Backend PostgreSQL

O backend PostgreSQL fornece desempenho ideal para o FilterMate, especialmente com grandes conjuntos de dados. Ele aproveita operações espaciais no servidor, views materializadas e índices espaciais para filtragem ultra-rápida.

Campeão de desempenho

PostgreSQL é recomendado para conjuntos de dados com mais de 50.000 feições e obrigatório para conjuntos com mais de 500.000 feições.

Visão geral

O backend PostgreSQL do FilterMate conecta-se diretamente ao seu banco de dados PostGIS para realizar operações de filtragem geométrica no servidor. Esta abordagem reduz drasticamente a transferência de dados e o tempo de processamento em comparação com a filtragem do lado do cliente.

Principais benefícios

• ⚡ Consultas em menos de um segundo em conjuntos de dados com milhões de feições
• 🔧 Views materializadas para resultados filtrados persistentes
• 🗺️ Índices espaciais GIST para buscas espaciais otimizadas
• 🚀 Processamento no servidor reduz sobrecarga de rede
• 💾 Eficiente em memória - processa dados no banco de dados
• ⚙️ Operações concorrentes - múltiplos filtros não desaceleram

Quando o backend PostgreSQL é usado

O FilterMate seleciona automaticamente o backend PostgreSQL quando:

1. ✅ A fonte da camada é PostgreSQL/PostGIS
2. ✅ O pacote Python psycopg2 está instalado
3. ✅ A conexão com o banco de dados está disponível

Se psycopg2 não estiver instalado, o FilterMate faz fallback para os backends Spatialite ou OGR com um aviso de desempenho para grandes conjuntos de dados.

Instalação

Pré-requisitos

• PostgreSQL 9.5+ com extensão PostGIS 2.3+
• QGIS 3.x com conexão PostgreSQL configurada
• Python 3.7+ (incluído com QGIS)

Instalando psycopg2

Escolha o método que funciona melhor para seu ambiente:

Método 1: pip (Recomendado)

pip install psycopg2-binary

Método 2: Console Python QGIS

Abra o Console Python QGIS (Ctrl+Alt+P) e execute:

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

Método 3: OSGeo4W Shell (Windows)

# Abrir OSGeo4W Shell como Administrador
py3_env
pip install psycopg2-binary

Verificação

Verifique se psycopg2 está disponível:

# No Console Python QGIS
try:
    import psycopg2
    print(f"✓ Versão psycopg2: {psycopg2.__version__}")
except ImportError:
    print("✗ psycopg2 não instalado")

Recursos

1. Views materializadas

O FilterMate cria views materializadas no PostgreSQL para armazenar resultados filtrados de forma persistente:

-- Exemplo de view materializada criada pelo FilterMate
CREATE MATERIALIZED VIEW filtermate_filtered_view_123 AS
SELECT *
FROM minha_camada
WHERE ST_Intersects(
    geometry,
    (SELECT geometry FROM camada_filtro WHERE id = 1)
);

-- Índice espacial criado automaticamente
CREATE INDEX idx_filtermate_filtered_view_123_geom
ON filtermate_filtered_view_123
USING GIST (geometry);

Benefícios:

• Resultados em cache no banco de dados
• Atualização instantânea em filtros subsequentes
• Compartilhável entre sessões QGIS
• Limpeza automática ao fechar o plugin

2. Operações espaciais no servidor

Todas as operações geométricas são executadas no banco de dados:

• ST_Intersects() - Encontrar feições que intersectam
• ST_Contains() - Encontrar feições que contêm
• ST_Within() - Encontrar feições dentro dos limites
• ST_Buffer() - Criar buffers no servidor
• ST_Distance() - Calcular distâncias

Impacto no desempenho:

Operação	Lado do cliente (Python)	Lado do servidor (PostGIS)
10k feições	~5 segundos	~0.5 segundos (10x mais rápido)
100k feições	~60 segundos	~2 segundos (30x mais rápido)
1M feições	Timeout/crash	~10 segundos (100x+ mais rápido)

3. Índices espaciais GIST

O FilterMate garante que suas geometrias tenham índices GIST para desempenho de consulta ideal:

-- Verificar índices existentes
SELECT indexname, indexdef
FROM pg_indexes
WHERE tablename = 'minha_camada';

-- FilterMate cria índices GIST automaticamente
CREATE INDEX IF NOT EXISTS idx_minha_camada_geom
ON minha_camada
USING GIST (geometry);

Gerenciamento automático de índices

O FilterMate verifica os índices espaciais e os cria se estiverem faltando. Esta operação única pode levar alguns segundos em tabelas grandes.

Configuração

Conexão com o banco de dados

O FilterMate usa a conexão PostgreSQL existente do QGIS. Certifique-se de que sua conexão está configurada:

1. Camada → Gerenciador de fontes de dados → PostgreSQL
2. Nova conexão com os detalhes:
   • Nome: meu_banco_postgis
   • Host: localhost (ou host remoto)
   • Porta: 5432
   • Banco de dados: meu_banco
   • Autenticação: Básica ou credenciais armazenadas

Configurações de desempenho

Otimize PostgreSQL para consultas espaciais:

-- Em postgresql.conf ou por sessão

-- Aumentar memória de trabalho para grandes ordenações
SET work_mem = '256MB';

-- Habilitar execução paralela de consultas
SET max_parallel_workers_per_gather = 4;

-- Otimizar para operações espaciais
SET random_page_cost = 1.1;  -- Para armazenamento SSD

Solução de problemas

Problema: "psycopg2 não encontrado"

Sintoma: FilterMate mostra backend OGR/Spatialite para camadas PostgreSQL

Solução:

1. Instalar psycopg2 (veja a seção de Instalação)
2. Reiniciar QGIS
3. Verificar instalação no Console Python

Problema: "Consultas lentas apesar do PostgreSQL"

Sintoma: Consultas demoram mais que o esperado

Solução:

1. Verificar índices espaciais:

   SELECT * FROM pg_indexes WHERE tablename = 'sua_tabela';

2. Executar ANALYZE:

   ANALYZE sua_tabela;

3. Verificar plano de consulta:

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

4. Procure "Seq Scan" - se presente, o índice não está sendo usado

Benchmarks de desempenho

Desempenho real em hardware típico (Core i7, 16GB RAM, SSD):

Tamanho do conjunto	Feições	PostgreSQL	Spatialite	Aceleração
Pequeno	5.000	0.3s	0.4s	1.3x
Médio	50.000	1.2s	8.5s	7x
Grande	500.000	8.4s	65s	8x
Muito grande	5.000.000	45s	Timeout	10x+

Boas práticas

✅ Fazer

• Usar PostgreSQL para conjuntos de dados > 50k feições
• Garantir que índices espaciais existam antes de filtrar
• Executar VACUUM ANALYZE após atualizações em massa
• Usar pool de conexões para múltiplos filtros
• Monitorar desempenho de consultas com EXPLAIN

❌ Evitar

• Não misturar sistemas de referência espacial - reprojetar antes
• Não criar muitas views materializadas - FilterMate limpa automaticamente
• Não desabilitar índices espaciais - enorme penalidade de desempenho
• Não executar expressões complexas sem testar - use EXPLAIN primeiro

Veja também

• Visão geral dos backends - Arquitetura multi-backend
• Seleção de backend - Lógica de seleção automática
• Comparação de desempenho - Benchmarks detalhados
• Backend Spatialite - Alternativa para conjuntos menores

---

Última atualização: 14 de dezembro de 2025
Versão do plugin: 2.3.0
Suporte PostgreSQL: 9.5+ com PostGIS 2.3+