本文共 2559 字,大约阅读时间需要 8 分钟。
文章版权由作者李晓晖和博客园共有,若转载请于明显处标明出处:
在上一篇博客中我提到了格网编码的两个优点:
但是,实际项目上,这种优化效果明显吗?
select * from tc_geo_address a where a.coordinate_x>504625 and a.coordinate_x<504825 and a.coordinate_y>309858 and a.coordinate_y<310058
select * from tc_geo_address a where a.grid_code=3300000110
其中coordinate_x和coordinate_y以及grid_code上都建立了索引 对比结果:
表大小 | 范围查询 | 单个编码查询 |
---|---|---|
2K条 | 0.002S | 0.002S |
17W条 | 1.08S | 0.84S |
为了提高缓存命中度,我们以单个格网编码为主键进行缓存:
/*** * 通过传入网格编码进行搜索,提供缓存功能 * @param gridcodefield * @param gridcode * @return */ @Cacheable(value="cacheOneHour",key="'getaddcode'+#gridcode+#gridcodefield") public ListgetAddressBySingleCode(String gridcodefield,String gridcode){ try{ if(gridcodefield.equals("")){ gridcodefield="Grid_Code"; } String sql=gisConfigManager.getSQL("GeoCode.GeoCodeReverseGridCode"); sql+=" where "+gridcodefield+"="+gridcode; return jdbcTemplate.query(sql,new Object[]{},new DataRowMapper(GeoAddress.class)); }catch(Exception e){ return null; } }
ListsearchResult=GridCodeUtils.GridCodeSearch(OperConst.MapBounds.get(0), OperConst.MapBounds.get(1), x, y, gridsize, gridsize, radius); if(searchResult==null){ LogUtils.error("查询地理编码结果为空!", logger,null); return null; } //分开利用code查询是为了充分制造缓存命中 for(int i=0;i temAddList=cacheManager.getAddressBySingleCode(gridHashField,searchResult.get(i).toString()); if(temAddList!=null&&temAddList.size()>0){ list.addAll(temAddList); } }
以上仅仅是根据坐标去进行过滤查询。如果附带上对查询结果的进一步条件筛选呢? 这类情况分几种情况进行讨论。
比如:查询条件永远都是离目前范围500M的视频。
那么针对编码查询时一样可以纳入缓存机制中。比如:查询条件会不断变化,可能是500M内的视频,可能是500M内的井盖等等。可以先进行格网编码查询并缓存,再对查询结果依据查询条件进行过滤:
//因为address经常变化,不利于缓存,所以用代码进行过滤 if(address!=""){ //查询条件过滤 Listaddlist=new ArrayList (); for(int i=0;i
此时缓存机制可能导致数据不是最新的,依然需sql进行查询。
当我们想使用编码机制而存入的数据只有XY没有编码值时,这里我们针对性开发了一个地理编码赋值工具:
-----欢迎转载,但保留版权,请于明显处标明出处:
如果您觉得本文确实帮助了您,可以微信扫一扫,进行小额的打赏和鼓励,谢谢 ^_^