Backend PostgreSQL

Le backend PostgreSQL offre des performances optimales pour FilterMate, particulièrement avec les grands jeux de données. Il exploite les opérations spatiales côté serveur, les vues matérialisées et les index spatiaux pour un filtrage ultra-rapide.

Champion de la performance

PostgreSQL est recommandé pour les jeux de données de plus de 50 000 entités et requis pour ceux de plus de 500 000 entités.

Vue d'ensemble

Le backend PostgreSQL de FilterMate se connecte directement à votre base de données PostGIS pour effectuer les opérations de filtrage géométrique côté serveur. Cette approche réduit considérablement le transfert de données et le temps de traitement par rapport au filtrage côté client.

Avantages clés

⚡ Requêtes en moins d'une seconde sur des jeux de données de millions d'entités
🔧 Vues matérialisées pour des résultats filtrés persistants
🗺️ Index spatiaux GIST pour des recherches spatiales optimisées
🚀 Traitement côté serveur réduit la surcharge réseau
💾 Efficace en mémoire - traite les données dans la base
⚙️ Opérations concurrentes - plusieurs filtres ne ralentissent pas

Quand le backend PostgreSQL est utilisé

FilterMate sélectionne automatiquement le backend PostgreSQL quand :

✅ La source de la couche est PostgreSQL/PostGIS
✅ Le package Python psycopg2 est installé
✅ La connexion à la base de données est disponible

Si psycopg2 n'est pas installé, FilterMate bascule vers les backends Spatialite ou OGR avec un avertissement de performance pour les grands jeux de données.

Installation

Prérequis

PostgreSQL 9.5+ avec extension PostGIS 2.3+
QGIS 3.x avec connexion PostgreSQL configurée
Python 3.7+ (inclus avec QGIS)

Installer psycopg2

Choisissez la méthode qui fonctionne le mieux pour votre environnement :

Méthode 1 : pip (Recommandée)

pip install psycopg2-binary

Méthode 2 : Console Python QGIS

Ouvrez la Console Python QGIS (Ctrl+Alt+P) et exécutez :

import pip
pip.main(['install', 'psycopg2-binary'])

Méthode 3 : OSGeo4W Shell (Windows)

# Ouvrir OSGeo4W Shell en Administrateur
py3_env
pip install psycopg2-binary

Méthode 4 : Conda (si utilisation d'environnement conda)

conda install -c conda-forge psycopg2

Vérification

Vérifiez si psycopg2 est disponible :

# Dans la Console Python QGIS
try:
    import psycopg2
    print(f"✓ Version psycopg2 : {psycopg2.__version__}")
except ImportError:
    print("✗ psycopg2 non installé")

Fonctionnalités

1. Vues matérialisées

FilterMate crée des vues matérialisées dans PostgreSQL pour stocker les résultats filtrés de manière persistante :

-- Exemple de vue matérialisée créée par FilterMate
CREATE MATERIALIZED VIEW filtermate_filtered_view_123 AS
SELECT *
FROM ma_couche
WHERE ST_Intersects(
    geometry,
    (SELECT geometry FROM couche_filtre WHERE id = 1)
);

-- Index spatial créé automatiquement
CREATE INDEX idx_filtermate_filtered_view_123_geom
ON filtermate_filtered_view_123
USING GIST (geometry);

Avantages :

Résultats mis en cache dans la base
Rafraîchissement instantané sur les filtres suivants
Partageable entre les sessions QGIS
Nettoyage automatique à la fermeture du plugin

2. Opérations spatiales côté serveur

Toutes les opérations géométriques s'exécutent dans la base de données :

ST_Intersects() - Trouver les entités intersectantes
ST_Contains() - Trouver les entités contenant
ST_Within() - Trouver les entités à l'intérieur des limites
ST_Buffer() - Créer des tampons côté serveur
ST_Distance() - Calculer les distances

Impact sur les performances :

Opération	Côté client (Python)	Côté serveur (PostGIS)
10k entités	~5 secondes	~0.5 secondes (10x plus rapide)
100k entités	~60 secondes	~2 secondes (30x plus rapide)
1M entités	Timeout/crash	~10 secondes (100x+ plus rapide)

3. Index spatiaux GIST

FilterMate s'assure que vos géométries ont des index GIST pour des performances de requête optimales :

-- Vérifier les index existants
SELECT indexname, indexdef
FROM pg_indexes
WHERE tablename = 'ma_couche';

-- FilterMate crée automatiquement les index GIST
CREATE INDEX IF NOT EXISTS idx_ma_couche_geom
ON ma_couche
USING GIST (geometry);

Gestion automatique des index

FilterMate vérifie les index spatiaux et les crée s'ils manquent. Cette opération ponctuelle peut prendre quelques secondes sur les grandes tables.

4. Optimisation des requêtes

Le backend PostgreSQL applique plusieurs optimisations :

Pré-filtrage par boîte englobante - Utilise l'opérateur && avant les opérations coûteuses
Exécution parallèle des requêtes - Exploite les workers parallèles de PostgreSQL
Instructions préparées - Réutilise les plans de requête pour les filtres répétés
Statistiques ANALYZE - Assure une planification optimale des requêtes

Exemple de requête optimisée :

-- Filtre boîte englobante d'abord (rapide)
WHERE geometry && ST_Buffer(filter_geom, 100)
  -- Puis vérification d'intersection coûteuse (seulement sur les correspondances bbox)
  AND ST_Intersects(geometry, ST_Buffer(filter_geom, 100))

Configuration

Connexion à la base de données

FilterMate utilise la connexion PostgreSQL existante de QGIS. Assurez-vous que votre connexion est configurée :

Couche → Gestionnaire de sources de données → PostgreSQL
Nouvelle connexion avec les détails :
- Nom : ma_base_postgis
- Hôte : localhost (ou hôte distant)
- Port : 5432
- Base de données : ma_base
- Authentification : Basique ou identifiants stockés

Paramètres de performance

Optimisez PostgreSQL pour les requêtes spatiales :

-- Dans postgresql.conf ou par session

-- Augmenter la mémoire de travail pour les gros tris
SET work_mem = '256MB';

-- Activer l'exécution parallèle des requêtes
SET max_parallel_workers_per_gather = 4;

-- Optimiser pour les opérations spatiales
SET random_page_cost = 1.1;  -- Pour stockage SSD

Permissions de schéma

FilterMate nécessite ces permissions PostgreSQL :

-- Permissions minimales requises
GRANT CONNECT ON DATABASE ma_base TO utilisateur_filtermate;
GRANT USAGE ON SCHEMA public TO utilisateur_filtermate;
GRANT SELECT ON ALL TABLES IN SCHEMA public TO utilisateur_filtermate;
GRANT CREATE ON SCHEMA public TO utilisateur_filtermate;  -- Pour les vues temp

Utilisation

Filtrage basique

Charger la couche PostgreSQL dans QGIS
Ouvrir le plugin FilterMate
Configurer les options de filtre
Cliquer sur « Appliquer le filtre »

FilterMate automatiquement :

Détecte le backend PostgreSQL
Crée une vue matérialisée
Ajoute la couche filtrée à QGIS
Affiche l'indicateur de backend : [PG]

Options avancées

Schéma personnalisé

Spécifiez un schéma personnalisé pour les vues matérialisées :

# Dans config/config.json
{
  "POSTGRESQL": {
    "schema": "filtermate_temp",
    "auto_cleanup": true
  }
}

Pool de connexions

Pour plusieurs filtres simultanés :

# FilterMate gère automatiquement le pool de connexions
# Connexions max : 5 (configurable)

Optimisation des performances

Pour les petits jeux de données (< 10k entités)

Aucune configuration spéciale nécessaire
PostgreSQL performe similairement à Spatialite
Utilisez les paramètres par défaut

Pour les jeux de données moyens (10k - 100k entités)

Assurez-vous que les index spatiaux existent
Augmentez work_mem à 128MB
Activez les workers parallèles (2-4)

ALTER TABLE ma_couche SET (parallel_workers = 2);

Pour les grands jeux de données (100k - 1M entités)

Augmentez work_mem à 256MB+
Augmentez parallel_workers à 4-8
Exécutez VACUUM ANALYZE régulièrement

VACUUM ANALYZE ma_couche;

Pour les très grands jeux de données (> 1M entités)

Partitionnez les tables par étendue spatiale
Utilisez l'héritage de tables
Envisagez le clustering de table par géométrie

-- Cluster la table par index spatial
CLUSTER ma_couche USING idx_ma_couche_geom;

Dépannage

Problème : « psycopg2 non trouvé »

Symptôme : FilterMate affiche le backend OGR/Spatialite pour les couches PostgreSQL

Solution :

Installer psycopg2 (voir section Installation)
Redémarrer QGIS
Vérifier l'installation dans la Console Python

Problème : « Permission refusée pour créer la vue »

Symptôme : Erreur lors de l'application du filtre

Solution :

-- Accorder la permission CREATE
GRANT CREATE ON SCHEMA public TO votre_utilisateur;

-- Ou utiliser un schéma dédié
CREATE SCHEMA filtermate_temp;
GRANT ALL ON SCHEMA filtermate_temp TO votre_utilisateur;

Problème : « Requêtes lentes malgré PostgreSQL »

Symptôme : Les requêtes prennent plus de temps que prévu

Solution :

Vérifier les index spatiaux :

SELECT * FROM pg_indexes WHERE tablename = 'votre_table';

Exécuter ANALYZE :
```
ANALYZE votre_table;
```

Vérifier le plan de requête :

EXPLAIN ANALYZE
SELECT * FROM votre_table
WHERE ST_Intersects(geometry, ST_GeomFromText('POLYGON(...)'));

Chercher « Seq Scan » - si présent, l'index n'est pas utilisé

Problème : « Timeout de connexion »

Symptôme : FilterMate se bloque lors de l'application du filtre

Solution :

Augmenter le statement_timeout de PostgreSQL
Vérifier la connectivité réseau
Vérifier que le serveur de base de données répond

-- Augmenter le timeout à 5 minutes
SET statement_timeout = '300s';

Benchmarks de performance

Performance réelle sur du matériel typique (Core i7, 16GB RAM, SSD) :

Taille du jeu	Entités	PostgreSQL	Spatialite	Accélération
Petit	5 000	0.3s	0.4s	1.3x
Moyen	50 000	1.2s	8.5s	7x
Grand	500 000	8.4s	65s	8x
Très grand	5 000 000	45s	Timeout	10x+

Opérations spatiales :

Opération	100k entités	1M entités
Intersects	1.5s	9.2s
Contains	1.8s	11.5s
Buffer (10m) + Intersects	2.3s	15.1s
Expression complexe	3.1s	18.7s

Bonnes pratiques

✅ À faire

Utiliser PostgreSQL pour les jeux de données > 50k entités
S'assurer que les index spatiaux existent avant le filtrage
Exécuter VACUUM ANALYZE après les mises à jour massives
Utiliser le pool de connexions pour plusieurs filtres
Surveiller les performances des requêtes avec EXPLAIN

❌ À éviter

Ne pas mélanger les systèmes de référence spatiale - reprojeter au préalable
Ne pas créer trop de vues matérialisées - FilterMate nettoie automatiquement
Ne pas désactiver les index spatiaux - pénalité de performance énorme
Ne pas exécuter des expressions complexes sans tester - utiliser EXPLAIN d'abord

Voir aussi

Vue d'ensemble des backends - Architecture multi-backend
Sélection du backend - Logique de sélection automatique
Comparaison des performances - Benchmarks détaillés
Backend Spatialite - Alternative pour les plus petits jeux de données
Dépannage - Problèmes courants

Détails techniques

Gestion des connexions

FilterMate utilise psycopg2 pour les connexions à la base de données :

import psycopg2
from qgis.core import QgsDataSourceUri

# Extraire la connexion de la couche QGIS
uri = QgsDataSourceUri(layer.source())
conn = psycopg2.connect(
    host=uri.host(),
    port=uri.port(),
    database=uri.database(),
    user=uri.username(),
    password=uri.password()
)

Cycle de vie des vues matérialisées

Création - Quand le filtre est appliqué
Utilisation - QGIS charge comme couche virtuelle
Rafraîchissement - Au changement des paramètres de filtre
Nettoyage - À la fermeture du plugin ou nettoyage manuel

Fonctions PostGIS supportées

FilterMate traduit les expressions QGIS en fonctions PostGIS :

Expression QGIS	Fonction PostGIS
`intersects()`	`ST_Intersects()`
`contains()`	`ST_Contains()`
`within()`	`ST_Within()`
`buffer()`	`ST_Buffer()`
`distance()`	`ST_Distance()`
`area()`	`ST_Area()`
`length()`	`ST_Length()`

Dernière mise à jour : 14 décembre 2025
Version du plugin : 2.3.0
Support PostgreSQL : 9.5+ avec PostGIS 2.3+

Vue d'ensemble​

Avantages clés​

Quand le backend PostgreSQL est utilisé​

Installation​

Prérequis​

Installer psycopg2​

Méthode 1 : pip (Recommandée)​

Méthode 2 : Console Python QGIS​

Méthode 3 : OSGeo4W Shell (Windows)​

Méthode 4 : Conda (si utilisation d'environnement conda)​

Vérification​

Fonctionnalités​

1. Vues matérialisées​

2. Opérations spatiales côté serveur​

3. Index spatiaux GIST​

4. Optimisation des requêtes​

Configuration​

Connexion à la base de données​

Paramètres de performance​

Permissions de schéma​

Utilisation​

Filtrage basique​

Options avancées​

Schéma personnalisé​

Pool de connexions​

Optimisation des performances​

Pour les petits jeux de données (< 10k entités)​

Pour les jeux de données moyens (10k - 100k entités)​

Pour les grands jeux de données (100k - 1M entités)​

Pour les très grands jeux de données (> 1M entités)​

Dépannage​

Problème : « psycopg2 non trouvé »​

Problème : « Permission refusée pour créer la vue »​

Problème : « Requêtes lentes malgré PostgreSQL »​

Problème : « Timeout de connexion »​

Benchmarks de performance​

Bonnes pratiques​

✅ À faire​

❌ À éviter​

Voir aussi​

Détails techniques​

Gestion des connexions​

Cycle de vie des vues matérialisées​

Fonctions PostGIS supportées​

Vue d'ensemble

Avantages clés

Quand le backend PostgreSQL est utilisé

Installation

Prérequis

Installer psycopg2

Méthode 1 : pip (Recommandée)

Méthode 2 : Console Python QGIS

Méthode 3 : OSGeo4W Shell (Windows)

Méthode 4 : Conda (si utilisation d'environnement conda)

Vérification

Fonctionnalités

1. Vues matérialisées

2. Opérations spatiales côté serveur

3. Index spatiaux GIST

4. Optimisation des requêtes

Configuration

Connexion à la base de données

Paramètres de performance

Permissions de schéma

Utilisation

Filtrage basique

Options avancées

Schéma personnalisé

Pool de connexions

Optimisation des performances

Pour les petits jeux de données (< 10k entités)

Pour les jeux de données moyens (10k - 100k entités)

Pour les grands jeux de données (100k - 1M entités)

Pour les très grands jeux de données (> 1M entités)

Dépannage

Problème : « psycopg2 non trouvé »

Problème : « Permission refusée pour créer la vue »

Problème : « Requêtes lentes malgré PostgreSQL »

Problème : « Timeout de connexion »

Benchmarks de performance

Bonnes pratiques

✅ À faire

❌ À éviter

Voir aussi

Détails techniques

Gestion des connexions

Cycle de vie des vues matérialisées

Fonctions PostGIS supportées