Índice espacial y curvas de relleno de espacio para datos multidimensionales
Los datos espaciales han crecido (y están creciendo) rápidamente gracias a los servicios web que rastrean dónde y cuándo hacen cosas los usuarios. La mayoría de las aplicaciones agregan etiquetas de ubicación y, a menudo, permiten a los usuarios registrarse en lugares y horarios específicos. Este aumento se debe en gran medida a los teléfonos inteligentes, que actúan como sensores de ubicación, lo que hace que sea más fácil que nunca capturar y analizar este tipo de datos.
El objetivo de esta publicación es sentar las bases de la necesidad de contar con índices multidimensionales y profundizar en el uso de curvas de relleno de espacio para índices espaciales que se utilizan ampliamente tanto en bases de datos relacionales como no relacionales. Analizaremos las ventajas y desventajas de cada tipo y también analizaremos qué índices son los más populares en la actualidad.
Los índices espaciales se dividen en dos categorías principales: estructuras basadas en el espacio y estructuras basadas en datos. Las estructuras basadas en datos, como la familia de árboles R, se adaptan a la distribución de los datos en sí. Las estructuras basadas en el espacio incluyen árboles de partición (árboles kd, árboles cuádruples), curvas de relleno de espacio (Z-order, Hilbert) y sistemas de cuadrícula (H3, S2, Geohash), cada uno…