यह आपके द्वारा उपयोग किए जाने वाले स्थानिक उपखंड विधि पर निर्भर करता है, हालांकि सभी उपखंड विधियां (जैसे किसी भी संपीड़न विधि) अंत में पैन जहां डेटा संपीड़न ओवरहेड्स और अन्य तार्किक / गणितीय कारकों के कारण आगे कोई संपीड़न नहीं हो सकता है। एक उदाहरण अष्टक में पाया जा सकता है। ऑक्ट्री में प्रत्येक नोड के लिए, एक सूचक को माता-पिता और / या बच्चों के लिए रखा जाना चाहिए (यह निर्भर करता है कि आप अपने डेटा की संरचना संरचना के बारे में कैसे जाते हैं), सार्थक ट्रैवर्सल को सक्षम करने के लिए। किसी भी पेड़ की संरचना में n बच्चे हो सकते हैं। कम अनुपात 1: n, आपके द्वारा प्राप्त स्थान का अधिक कुशल उपयोग और फलस्वरूप ट्री-ट्रैवर्सल में बड़े ओवरहेड्स क्योंकि आपके पास अधिक पूर्वज नोड्स होना चाहिए जिसमें समान संख्या में पत्ती स्वर (आपके मामले में, लगभग 510 ट्रिलियन) हो इनमें से सतह क्षेत्र का प्रतिनिधित्व)।
यह देखते हुए कि आपके उदाहरण में प्राथमिक मुद्दे भंडारण लागत हैं और पूरे ग्रह (या उसके कुछ हिस्सों) को उचित दूरी से प्रदान करते हैं, कोई डेटा संरचना नहीं है जिसे मैं एक ऑक्ट्री से अधिक सुझाऊंगा। Mipmapping एक आवश्यकता है: 2 की निकटतम उच्च शक्ति पर 12.8 मिलियन मीटर व्यास 2 ^ 24 = 16.8 मिलियन है। 24 ऑक्ट्री का स्तर पीछे हटने के लिए एक विशाल राशि की राशि होगी - जीपीयू और सीपीयू के लिए समान रूप से महंगा। लेकिन बशर्ते आप चीजों को सही तरीके से करते हैं, तो आपको केवल एक समय में कुछ स्तरों को पार करने की आवश्यकता होगी। अंतरिक्ष की मात्रा को देखते हुए, हालांकि, विकल्प कुछ और दूर हैं (नीचे देखें)।
ऑक्ट्रेसेस की मानचित्रण क्षमताएँ हैं जो इसे बड़े संस्करणों के लिए एक अविश्वसनीय रूप से शक्तिशाली उपकरण बनाते हैं जैसे कि आप वर्णन करते हैं। अन्य सभी ज्ञात उपखंड विधियों (केडी-वृक्षों के अपवाद के साथ) के विपरीत, ऑक्ट्री प्रति स्तर कम से कम उपखंड रखता है, जिसका अर्थ है कि मिपमप स्तरों के बीच दृश्य और शारीरिक अंतर भी न्यूनतम रखा जाता है, जिसका अर्थ है कि आप ऊपर चलते हैं और ग्रैन्युलैरिटी में बहुत महीन डेल्टा होते हैं। पेड़ के नीचे।
यदि, दूसरी ओर, आप एक ऐसी दुनिया उत्पन्न करना चाहते हैं, जहाँ पदानुक्रमित ग्रिड ट्रैवर्सल को न्यूनतम रखा जाए, तो आपको वृद्धि की गति के लिए अंतरिक्ष से व्यापार करने की आवश्यकता होगी।
आदर्श 1: n अनुपात की बात करें, तो इस संबंध में kd- वृक्ष की तुलना में कोई महीन संरचना नहीं है। जहां प्रत्येक धुरी के लिए ऑक्ट्री 2 में विभाजित होती है, जिसके परिणामस्वरूप 2 ^ 3 = 8 व्यक्तिगत बाल कोशिकाएं होती हैं, kd ट्री उपखंड स्तर के अनुसार एक बार विभाजित होता है। इसके साथ समस्या यह है कि आपको विभाजित करने के लिए हाइपरप्लेन चुनना होगा, और इस हाइपरप्लेन को 3 अक्षों में से किसी एक के आसपास चुना जा सकता है। हालांकि यह अंतरिक्ष के मामले में इष्टतम है, यह 3 डी ट्रैवर्सल्स बनाता है (जैसे कि किरणों के दौरान, एक मौलिक ऑप जब भौतिकी के लिए ऑक्टर्स का उपयोग करना या प्रतिपादन करना) ऑक्ट्री की तुलना में बहुत अधिक कठिन होता है, क्योंकि एक गतिशील पोर्टल-प्रकार की संरचना को रिकॉर्ड करने के लिए रखा जाना चाहिए अलग-अलग केडी-ट्री नोड्स के बीच इंटरफेस ।
RLE संपीड़न के लिए एक और दृष्टिकोण है, लेकिन इस तरह की समस्या (जहां संचालन का आधार गोलाकार है) पर लागू करने के लिए कई मायनों में कठिन है, क्योंकि RLE संपीड़न एक आयामी है, और आपको उस अक्ष को चुनना होगा जो इसे संचालित करता है। ग्रह, एक ध्रुवीय अक्ष का चयन कर सकता है, लेकिन कोई भी एकल-धुरी पसंद कुछ गैर-इष्टतम कोणों से कार्य करते समय प्रतिपादन और भौतिकी के लिए ट्रैवर्सल्स के साथ कुछ मुद्दों को पेश करेगा। बेशक, आप RLE को एक साथ 3 एक्सिस में चला सकते हैं, स्टोरेज लागत को तिगुना कर सकते हैं, या 6 एक्सिस (-x, + x, -y, + y, -z, + z) में एक और अनुकूलन के रूप में।
तो आपके प्रश्न का उत्तर देने के लिए (या नहीं!)
मैं हार्डवेयर की तरह क्या जवाब देने में सीधे जाने के लिए नहीं जा रहा हूँ, लेकिन मैं एक octree नजरिए से इसे देख लगता है कि शुरू होता है आप हार्डवेयर की किस तरह पर संभव क्या वास्तव में की एक विचार देने के लिए। मैं आपको इस मार्ग पर जाने के लिए प्रोत्साहित करूंगा, यदि आप वास्तव में जानना चाहते हैं, तो वास्तव में एक सरल विरल ऑक्ट्री को लागू करना आसान हो सकता है(रेफरी में Laine का पेपर देखें) और इसमें सतह स्वरों के एक गोलाकार खोल को रखें, और देखें कि परिणामी अंतरिक्ष उपयोग कैसा है। वहां से कदम बढ़ाओ। देखें कि आपके सिस्टम की मेमोरी शुरू होने से पहले आप कितनी दूर जा सकते हैं। जब तक आप विज़ुअलाइज़ेशन नहीं चाहते हैं, तब तक आपको रेंडर लिखने की आवश्यकता नहीं है। यह भी ध्यान रखें कि यह सीपीयू पर सबसे अच्छा है - जीपीयू द्वारा और बड़े में इस पैमाने की समस्याओं से निपटने के लिए मेमोरी क्षमता नहीं है। यह उन कारणों में से एक है जो इंटेल बड़े पैमाने पर समानांतर प्रोसेसर की ओर बढ़ रहा है: GPGPU के लाभ, जो इस तरह की चीज़ों में बेहतर है, को सिस्टम के लिए एक बहुत ही तेज़ मेमोरी स्पेस पर लागू किया जा सकता है, जिसके साथ सिस्टम बस अड़चनें हैं। संभवतः यहाँ अन्य हैं, या math.stackexchange.com पर,
आपकी अनंत दृश्य दूरी की आवश्यकता के संदर्भ में, निश्चित रूप से, लेकिन सवाल हमेशा नीचे आता है, "किस दूरी पर कितना विस्तार"। अनंत विस्तार का प्रतिपादन करने के लिए अनंत संसाधनों की आवश्यकता होगी। यही कारण है कि चर-प्रति-दृश्य mipmapping खेलने में आता है। यह भी ध्यान में रखें कि सभी डेटा संरचनाएं अंतरिक्ष या इसके विपरीत गति के कुछ ट्रेडऑफ़ को अपनाती हैं। इसका मतलब है कि कम / धीमी रेंडरिंग, अगर आप इंजीनियरिंग के समान प्रयास के लिए एक बड़ी दुनिया चाहते हैं।