Indexing R-树与四叉树比较
我想比较地理空间数据的R树和四叉树。虽然有文献,但我很难找到涵盖真正基本比较的文件。所以我决定问这个问题 在我看来,R-树有平衡的优势,树没有空叶子。 缺点是,insert或delete等基本操作可能会导致重新构造整个索引 四叉树正好相反,它是不平衡的,有空的叶子,但它不需要重新构造 因此,作为一个fazit,我要说的是,R-树确实需要更少的内存,而且由于最小的高度,搜索速度更快。 当有许多更新操作时,四叉树会更好,但是生成的树可能不平衡 你认为这些观点正确吗? 有没有关于这个主题的好文件 Auf Wiedershen,Andre“重组整个指数”。否。重组R-树仅限于一条路径,而不是“整个”索引。 实际上,它的工作原理与B-树类似 考虑实现这两者,并自己做一些基准测试,以真正了解它们的性能。不要只使用理论Indexing R-树与四叉树比较,indexing,geospatial,quadtree,r-tree,Indexing,Geospatial,Quadtree,R Tree,我想比较地理空间数据的R树和四叉树。虽然有文献,但我很难找到涵盖真正基本比较的文件。所以我决定问这个问题 在我看来,R-树有平衡的优势,树没有空叶子。 缺点是,insert或delete等基本操作可能会导致重新构造整个索引 四叉树正好相反,它是不平衡的,有空的叶子,但它不需要重新构造 因此,作为一个fazit,我要说的是,R-树确实需要更少的内存,而且由于最小的高度,搜索速度更快。 当有许多更新操作时,四叉树会更好,但是生成的树可能不平衡 你认为这些观点正确吗? 有没有关于这个主题的好文件 Au
在具有高变化频率的均匀分布数据上,四叉树通常工作得更好。在磁盘上,R-树具有明显的优势。这篇文章对四叉树和R-树进行了很好的比较: 一些差异:
- 四叉树需要通过选择适当的平铺级别进行微调,以优化性能。R树不需要特定的调优
- 四叉树可以在现有B-树的基础上实现。R-树-不能
- 四叉树索引的创建速度比R-树快
- 对于最近邻查询,R-树比四叉树快得多
- 对于窗口查询,R树比四叉树要快得多,比如“内部”、“包含”、“覆盖”等