建筑技术科学（建筑物理）书目索引

对一个数据集做"索引"，是为了提高对这个数据集检索的效率。书的"目录"就是这本书内容的"索引"，当我们拿到一本新书，想查看感兴趣内容的时候，我们会先查看目录，确定感兴趣的内容会在哪些页里，直接翻到那些页，就OK了，而不是从第一章节开始翻，一个字一个字地找我们感兴趣的内容，直到找到为止，这种检索内容的效率也太低了，如果一本书没有目录，可以想象有多么不方便…指可空间在索引查找中的重要性 可见书的目录有多重要 索引有多重要啊!

1984年Guttman发表了《R-树:一种空间查询的动态索引结构》

SQL Server 2008的空间索引

SQL Server 2008 引入了对空间数据和空间索引的支持，"空间索引"是一种扩展索引，允许您对空间列编制索引。空间列是包含空间数据类型(如 geometry 或 geography)数据的表列。本节中的主题介绍了空间索引。

在 SQL Server 2008 中，空间索引(存储在:sys.spatial_indexes表中)使用 B 树构建而成，也就是说，这些索引必须按 B 树的线性顺序表示二维空间数据。因此，将数据读入空间索引之前，SQL Server 2008 先实现对空间的分层均匀分解。索引创建过程会将空间分解成一个四级"网格层次结构"。这些级别指的是"第 1 级"(顶级)、"第 2 级"、"第 3 级"和"第 4 级"。

每个后续级别都会进一步分解其上一级，因此上一级别的每个单元都包含下一级别的整个网格。在给定级别上，所有网格沿两个轴都有相同数目的单元 (例如 4x4 或 8x8)，并且单元的大小都相同。下图显示了网格层次结构每个级别的右上角单元被分解成 4x4 网格的情况。事实上，所有单元都是以这种方式分解的。因此，以此为例，将一个空间分解成四个级别的 4x4 网格际上会总共产生 65,536 个第四级单元。针对空间索引进行的空间分解与应用程序数据使用的度量单位无关。

网格层次结构的单元是利用多种 Hilbert 空间填充曲线以线性方式编号的。然而，出于演示目的，这里使用的是简单的按行编号，而不是由 Hilbert 曲线实际产生的编号。在下图中，几个表示建筑物的多边形和表示街道的线已经放进了一个 4x4 的 1 级网格中。第 1 级单元的编号为 1 到 16，编号从左上角的单元开始。

沿网格轴的单元数目确定了网格的"密度":单元数目越大，网格的密度越大。例如，8x8 网格(产生 64 个单元)的密度就大于 4x4 网格(产生 16 个单元)的密度。网格密度是以每个级别为基础定义的。网格配置单元数目低 :4X4 =16，中8X8 = 64，高16X16 =256，默认设置所有级别都为 中。

您可以通过指定非默认的网格密度控制分解过程。例如，在不同级别指定不同网格密度对于基于索引空间的大小和空间列中的对象来优化索引可能非常有 用。空间索引的网格密度显示在 sys.spatial_index_tessellations 目录视图的 level_1_grid、level_2_grid、level_3_grid 和 level_4_grid 列中。

将索引空间分解成网格层次结构后，空间索引将逐行读取空间列中的数据。读取空间对象(或实例)的数据后，空间索引将为该对象执行"分割过程"。分割过程通过将对象与其接触的网格单元集("接触单元")相关联使该对象适合网格层次结构。从网格层次结构的第 1 级开始，分割过程以"广度优先"方式对整个级别进行处理。在可能的情况下，此过程可以连续处理所有四个级别，一次处理一个级别。

研究历程

当前数据搜索的一个关键问题是速度。提高速度的核心技术是空间索引。空间索引是由空间位置到空间对象的映射关系。当前的一些大型数据库都有空间索引能力，像Oracle，DB2。空间索引技术并不单是为了提高显示速度，显示速度仅仅是它所要解决的一个问题。空间索引是为空间搜索提供一种合适的数据结构，以提高搜索速度。空间索引技术的核心是:根据搜索条件，比如一个矩形，迅速找到与该矩形相交的所有空间对象集合。当数据量巨大，矩形框相对于全图很小时，这个集合相对于全图数据集大为缩小，在这个缩小的集合上再处理各种复杂的搜索，效率就会大大提高。所谓空间索引，就是指依据空间实体的位置和形状或空间实体之间的某种空间关系，按一定顺序排列的一种数据结构，其中包含空间实体的概要信息如对象的标识、外接矩形及指向空间实体数据的指针。简单的说，就是将空间对象按某种空间关系进行划分，以后对空间对象的存取都基于划分块进行。 1 引言 空间索引是对存储在介质上的数据位置信息的描述，用来提高系统对数据获取的效率。空间索引的提出是由两方面决定的:其一是由于计算机的体系结构将存贮器分为内存、外存 两种，访问这两种存储器一次所花费的时间一般为30~40ns，8~10ms，可以看出两者相差十 万倍以上，尽管有"内存数据库"的说法，但绝大多数数据是存储在外存磁盘上的，如果对磁盘上数据的位置不加以记录和组织，每查询一个数据项就要扫描整个数据文件，这种访问磁盘的代价就会严重影响系统的效率，因此系统的设计者必须将数据在磁盘上的位置加以记录和组织，通过在内存中的一些计算来取代对磁盘漫无目的的访问，才能提高系统的效率，尤其是GIS涉及的是各种海量的复杂数据，索引对于处理的效率是至关重要的。其二是GIS 所表现的地理数据多维性使得传统的B树索引并不适用，因为B树所针对的字符、数字等传统数据类型是在一个良序集之中，即都是在一个维度上，集合中任给两个元素，都可以在这个维度上确定其关系只可能是大于、小于、等于三种，若对多个字段进行索引，必须指定各个字段的优先级形成一个组合字段，而地理数据的多维性，在任何方向上并不存在优先级问题，因此B树并不能对地理数据进行有效的索引，所以需要研究特殊的能适应多维特性的空间索引方式。 1984年Guttman发表了《R树:一种空间查询的动态索引结构》，它是一种高度平衡的树，由中间节点和页节点组成，实际数据对象的最小外接矩形存储在页节点中，中间节点通过聚集其低层节点的外接矩形形成，包含所有这些外接矩形。其后，人们在此基础上针对不同空间运算提出了不同改进，才形成了一个繁荣的索引树族，是流行的空间索引。