SLBRIN——一种基于块范围的空间学习型索引 | MDPI ISPRS IJGI

本文介绍了浙江大学张丰副教授及其团队在ISPRS Int. J. Geo-Inf.期刊上发表的文章“SLBRIN: A Spatial Learned Index Based on BRIN”，提出了一种新型的空间学习索引结构SLBRIN。该结构通过将索引对象分为历史范围（HR）和当前范围（CR），优化了空间数据的索引构建、检索和更新性能。实验结果表明，SLBRIN在点范围查询、范围查询和kNN检索中均表现出显著的性能提升，特别是在查询时间和IO成本方面。此外，SLBRIN通过GPU和多进程加速，进一步改善了索引构建和更新的性能，显示出其在处理大规模空间数据时的潜力和优势。