1、实验目的
在实验之前先回答这样一个问题——对同一份数据使用不同的分区粒度，但均创建全局空间索引，问：它们的全局空间索引一致吗？
怎样算是一致的呢？R-TREE的树结构一致算一致吗？空间索引条目数及大小一致算一致吗？严格的一致，当然是指索引条目数、索引大小、R-TREE树结构完全一致。但经过分析发现，它们的索引条目数、R-TREE树结构是完全一致的，但索引大小有微小的差别。但我们仍然认为它们的全局索引是一致的，这是因为，R-TREE树结构才是决定空间索引是否一致的关键。
基于上述前提条件，思考一个问题：在执行空间查询时，若执行计划的第一步是扫描全局空间索引，这种情况下使用不同分区粒度的表，查询效率是相同的吗？实验之前，我会认为是相同的。因为尽管分区粒度不一样，但执行逻辑完全一致——根据全局空间索引查找匹配的ROWID，根据ROWID返回记录。而ROWID是无差别的，即相同磁盘设备下访问不同ROWID损耗是一样的。但真实情况呢？
2实验数据
实验数据为全国2531个区县，要素总数为46982394。分别以按县、市、省、区域分区，以及不分区来进行组织。在所有表上均创建全局空间索引。先介绍按省分区、按区域分区相关信息。
按省分区，各分区记录数及blocks：
按区域分区，各分区记录数及blocks：
3实验方法
在1:500、1:2000、1:10000、1:25000、1:50000、1:100000比例尺下，随机从全国范围内选择3个样本范围，作为空间查询时的查询范围。将6*3个样本范围分别与3个实验主体进行空间查询运算，记录每次查询的耗时。
算法统一使用最适合全局空间索引的算法：part_query3。
4实验结果
实验结果如下表：
求每种比例尺3个样本的平均值：
绘制不同分区粒度在不同比例尺下响应时间的折线图。
5实验结论
- 尽管全局空间索引一致，但不同的数据组织方式影响查询效率。从图中可知，过于分散数据（按县分区）将导致性能下降；适度分散对性能影响较小甚至没有影响。
- 在使用全局索引的情况下，未分区效率最高（命中18次中的9次），按区域分区次之（18次命中6次），按省分区又次之（18次命中3次）。
- 按省分区、按区域分区、不分区在全局空间索引下的查询效率相差不大，是否产用分区，产用何种分区，应结合业务场景选择合适的组织方式。
（未完待续……）