RTree 与 kd-trees 的性能答案

【问题标题】：Performance of RTree vs kd-treesRTree 与 kd-trees 的性能
【发布时间】：2014-01-03 12:13:03
【问题描述】：

我在 5 维空间中有大约 10 K 点。我们可以假设这些点在空间 (0,0,0,0,0) 和 (100,100,100,100,100) 中随机分布。显然，整个数据集可以很容易地驻留在内存中。

我想知道 k 最近邻的哪种算法运行得更快，kd-tree 或 RTree。

虽然我对这两种算法有一些非常高级的想法，但我不确定哪个会运行得更快，以及为什么。如果有的话，我愿意探索其他可以快速运行的算法。如果可能，请说明算法运行速度更快的原因。

【问题讨论】：

Could anyone tell me what's the difference between KD-tree and R-tree的可能重复
致反对的选民。我认为这个问题提出的很好。当涉及到加速结构时，它们的理论逻辑和实际性能往往会大相径庭。事实上，R 树的推动力是 Guttmann 需要一种加速结构，该结构在随机读取速度较慢的磁盘上表现良好。这个概念也可以扩展到缓存。

【解决方案1】：

这取决于各种参数。最重要的是您实现这些算法的能力。

我个人发现批量加载的 R*-trees 对于大数据更快，可能是因为它们具有更好的扇出。 Bulk-loaded R-trees 是一个更公平的比较，因为 kd-trees 通常是bulk-loaded（事实上，它们根本不支持增量操作）。

对于小数据，kd-trees 可能会更快，而且它们更易于实现。

其他方面，请参考这个较早的问题/答案：

【讨论】：