geohash指数如何在Lucene中发挥作用

Question

在lucene spatial 4中，我想知道geohash索引如何在幕后工作。我理解geohash的概念，它基本上需要2个点（lat，lon）并创建一个单独的“字符串”哈希。

索引只是一个“字符串”索引（r-tree或quad-tree）或沿着这些行的某些东西（例如只是索引一个姓氏）.....或者它是否有特殊之处。

对于预先固定类型的搜索，哈希的所有n-gram都会被索引，例如geohash是

drgt2abc将其编入索引为d，dr，drg，drgt等。

我们可能想要编入索引的默认n-gram数量吗？

使用这种类型的索引将搜索具有10万条记录的查询，1亿条记录具有类似的空间查询查询性能。 （例如框/多边形或距离）或者我可以期望随着大量记录的添加而导致索引的一般/典型缓慢降级。

由于

Answer 1

最好的在线解释是我的视频：Lucene / Solr 4 Spatial deep dive

  

索引是否只是一个“字符串”索引（r-tree或quad-tree）或其他东西   沿着这些线（例如只是索引一个姓氏）.....或者在那里   特别的东西。

从根本上说，Lucene只有一个用于文本，数字和现在空间的索引。你可以说这是一个字符串索引。它是一个按字节/字符串排序的列表。从更高层次来看，以这种方式使用空间是计算机科学中“尝试”AKA“PrefixTrees”的家族。

  

对于预先固定的类型搜索，请执行所有n-gram的哈希   索引，例如geohash是

     

drgt2abc将其编入索引为d，dr，drg，drgt等。

是

  

我们可能想要编入索引的默认n-gram数量吗？

您可以根据您的精度要求方便地告诉它，并且它将查询它需要多长时间。或者你可以详细说出来。

  

使用这种类型的索引将搜索10万个查询   记录1亿条记录具有类似的查询性能   空间查询。 （例如盒子/多边形或距离）或者我可以期待a   一般/典型的指数缓慢退化为大量记录   加入。

实际上，这种类型的索引（更具体地说是使用它的聪明的递归搜索树算法）意味着您将具有可扩展的搜索性能。 100m是一个用于匹配的过滤器的大量文档，因此它当然比仅匹配100k文档的文档要慢，但它肯定是次线性的。由于今年夏天将在新的PrefixTree编码和正在进行的空间基准测试中进行工作，明年将会更快，这将使我能够进一步优化我的计划。