动态聚合聚类？在平面上的点

Question

问题：

我有几百万（10+）标记，各家有各家的领域：

1. lat 
2. lng 
3. area (double) 
4. size (int) 
5. tolerance (double) 
6. lags (boolean) 
7. channel (boolean) 
... (more) 

现在，我想每个集群有以下汇总数据：

1. number of markers 
2. min area 
3. max area 
4. avg area 
5. min size 
6. max size 
7. avg size 
8. tolerance distribution (how many where of tolerance < X, other >=X < Y and >=Y <Z where X,Y,Z constants) 
... (more) 

集群是基于标记的lat，lng（距离明智）和基于缩放级别（int）创建的。

非问题的一部分（**）：

计算所有缩放级别集群，无论 条件“全”的。这是通过创建树来完成的，并且为用户提取集群非常简单。

现在的问题：

用户可以根据标记字段查询，e.g“显示我的所有标记 其面积> K和滞后=真”。仅针对此查询，需要创建一个整体 新群集树。如果他更改查询“显示 我所有标记，他们的区域> K.0001和滞后=真”，并且新树 将不得不被创建。我不想为每个用户的查询计算这样的树 ，而不是将它存储在内存中（不知道它是否可能是 ）。

问：

What approach should be taken ? 
given the complexity of calculation X # of markers 
(fields inside) X speed factor. 
I was thinking that there's some sort of way to use the 
"all-in" clusters calculation(**), as it gives me ALL the markers and clusters and from 
there to manipulate in some elegant way. 

请问：

- space-filling-curve (hilbert) can help? how? 
- DB approach (what DBand why?) 
- k-d tree ? 

的整体思路是处理大量的数据和计算预切换，以便用户可以与出操纵它计算它在他身边或服务器端（因此客户端群集不是解决方案，融合表也是如此）

代码示例更多比欢迎

谢谢。

Answer 1

Hadoop适用于预处理，不适用于在线（“实时”）操作。

对于你来说，希尔伯特曲线和k-d-tree比常规网格文件/四叉树更复杂，对你来说实际上用处不大。优化树以与您的可视化缩放级别完全匹配！然后，您可能完全没有做任何“聚类”，而只是将合适的四叉树单元格可视化。

毕竟，你的空间数据只有2d，所以2d方法都能正常工作。而且你知道值的范围非常好，因为地球不会改变大小。这就是为什么Google地图速度如此之快：他们使用可以缓存的固定图块，有效地提供服务并预生成。

鉴于您可能不需要ACID和事务以及这些高级功能，使用其中一种炒作NoSQL数据库似乎是合理的。