问题标签 [geohashing]

我正在考虑一个概念证明来处理大于 10 G 的大量数据，这需要每秒至少 200 次以上的写入和每秒大约 50 次以上的空间相关数据读取。这也是一个不断增长的系统。目前，出于性能原因，我正在考虑将这些大容量数据移动到 NoSql 大表类型的数据库中。

我已经考虑并仔细研究了 MongoDB 和 cassandra。就我的阅读而言，

Mongodb： - 似乎有写入器锁定问题 - 如果不需要多个服务器，stackoverflow 中的一篇文章建议使用此数据库 - 索引保存在内存中。因此，索引增长越大，据说性能会下降 - 优势是 Mongodb 直接支持空间数据和索引以及查找附近位置等功能 - 我看到这篇文章Cassandra Or MongoDB For Our Location Based Application建议使用 mongodb作为最佳选择

Cassandra：
- 似乎是相关数据库中最好的 - 似乎具有出色的写入和读取性能 - 本身不支持空间索引，但这可以通过 geohashing 扩展

我真的很喜欢 mongodb，因为它有良好的文档和对空间数据的直接支持。有没有人在这么大的系统上使用 mongodb 有过不好的经历？我实际上在 mongodb iostat 上看到了很多关于性能的帖子。

如果 mongodb 不适合，有人可以提供一些关于使用 cassandra 进行地理散列的指示吗？我看到了用于创建哈希的链接http://code.google.com/p/geospatialweb/ 。但是有关于如何查询等的问题？

我现在拥有的是两个双重领域：

以及我想要的：一个位置字段中的 2 个双精度值：

到目前为止我尝试过并且不起作用的方法：

有什么简单的解决办法吗？提前致谢！

我最近开始从事一个涉及地理位置、地图（Google Maps V3）等的个人项目。

该项目是用 Python 开发的，旨在在 Google App Engine 上运行。我了解到，为了找到接近某个位置的标记/位置，可以使用 geohash 算法（这很酷）。

我不明白的是：假设我在数据存储中拥有所有位置（以及每个位置的纬度、经度和 geohash（高精度）。）

我知道我应该使用 geohash 的前缀（以匹配其中的位置），但是如何计算边界框的 geohash？考虑到边界框由两点组成，东北和西南，我不明白如何去做。

为了让我查询应该为当前可见边界框返回哪些位置，我需要可见/可见边界框的 geohash -现在我知道我可以对可视地图上的中心位置进行 geohash，但我不知道如何许多字母要切断（以降低精度）以实现与实际边界框的“匹配”。（或者也许不是这样......？）

当边界框容器到geohashes时你会怎么做？（就像在可视区域的中间它在'dqcjr0'和'dqcjqb'之间分裂）

另外，假设我有一个 5 个字母的 geohash，如何将其转换回可见的边界框？或者换句话说，我怎么知道什么是“包含”的散列，以及相邻的散列中是什么？

在此先感谢您的帮助，

肯。

我正在尝试找出图像的地理散列方法。这很难，因为可能图像的空间比 lat/lng 的维度要高得多。（地理散列将位置转换为字符串，其中字符串逐渐细化位置）

所以，我需要的是：

• INPUT：磁盘上的 JPG 或 PNG 图像列表
• 输出：对于每个图像一个字符串，其中任何两个图像之间的公共字符串前缀越长，两个图像相同的可能性就越高。

它不需要完美，也不需要处理极端情况，例如裁剪图像或经过大量调整的图像。它适用于不同分辨率和压缩级别的同一图像的多个副本。

我不能使用：

• 文件或图像数据散列，因为即使两个图像之间的微小变化也会产生完全不同的散列，并且您不会得到任何接近
• 图像减法，因为它不会是 N 对 N 比较。

我已阅读其他答案以尝试小波压缩或拉普拉斯/高斯金字塔，但我不确定如何在 Java 或 Python 中实现。不过，我进步了！

1. 使用http://today.java.net/pub/a/today/2007/04/03/perils-of-image-getscaledinstance.html将大小调整为 32x32以不丢弃数据。好的，一切都变成了一个正方形。
2. 创建一个由逐渐缩小的缩略图组成的金字塔，一直到 2x2。
3. 在 2x2 中，编码一串“下一个像素是否比当前像素亮？如果是，则为 1，否则为 0 ”（这会丢弃所有色调和饱和度，我可能想以某种方式使用色调）
4. 对 8x8 和 32x32 金字塔中的连续二进制数进行编码
5. 将大二进制数转换为更高的基数表示，如 Base62。

这似乎运作良好！压缩或色彩平衡的微小差异不足以改变“该区域的左侧是否比右侧更亮”。但是，我认为我正在重新发明轮子，某种渐进式编码可能会更好？SIFT 和其他特征检测是多余的，我不需要能够处理裁剪或旋转。

有没有办法根据分面字段的子字符串获取分面计数，类似于 EdgeNGram？

我正在使用 solr 以高精度存储 geohash 字符串，并希望以特定的 geohash 精度计算文档数。构面用于计算特定 geohash 'cell' 中的文档。

目前，我能看到的唯一方法是使用 geohashes 层。

例如。当前构面结果集（来自索引数据）：

我想要的精度 1 设置：

我想要的精度 2 设置：

干杯。

我正在使用GeoModel进行边界框搜索。数据存储中大约有 350 个事件，但它执行 > 5 秒。在我的开发环境和谷歌应用引擎上的结果相同。为什么这么久？我需要添加一些索引吗？

在这个例子中它工作得更好。
我正在使用 Python 2.7 和谷歌应用引擎

受 XKCD geohashing 漫画 (http://imgs.xkcd.com/comics/geohashing.png) 的启发，我想我应该尝试用 Python 编写生成器。不过，我已经用它的主要部分打了一个块：转换为 MD5，然后转换为十进制。

有可能吗？

我正在考虑将应用程序从 RoR 移植到以地理搜索为中心的 Python App Engine。我一直在使用其中一个开源 GeoModel（即 geohashing）库，以允许应用程序处理诸如“附近有哪些餐馆（纬度/经度对）”之类的问题的查询以及类似的事情。
GeoModel 使用 ListProperty 创建了一个沉重的索引，这让我担心定价，因为我有大约 1000 万个实体需要加载到生产环境中。

我今天早上发现的这篇文章在成本方面似乎相当可怕：

https://groups.google.com/forum/?fromgroups#!topic/google-appengine/-FqljlTruK4

所以我的问题是——既然谷歌已经发布了支持地理搜索的全文搜索，地理散列是一个没有实际意义的概念吗？不过，目前尚不清楚这个新 API 的幕后发生了什么，而且我担心索引大小可能与我使用 GeoModel 方法一样大。

搜索 API 的另一个问题是，看来我不仅必须在数据存储中创建我的模型，而且还要将其中一些数据（它所代表的模型的 GeoPtProperty 和 entity_key）复制到 Documents 中，这大大增加了我的数据集。

对此有什么想法吗？目前我正在考虑刮掉这个端口太昂贵了，尽管到目前为止我真的很喜欢在 App Engine 环境中工作并且很想在我的一些应用程序中摆脱 EC2。

我将 Redis 与 php 及其库phpredis 一起使用。

我有以下结构：

但我还没有找到一种通过哈希搜索的方法。我想搜索例如完全相同的哈希或大致相同的哈希。我应该改变我的结构吗？

谢谢。

是否可以在具有多个值的 geohash 字段上从 geodist() 过滤器返回距离？

geosort 和 geodist 过滤器工作正常，但我试图获取查询点与结果中返回的位置之间的距离。

我试过http://wiki.apache.org/solr/SpatialSearch#Returning_the_distance 第二种方法是： //localhost:8983/solr/select?indent=true&fl=name,store&sfield=store&pt=45.15,-93.85&sort =score%20asc&q={!func}geodist()

但它返回奇怪的结果，用 2 个位置测试它返回分数 9979.032，实际上两个点之间的距离约为 33,000 公里？

它使用什么单位返回分数字段中的距离？我假设公里，但它没有意义，或者结果是假的，我不知道

任何帮助将不胜感激，谢谢