Bases de datos espaciales - PowerPoint PPT Presentation

About This Presentation
Title:

Bases de datos espaciales

Description:

Bases de datos espaciales Michael Gould Universitat Jaume I ndice Bases de datos relacionales Datos no espaciales Indices (indexaci n) de bases de datos ... – PowerPoint PPT presentation

Number of Views:86
Avg rating:3.0/5.0
Slides: 26
Provided by: MGo83
Category:

less

Transcript and Presenter's Notes

Title: Bases de datos espaciales


1
Bases de datos espaciales
  • Michael Gould
  • Universitat Jaume I

2
Índice
  • Bases de datos relacionales
  • Datos no espaciales
  • Indices (indexación) de bases de datos
  • Ordenación (sorting) de datos
  • Modelado de datos espaciales
  • Dos tipos de consulta
  • Indices espaciales

3
BB DD relacionales
  • Por qué usar una base de datos?
  • Organización, recuperación eficaz
  • Una BD no tiene por que ser relacional !!!
  • BDR optima para interrelacionar tablas de texto
  • Trabaja en el espacio de nombres,
    unidimensional
  • BBDD espaciales son MUY grandes
  • Muchos elementos (puntos, líneas..) y muchas
    relacionales necesarias para guardar todo que es
    interesante en interacciones espaciales

4
BB DD relacionales (2)
  • El uso de campos largos no es la mejor solución
  • Es simple, pero no nos ayuda en mejorar
    rendimiento de recuperación
  • Una BDR mejora su recuperación mediante índices
    (indexación) de atributos (items)
  • Pero hay que ordenar (sort) los datos,
    alfabéticamente, según la coord X o Y (pero no
    las 2)
  • Cada vez ordenando sobre una sola dimensión...

5
Indices
  • Ordenando según la dist de cada elemento a un
    punto origen, sirve para desordenarlos para todos
    demás puntos
  • No sabes a priori todas las posibles consultas
    del usuario
  • Indices implícitos mejor que explícitos
  • No hace falta reordenar los datos, solo despúes
    de cambios

6
Indexación
  • Cómo ordenamos los datos?
  • Mediante índices primarios y secundarios
  • Para datos no espaciales, uno puede indexar cada
    atributo
  • Pero no sirve cuando consulta utiliza
    combinaciones de valores de atributos
  • El registro más cercano a Pepe Pérez en términos
    de peso y edad (no existe el concepto peso-edad)

7
Indexación (2)
  • Para consultas booleanas, sí, tiene sentido
  • todos entre 25 y 30 años y entre 50 y 70 Kilos
  • Cómo construir índices?
  • otra relación nueva
  • clave extranjera
  • siguen siendo ejemplos relacionales,
    unidimensionales...

8
Modelado de datos
  • Para imágenes, usaremos un tuplo para cada
    pixel?
  • Un BLOB solo dice que la imagen existe, nada de
    su contenido
  • Un tuplo para cada parte de cada elemento
    vectorial (ej, punto, línea) ??
  • Un tuplo para cada elemento entero ?

9
Modelado de datos (2)
  • Cómo enlazar al elemento entero con un tuplo?
  • la caja mínima requiere atributos en 2
    dimensiones
  • puedes usar un punto representivo (centroide)
  • Lo que falta en el modelo relacional es la
    manera de utilizar la ubicación como índice a una
    estructura espacial
  • Por eso hemos creado índices espaciales

10
Interacción con la BD
  • Muchos lenguajes de consulta
  • SQL domina, solo porque el modelo relacional
    también domina
  • SQL inicialmente separado al modelo relacional
  • Poco a poco se integran
  • Tiene muchas limitaciones para datos no normales
    (ej. CAD, sistemas MM, SIG)

11
Interacción con la BD (2)
  • SQL no permite la interacción con gestos
  • Cuál es el edificio más cercano a este
    ltseñalizar con el ratóngt punto, que vale menos de
    50 MM
  • No incluye operadores espaciales, ej. Cerca de,
    tocando con, etc.
  • Existen propuestas para SQL-extendidos
  • SQL-3, SQL-MM, Geo-SQL

12
Consultas mixtas
  • Consultas dobles, utilizando datos espaciales y
    no espaciales (atributos)
  • Localiza todas las ciudades dentro de 100 Km
    del río Ebro, y de más de 100.000 habitantes
  • Optimizar la recuperación
  • Si la región es reducida, ejecutar la búsqueda
    espacial antes
  • Si hay muchas ciudades grandes en la BD, haz la
    selección relacional (pob gt 100000) antes

13
Consultas mixtas (2)
  • Hay que tratar dos tipos de datos distintos
  • Datos espaciales
  • puntos discretos en el espacio
  • espacio ocupado por fenómenos continuos que
    tienen extensión en 2-d
  • Datos no espaciales
  • nombres de regiones
  • limite de velocidad en una carretera...

14
Consultas espaciales
  • El gestor de BBDD relacionales sirve para los
    datos no espaciales
  • No es nada óptimo para consultas espaciales
  • Tres tipos de consultas espaciales
  • Rango (una ventana completa)
  • Rango parcial (solo algunos atributos)
  • Puntual (solo un objeto)

15
Consultas de rango
  • Rango ámbito espacial
  • Basadas en el límite de cada elemento
  • No hace falta que todas las posibles
    relacionales espaciales estén explícitamente en
    la BD
  • Consultas por atributo todos los sitios que
    tienen cítricos
  • Consultas por ubicación ciudad más cercana a
    este punto?

16
Indices espaciales
  • Objetivo Como siempre con la indexación...
    tratar de no visitar y tocar cada vez a todos los
    n elementos en la base de datos !!
  • Los índices espaciales nos permiten ir al grano,
    optimizando la recuperación
  • Ejemplo simple rectángulo mínimo (MBR)
  • guardamos los MBR, y si una consulta toca a un
    MBR, sus elementos pueden ser relevantes los de
    fuera seguramente NO!

17
Indices espaciales (2)
  • Los MBR no forman una descomposición completa
    del plano (rectángulos pueden solaparse)
  • Quadtree (árbol cuadernario) libro Samet
  • índice espacial jerárquico
  • descomposición regular, multiresolución
  • se pueden aplicar a todos tipos de datos
    espaciales

18
Quadtree
  • Mal nombrado es una descomposición en bloques
    regulares no tiene por que usar arboles
  • Algoritmo Dividir región en cuatro subregiones
  • cada subregión heterogenea, se divide en otras 4
  • división recursiva
  • guardamos los niveles y los elementos/atributos
    en cada nivel (en un árbol, lista, etc.)

19
Quadtree (2)
  • Divisiones (cuadrantes) numeradas 0,1,2,3
  • Orden de Morton, de Peano, etc.
  • Cada región a cualquier nivel tiene una
    coordinada en el quadtree
  • 1,1,1 tercer nivel, esquina derecha superior
  • También sabemos sus coordinadas geográficas,
    basadas en las coords del primer nivel (root)

20
Quadtree (3)
  • Quadtree es una estructura (índice) simple y
    potente
  • Forma parte de casi todos los SIG de gama alta,
    para mejorar el rendimiento de la BD
  • Quadtree óptimo para consultas por ubicación
    Qué hay aquí en esta región X?
  • La estructura Pirámide es una variación

21
Pirámide
  • Como el quadtree, donde cada nodo en el árbol
    guarda un sumario de la información de sus hijos
  • Así, el pirámide es mejor para recuperación por
    atributo dentro de una región
  • Hay cítricos en esta región? Si el nivel 1 no
    tiene cítricos, entonces imposible que este más
    abajo entre sus hijos, nietos, etc.

22
Página de demos de Samet
  • http//www.cs.umd.edu/brabec/
  • quadtree/index.html

23
Otros temas Transacciones largas
  • Qué pasa cuando alguien tiene abierta la base
    de datos de carreteras, durante 2 días, para
    hacer modificaciónes?
  • Control de sesiones
  • Control de acceso bloqueo a nivel de fichero,
    elemento ??
  • Procesos de Commit y Rollback

24
Otros temas BDR extendidas
  • Productos SDO (Spatial Data Option) de Oracle, y
    Spatial Data Engine (SDE) de ESRI
  • solución TODA relacional espacial, no espacial
  • manejo de geometrías múltiples
  • conforman con OpenGIS
  • Datablades espaciales para Informix, DB2...

25
Otros temas Procesos
  • SIG basado en BDR normalmente supone una
    geometría
  • Supone una foto de la situación
  • Complica la actualización de elementos,
    atributos, esp en situación dinámicas !!
  • BD y sistemas Orientadas a Objetos...en el
    futuro.
Write a Comment
User Comments (0)
About PowerShow.com