通过组合地理空间索引进行多维搜索答案

【问题标题】：Multidimensional search by combining geospatial indexes通过组合地理空间索引进行多维搜索
【发布时间】：2013-05-05 13:22:09
【问题描述】：

我构建了存储数百万个浮点向量的应用程序，每个向量有大约 100 个维度。使用查询向量，我需要在这些向量中搜索最近的 k 个（欧几里得）匹配。运行时间必须比扫描所有数百万个向量更快。 “向量”是指在线性代数术语中，大约 100 个浮点数的列表，即[0.3, -15.7, 0.004, 457.1, ...]

我知道 MySQL 和 MongoDB 等数据库提供适用于二维的空间索引。有没有办法通过复合索引使其适应更多维度？还是有其他数据存储支持更多维度的索引？

【问题讨论】：

当您说“向量”和“最接近”时，您能准确定义您的意思吗？ - 我的理解是向量只是一个方向，因此不适合空间索引。您是否假设所有向量都来自原点，并且“最近”将通过两个给定向量的端点之间的距离来衡量？
我猜在“向量作为元素序列”和“向量作为空间框架中的方向”这两种含义之间，他的真正意思是“向量作为空间框架中的位置”
已澄清问题。如果还不清楚，请告诉我。
最近的 == en.wikipedia.org/wiki/Norm_(mathematics)#Euclidean_norm

标签： database algorithm search vector geospatial

【解决方案1】：

如果您正在寻找精确匹配，100 个维度就很多了。如果您准备接受近似匹配，则有一类局部敏感散列方案。您可以为您的数据集生成一个哈希值或一系列哈希值，并使用普通数据库或二维空间数据库根据哈希值查找匹配项。一个参考是http://people.csail.mit.edu/indyk/p117-andoni.pdf。

【讨论】：

【解决方案2】：

postgresql。它支持您想要的任意数量的维度。默认大小为 100。这可以在安装期间在 cubedata.h 文件中更改。 postgres 中的多维数据集运算符为快速查询实现了 r 树。

【讨论】：

请多解释一下，你会如何使用它来解决给定的问题？
一个 100 大小的向量可以存储在 postgres 的单个单元格中。 postgres 有一个欧式距离计算器。因此 OP 可以使用立方体运算符中可用的此功能来执行 knn。为了缩短响应时间，我们可以在此列上创建索引以进行快速查询。

【解决方案3】：

我能理解你的痛苦。 MongoDB 中没有 R-Tree 类型的实现，我不确定 SQL DB 中是否有。我发现以下链接很有用：

http://www.slideshare.net/nknize/mongo-sv-knizefinal

【讨论】：