本文主要是介绍基于ElasticSearch存储海量AIS数据：时空立方体索引篇，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
文章目录
- 引言
- I 时间维切分
- II 空间范围切分
引言
索引结构制约着查询请求的类型和处理方式，索引整体架构制约着查询请求的处理效率。随着时间推移，AIS数据在空间分布上具备局部聚集性，如
果简单地将所有AIS数据插入一个索引结构，随着数据量增长，索引的更新效率、查询效率及并发访问支持度将下降。为确保索引效率和灵活性，借鉴时
空立方体模型思想，将索引在时空维度上进行切分，从而构造时空立方体索引。
时空立方体索引在处理查询时能根据查询条件中时空约束，无I／O开销
地将候选集迅速缩小到时空立方体索引中某个或几个子索引，再对子索引进行细粒度筛选，从而提升索引效率。
I 时间维切分
时空立方体索引在时间维上切分依赖于业务需求。
例如，如果业务中经常出现以月为时间跨度的时空查询，则可按月将索引进行切分。
以按月切分为例，上面的轨迹信息索引表对应的索引定义可将一年的动态信息按
月切分为12份，为每份数据创建单独的索引结构。
- 按月切分后的索引在处理数据更新时思路为：根据POSITl0NTIM
这篇关于基于ElasticSearch存储海量AIS数据：时空立方体索引篇的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
