基于Uber H3替代ST_CONTAINS的方案探讨

核心逻辑 #

通过将几何体转换为H3离散网格索引，用网格集合的包含关系替代原生拓扑判断，大幅降低空间计算复杂度，提升创建表/物化视图的速度。

具体实现思路 #

• 预处理几何体生成H3网格
  对需要判断包含关系的几何体A和B，分别使用H3的polyfill方法生成覆盖它们的H3网格集合。maxPolyfillSize参数用于控制网格精度：值越小，网格越精细，精度越高但计算量越大；值越大，网格越粗糙，速度越快但精度略有下降，可根据业务需求选择合适的分辨率。

• 基于H3网格的包含判断
  若业务可接受近似精度，直接判断B的H3网格集合是否为A的网格集合的子集（比如用PostgreSQL的数组@>操作符），这种集合查找的速度远快于拓扑判断。
  若需严格匹配ST_Contains的逻辑，需额外验证：B的所有网格均在A的网格集合内，且A与B的网格存在层级包含关系（比如B的网格是A的网格的子网格），确保两者内部有公共点。

• 物化视图/表的预计算优化
  提前为几何体A、B添加字段存储对应的H3网格数组（或创建关联表存储几何体与网格ID的映射），创建物化视图时直接基于预存的网格集合做判断，避免实时计算几何体的网格。

• 边界精度补偿
  若担心网格近似判断与ST_Contains结果有偏差，可仅对位于A边界的B网格执行ST_Contains精确校验，内部网格直接用H3判断，平衡性能与精度。

内容的提问来源于stack exchange，提问作者0004