多分辨率图的良好数据结构是什么？

Question

我有一个由数亿个数据点组成的数据集。我希望能够根据缩放级别（即轴刻度）有效地渲染这样的一组。我希望能够在完整视图中进行采样子集渲染。放大时，您将能够看到更详细的数据点，直到达到最大缩放，此时您将能够看到单个数据点。存储这样的数据集并允许多分辨率访问的良好数据结构是什么？

Answer 1

你需要保持你的点在空间上被索引，因为“异常值”和“密度”是空间属性 - 异常值恰好是在低密度区域;并且“缩小”意味着替换“采样”点的多组近点;当你真的“放大”时，你真的想忽略那些落在当前窗口之外的点。您的操作可能类似于：

void addPoint(Point2D p);
void removePoint(Point2D p);
Iterator<Point2D> getPointsToPaint(Rectangle2D viewArea, int maxDensity, double densityArea);

其中viewArea表示要为其找到点的窗口，maxDensity参数可用于控制点抽象：当超过maxDensity点落在densityArea平方内时，你会在该区域内返回maxDensity个随机点。 getPointsToPaint会viewArea覆盖densityArea个采样框，并返回以下内容：如果小于maxDensity则为真实点，如果超过{{1}则为“已取样” 1}}（如果1mm2区域内的10个点是随机的，则没有人会注意到。）

典型的空间结构是quad-trees（对于2d）和kd-trees（对于任意数量的ds）。但是，在默认实现中，它们都不适合快速更改动态数据。另一种选择是使用spatial hashing;但是你似乎真的需要一种多层次的方法，而对于多层次来说，树木总是要走的路。通过快速查看“动态空间索引”的搜索结果，似乎r-tree的变体可能就是您要查找的内容。请注意，这些数据结构不容易从头开始实现。最好的方法可能是依靠外部GIS系统为您进行簿记。有几个Java GISs可用。

Answer 2

不是100％确定你正在渲染什么样的数据，但我猜你可以进行采样并计算近似值，当你放大时你会使近似值越来越准确吗？