#151 Räumliche Indexstrukturen: Grundpfeiler in Geo-Systemen, Games und Machine Learning

Engineering Kiosk

Mit Hilfe von Spatial Index-Strukturen einen schnellen Zugriff auf Geodaten gewährleisten

Die Welt ist groß und wird weiter digitalisiert. Um alles Auffindbar und durchsuchbar zu machen, werden Geodaten von alles und jedem festgehalten: Nicht nur Längen- und Breitengrade (wenn es sich um die Erde handelt), sondern auch Höhe bzw. Tiefe, Zeit und etliche andere Metadaten. Diese Art von Daten nennen sich Spatial-Data oder auch Geospatial-Data.

Um in großen Datenmengen einen schnellen Zugriff zu gewährleisten, verwenden Softwaresysteme, wie zB Datenbanken, Indexstrukturen, auch Indizes, genannt. Eine zusätzliche Form der Speicherung durch die Nutzung hoch optimierter Datenstrukturen.

Welche Indexstrukturen werden eigentlich bei Geospatial-Daten genutzt? Das ist das Thema dieser Episode. Wir sprechen über die Anwendungsfälle von Geospatial-Data, warum eine klassische Struktur wie ein B-Baum nicht für diese Art von Daten geeignet ist, was Gridfiles, Quadtrees, KD-Trees, R-Trees und Geohashing ist und wie diese funktionieren, ob all dies selbst implementiert werden muss oder wir auf bereits existierende Datenbanksysteme zurückgreifen können und klären, was der Fluch der Dimensionalität ist und was dies mit dem Thema AI zu tun hat.

Bonus: MongoDBs Marketing-Initiative auf Basis von Spatial-Index-Strukturen.

Unsere aktuellen Werbepartner findest du auf https://engineeringkiosk.dev/partners

Das schnelle Feedback zur Episode:

👍 (top) 👎 (geht so)

Feedback

• EngKiosk Community: https://engineeringkiosk.dev/join-discord
• Buy us a coffee: https://engineeringkiosk.dev/kaffee
• Email: [email protected]
• LinkedIn: https://www.linkedin.com/company/engineering-kiosk/
• Mastodon: https://podcasts.social/@engkiosk
• Twitter: https://twitter.com/EngKiosk

Links

• Fluch der Dimensionalität: https://de.wikipedia.org/wiki/Fluch_der_Dimensionalit%C3%A4t
• R-Trees: A Dynamic Index Structure for Spatial Searching (1984): http://www.sai.msu.su/~megera/postgres/gist/papers/gutman-rtree.pdf
• R-Baum Splitstrategien: https://www.dbs.ifi.lmu.de/Lehre/GIS/WS1415/Skript/GIS_WS14_04_part2.pdf
• PostGIS in PostgreSQL: http://postgis.net/workshops/postgis-intro/indexing.html
• GeoHash: http://geohash.org/
• GeioHash @ Wikipedia: https://en.wikipedia.org/wiki/Geohash
• Engineering Kiosk Episode #146 Warum ist Doom so faszinierend für die Software-Entwicklung?: https://engineeringkiosk.dev/podcast/episode/146-warum-ist-doom-so-faszinierend-f%C3%BCr-die-software-entwicklung/
• SpatiaLite: https://www.gaia-gis.it/fossil/libspatialite/index
• Gridfile: https://de.wikipedia.org/wiki/Gridfile
• Quadtree: https://de.wikipedia.org/wiki/Quadtree
• k-d-Baum: https://de.wikipedia.org/wiki/K-d-Baum

Sprungmarken

(00:00:00) Indizes für Geospatial Data

(00:02:54) Was ist Spatial bzw. Geo Spatial?

(00:05:06) Info/Werbung

(00:06:06) Was ist Spatial bzw. Geo Spatial?

(00:17:43) Grid Files

(00:21:46) KD Trees und Quad Trees

(00:31:43) R-Tree

(00:41:29) PostGIS, GeoHash und die Z-Kurve

(00:51:26) Welche Libraries kommen zum Einsatz?

Hosts

• Wolfgang Gassler (https://mastodon.social/@woolf)
• Andy Grunwald (https://andygrunwald.com/)

Feedback

• EngKiosk Community: https://engineeringkiosk.dev/join-discord
• Buy us a coffee: https://engineeringkiosk.dev/kaffee
• Email: [email protected]
• LinkedIn: https://www.linkedin.com/company/engineering-kiosk/
• Mastodon: https://podcasts.social/@engkiosk
• Twitter: https://twitter.com/EngKiosk