0
点赞
收藏
分享

微信扫一扫

PostgreSQL-PostGIS-入门实例

炽凤亮尧 2022-03-11 阅读 107
数据库GISPostgresqlPostGIS坐标系

PostgreSQL-PostGIS-入门实例

介绍

空间数据是一类重要的数据， 地图导航、打车软件、餐厅推荐、外卖快递这些我们日常生活中用到的软件，背后都与空间数据息息相关。空间数据通常结构复杂，数据量大，对于空间数据的分析查询，其模式也迥异于普通的数据，一般的DBMS难以满足要求。

PostgreSQL已经内置了很多空间特性：几何数据类型、几何类型函数与运算符、空间数据索引但对于现实世界的复杂需求仍力有不逮：有很多辅路支路的道路，需要用多条折线来表示；行政区域的飞地，需要用多个多边形的集合来表示;高效判断点是否在多边形内、两条折线是否有交点，两个区域相离、相邻、重叠还是包含。好在PostgreSQL强大 的扩展机制为解决问题留下了一个窗口，PostGIS 为此而生，它已经成为GIS行业的事实标准。

坐标系

地理坐标系

地理坐标系（Geographic coordinate system），或称球面坐标系；

查看源图像

投影坐标系

投影坐标系（Projected coordinate systems）或称平面坐标系

地理信息通常是以经纬度来表示，如东径多少北纬多少；但在不同的坐标系和投影标准中，表示地理信息经纬度的单位是不同的。

在地理坐标系中经纬度的单位是度，坐标表示为：(117.435974 33.609617)；但在投影坐标系中不同的投影标准有不同的单位，如常用到的投影标准：3857以米为单位，4326以度为单位。

地理数据类型

在数据库中：

  • geometry：平面坐标系（投影坐标系）

  • geography：地理坐标系（球面坐标系）

如果要计算两个lat、lon点之间的实际距离就需要将geometry类型转成geography类型

安装

安装教程已经在之前我的文章中有过详解，这里不再介绍，有需要请查看我之前的文章。

创建GIS数据库

PostGIS是PostgreSQL的一个扩展，连接并执行以下命令，创建geo数据库并加载PostGIS扩展：

su postgres
psql

CREATE DATABASE geo;

CREATE EXTENSION postgis;

连接PostgreSQL并执行以下查询，确认PostGIS扩展已经正确地安装，可以被数据库识别：

SELECT name,default_version FROM pg_available_extensions WHERE name ~ 'gis';

image-20220302204150637

执行完毕后，执行postgis_full_version查看当前PostGIS版本

SELECT postgis_full_version();

image-20220302204411278

几何对象

PostGIS支持很多几何类型：点、线、多边形、复合几何体等，并提供了大量实用的相关函数。

注意：虽然PostGIS中的几何类型与PostgreSQL内建的几何类型非常像，但他们并不是一回事。所有PostGIS中的对象命令通常都以ST开头，是空间类型（Spatial Type）的缩写。

对于PostGIS而言，所有几何对象都有一个公共父类Geometry，这种面向对象的组织形式允许在数据库中进行一些灵活的操作：例如在数据表中的同一列中存储不同的几何对象，每种集合对象实际上都是PostGIS底层几何库geos中对象的包装。

几何对象的输入

PostGIS支持多种空间对象创建方式，大体上可以分为几类：

  • 众所周知的文本格式（WKT，Well-Known-Text）
  • 众所周知的二进制格式（WKB，Well-Known-Binary）
  • GeoJSON等编码
  • 返回几何类型的函数

创建几何点（1，2），可以通过以下四种方式，得到的结果都是一样的：

SELECT 
'Point(1 2)'::GEOMETRY               AS wkt,
'0101000000000000000000F03F0000000000000040'::GEOMETRY          AS wkb,
ST_GeomFromGeoJSON('{"type":"Point","coordinates":[1,2]}')      AS  geo_json,
ST_Point(1,2)                          AS func;

image-20220302210526209

几何对象的存储

PostGIS的几何类型与PostgreSQL内建的几何类型使用了不同的存储方式。

以点为例，使用内置的Point与ST_Point创建一个点，返回的结果如下所示：

SELECT Point(1,2),ST_Point(1,2);

image-20220302210919123

PostgreSQL中的Point只是一个包含两个Double的结构体（16字节）。但PostGIS的点类型ST_Point则采用了不同的存储方式（21字节），除了两个坐标分量，还包括了一些额外的元数据：例如几何对象的实际类型、参考系的ID等。

当查询PostGIS空间数据类型时，PostgreSQL会以十六进制的形式返回对象的二进制数据表示。这便于各类ETL工具以统一的方式处理空间数据类型。包含空间数据的表也可以使用pg_dump等工具以同样的方式处理。

如果需要人类可读的格式，则可以用ST_AsText输出WKT，而非WKB，如下所示：

SELECT ST_AsText(ST_Point(1,2));

image-20220302212152079

在实际使用中，通常PostGIS的空间数据类型使用统一的Geometry类型。无论是点、折现还是多边形，都可以放入Geometry类型字段中。例如：

CREATE TABLE geo(
geom GEOMETRY
);

INSERT INTO geo VALUES(ST_Point(1.0,2.0)),('LineString(0 0,1 1,2 1,2 3)'),('Polygon((0 0,1 0,1 1,0 1,0 0))'),('MultiPoint(1 2,3 4)');

几何对象的输出

与几何对象的输入类似，几何对象也可以以多种方式输出，这里以最常见的WKT与GeoJSON为例：

SELECT ST_AsText(geom) AS wkt,ST_ASGeoJSON(geom) AS json FROM geo;

image-20220302214252623

一些几何类型支持特殊的输出方式，例如以经纬度格式输出几何点：

SELECT ST_AsLatLonText(ST_Point(116.321367,39.966956));

image-20220302214634485

几何对象的运算

PostGIS提升了多种多样的关系判断与几何运算函数，功能非常强大。原本需要几千行业务代码才能实现的功能，可能现在只需要一行SQL就可以搞定。

计算两点距离

几何对象之间有多种多样的关系，最简单的莫过于两点之间的距离了，如下所示：

SELECT ST_Point(1,1) <-> ST_Point(2,2);

image-20220302215107502

例如，计算点（1，1）和点（2，2）之间的距离，结果应该为根号二。

两个几何点的坐标计算相对容易，但两个地理坐标之间的距离就相当复杂了，需要计算一个不规则球体上的球面距离。例如，地点A的经纬度为：（116.321367，39.966956），地点B的坐标为：（116.315346，39.997398）。如果直接用几何距离计算，结果除了能用于粗略比较相对距离，没有太大意义，如下所示：

SELECT ST_Point(116.321367,39.966956) <-> ST_Point(116.315346,39.997398);

image-20220302220058364

但通过引入地理坐标系，（4326坐标系，指代WGS84国际标准GPS坐标系），就可以计算出这两个地点间的地理距离（3.4km）,如下所示：

SELECT ST_AsText(ST_GeomFromText('POINT(116.321367 39.966956)',4326))::geography <-> ST_AsText(ST_GeomFromText('POINT(116.315346 39.997398)',4326))::geography;

image-20220302225326501

计算路线长度

计算某条路L的长度，可以使用ST_length统计WGS84坐标系下折线的总长度（单位为米）

SELECT st_length(st_transform(st_geomfromgeojson('{
        "type": "LineString",
        "coordinates": [
          [
            118.71809005737303,
            31.023186296488667
          ],
          [
            118.7243127822876,
            31.023811498034163
          ],
          [
            118.73383998870848,
            31.02583418080608
          ],
          [
            118.74126434326172,
            31.028040694848137
          ],
          [
            118.73971939086913,
            31.03186519810428
          ],
          [
            118.73405456542969,
            31.029952965672855
          ],
          [
            118.72246742248535,
            31.029217481437648
          ],
          [
            118.71671676635741,
            31.028812962687404
          ],
          [
            118.7104082107544,
            31.02818779396694
          ],
          [
            118.70620250701903,
            31.02708454503873
          ],
          [
            118.70337009429932,
            31.02344373291606
          ],
          [
            118.70242595672607,
            31.01825809362147
          ],
          [
            118.70221138000487,
            31.010203243220573
          ],
          [
            118.70843410491943,
            31.009798643737952
          ],
          [
            118.72508525848389,
            31.009908989221714
          ],
          [
            118.73409748077393,
            31.012520461717404
          ],
          [
            118.73353958129883,
            31.01134346888612
          ],
          [
            118.73334646224976,
            31.011177953103566
          ],
          [
            118.7334430217743,
            31.010773357758367
          ],
          [
            118.73338937759398,
            31.01019404779685
          ],
          [
            118.7333357334137,
            31.00958714787035
          ],
          [
            118.73304605484009,
            31.008658399592516
          ],
          [
            118.73082518577577,
            31.008557248243537
          ],
          [
            118.73029947280882,
            31.00909978604104
          ],
          [
            118.72976303100585,
            31.009908989221714
          ],
          [
            118.72851848602294,
            31.010635427134496
          ]
        ]
      }'),4326)::geography) as length;

image-20220303001543062

通过计算，得到路长为12公里

计算面积

可以通过ST_Area对ST_Polygon计算得出，如下所示：

SELECT st_area(st_transform(st_geomfromgeojson('{
        "type": "Polygon",
        "coordinates": [
          [
            [
              118.72319698333739,
              31.014249143586866
            ],
            [
              118.72525691986083,
              31.010092898077463
            ],
            [
              118.7300205230713,
              31.01097565564564
            ],
            [
              118.7280035018921,
              31.015058303050022
            ],
            [
              118.72319698333739,
              31.014249143586866
            ]
          ]
        ]
      }'),4326)::geography) as length;

image-20220303002217730

3423 平方米 = 0.003423 平方公里= 0.3423 公顷

应用场景：圈人与地理围栏

圈人是LBS服务中常见的需求:给出一个中心点，找出该点周围一定距离 范围内所有符合条件的对象。例如，找出以用户为中心，周围1公里内所有的公交站，并按距离远近排序。

传统的关系型数据库，可能实现起来相当复杂，假设用户正在A地铁站:(116.321367,39.966956)常见的做法是，以用户为中心，经纬度各自加减一公里的偏移量(1度约为111公里)，然后使用经纬度上的索引进行初次过滤(这时过滤使用的是矩形范围)，如下所示:

CREATE TABLE stations(
    name   TEXT,
    longitude  DOUBLE PRICISION,
    latgitude  DOUBLE PRICISION,
);

SELECT name FROM stations WHERE longitude BETWEEN 116.312358 AND 116.330376 AND latitude BETWEEN 39.957947 AND 39.975965;

然后，在应用代码中对每个符合条件的点计算几何距离，判断是否符合距离条件，最后排序输出。当然也可以使用GeoHash方法，将二维坐标化为一维字符串编码，查询时进行前级匹配。

CREATE TABLE stations(
    name   TEXT,
    position  geography,
);


SELECT name,ST_Point(116.321367,39.966956)::geography <-> position::geography as distance from stations where st_point(116.321367,39.966956)::geography <-> position::geography < 500 order by ST_Point(116.321367,39.966956)::geography <-> position::geography;

空间索引

在100万行的表上，执行暴力扫表也勉强堪用，但对于生产环境动辄几千万上亿的大表，就不能这么做了。例如，在1亿条记录的POI表上，查询距离A地铁站最近的1000个POI点，如下所示:

SELECT name FROM poi ORDER BY position <-> ST_Point(116.458855,39.909863) LIMIT 1000;

这条查询执行了3分钟。现在使用PostgreSQL提供的GIST索引，如下所示:

CREATE INDEX CONCURRENTLY idx_poi_position_gist ON poi USING gist(position);

使用索引后查询，同样的查询只要1ms不到了，快了几十万倍

地理围栏

用点和距离画圆圈人是一种常见场景，另外一种场景是，判断一个点落在了哪些地理围栏中

例如有车辆和用户的位置坐标，现在希望从坐标得到用户所处的城市(或者区域、商圈等)，又比如共享单车的禁停区检测，无人机的禁飞区识别，都是这种场景。

CREATE TABLE aoi(
	name TEXT,
    bound GEOMETRY
)
# 检测A地铁站中心点所属的商圈
SELECT name FROM aoi WHERE ST_Contains(bound,ST_Point(116.458855,39.909863));
举报

相关推荐

Linux：PostGreSQL|PostGIS部署

人工智能github

PostgreSQL+PostGIS 的使用

sql字段3dPPTOffice办公

Rancher下安装Postgresql+Postgis

日记本开源

centos7安装 postgresql postgis pgrouting

postgresql数据库

postgresql单机版+postgis插件的快速安装

linuxcentos大数据ubuntucmakejQuery前端开发

Debian11安装PostgreSQL+PostGIS+pgRouting ，链接Navicat

postgresqloracle数据库

PostgreSQL 入门

postgresql数据库

银河麒麟V10 - postgresql/postgis完整部署

数据仓库麒麟v10postgresql

PostgreSql SQL 入门

elementui

PostgreSQL 入门实践

PostgreSQL 入门实践sqlPostgreSQLbashHadoop大数据
0 条评论