgresql.org/docs/11/sql-createindex.html

【问题讨论】：

标签： postgresql postgis

【解决方案1】：

也许最好的解决方案是同时应用两个条件。

SELECT COUNT(*) FROM users WHERE
   ST_DWithin(ST_GeographyFromText('SRID=4326;POINT(' || users.longitude || ' ' || users.latitude || ')'),
              ST_GeographyFromText('SRID=4326;POINT('|| '-74.006 40.7128)'),
               30000) 
   AND 
   ST_DWithin(ST_GeographyFromText('SRID=4326;POINT(' || users.longitude || ' ' || users.latitude || ')'),
           ST_GeographyFromText('SRID=4326;POINT('|| '-74.006 40.7128)'),
           users.distance);

（但实际上您可能应该使用 ST_makepoint，而不是一直转换为文本）。

这将使用具有硬编码距离的条件上的索引来获取候选列表，然后将遍历它们以单独过滤掉不满足其他条件的那些。

有没有办法可以存储点旁边的距离？

您可以索引一个圆，该圆的半径为每个用户的点位置周围的用户定义量，但不清楚您如何使用该索引。它对某些查询很有用，但可能不是您要运行的查询。

CREATE INDEX index_on_users_datable_circle ON users
  USING gist (st_buffer(ST_GeographyFromText('SRID=4326;POINT(' || users.longitude || ' ' || users.latitude || ')'),users.distance));

【讨论】：

【解决方案2】：

它不会使用索引，因为每行的距离值（至少可能）不同。

您可以使用 Alice 的距离进行查询 - 并利用索引，然后使用其他用户距离进行优化。

类似：

SELECT COUNT(*) 
FROM users 
WHERE ST_DWithin(user.geog, alice.geog, 3000)
 AND  ST_DWithin(user.geog, alice.geog, user.distance)

如果它不起作用，您可能必须将查询一分为二，首先使用物化 CTE 作为 Alice 的距离，然后是用户距离

PS：帮自己一个忙，将地理位置存储在自己的列中...

【讨论】：