数据寻龙点穴（空间聚集分析） - 阿里云RDS PostgreSQL最佳实践-阿里云开发者社区

数据寻龙点穴（空间聚集分析） - 阿里云RDS PostgreSQL最佳实践

2017-08-20 2919

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

本文涉及的产品

RDS MySQL Serverless 基础系列，0.5-2RCU 50GB

云数据库 RDS MySQL，集群系列 2核4GB

云原生数据库 PolarDB 分布式版，标准版 2核8GB

简介：

背景

最近鬼吹灯热播，胡八一的《十六字阴阳风水秘术》到底是什么武功秘籍？寻龙点穴又是什么？别问我，不知道。

PS：截取自互联网。- 寻龙点穴是风水学术语。古人说：三年寻龙，十年点穴。意思就是说，学会寻龙脉要很长的时间，但要懂得点穴，并且点得准则难上加难，甚至须要用“十年”时间。但是，若没正确方法，就是用百年时间，也不能够点中风水穴心聚气的真点，这样一来，寻龙的功夫也白费了。准确地点正穴心，并不是一件容易的事，对初学者来说如此，就是久年经验老手，也常常点错点偏。

但是，我们要相信科学的力量，如今大数据、AI这么发达，实际上我们可以在海量数据的情况下总结经验，和前人通过古老的夜观星象总结的经验可能会出现惊人的相似。

我们有海量的人物活动数据、汽车活动数据、传感器数据等等。完全可以分析出来什么样的地方适合居住，什么样的地方适合做生意，等等。

扯远了，我们回到主题 - 空间数据寻龙点穴。实际上就是PostGIS 2.3的两个新特性，空间数据的聚集分析。

例如我们有人物活动的点数据组成的海量数据，通过空间聚集分析，可以汇聚出指定时间段，数据聚集的热力图。是不是和寻龙点穴有点相似呢？

空间聚集窗口分析函数

鬼吹灯中有一段关于“龟眠之地”的描述：

我掏出《十六字阴阳风水秘术》翻了翻，找到一段“龟眠之地”的传说，书中记载，当年有人在海边，见到海中突然浮出一座黑山，再细观之，原来是数十只老龟，驮负着一头死去的巨龟自海中而出，这些老龟把死龟驮至一处山崖下地洞穴里藏好，这才陆续离去游回大海，偷偷看到这一切的那个人，擅长相地择穴之术，知道此穴乃是四灵所钟。洞中“龙气冲天”，其时正好他家中有先人故去，于是他探明洞中龟尸的特形后，把自己的先人不用棺椁裸身葬入其中。此后这个人飞黄腾达、平步青云，成就了一方霸业。那处龟眠洞日后就成了他家宗室的专用慕穴，数百年后龙气已尽，地崩，露出尸体无数，当地人争相围观，所有尸身皆生鸟羽龙鳞，被海风吹了一天一夜之后，全部尸体同时化为乌有。

鬼吹灯和数据分析有什么关联呢？必须有啊，你想想，古人为了找到一块“龟眠之地”得费劲多少心思了。而现在我们有了数据，是不是很好找了呢。

假设我们的数据包含这些维度：

1、时间

2、人物位置

3、人物属性（收入、行业、年龄、等等）

好了，想象一下，你是不是可以按人物属性、时间，对数据进行空间聚集分析。生成不同分析维度的人群热力图。颇有寻龙点穴范。

那么怎么做空间数据的聚集分析呢？

PostGIS 2.3 新增了两个窗口函数，就是用于

1、基于Density-based spatial clustering of applications with noise (DBSCAN) 算法的空间数据聚集分析函数ST_ClusterDBSCAN：

2、基于 k-means 算法的空间数据聚集分析函数ST_ClusterKMeans：

有意思吧。

例子

1、

 -- Partitioning parcel clusters by type  
SELECT ST_ClusterKMeans(geom,3) over (PARTITION BY type) AS cid, parcel_id, type  
FROM parcels;  
-- result  
 cid | parcel_id |    type  
-----+-----------+-------------  
   1 | 005       | commercial  
   1 | 003       | commercial  
   2 | 007       | commercial  
   0 | 001       | commercial  
   1 | 004       | residential  
   0 | 002       | residential  
   2 | 006       | residential  
(7 rows)

2、

SELECT name, ST_ClusterDBSCAN(geom, eps := 50, minpoints := 2) over () AS cid  
FROM boston_polys  
WHERE name > '' AND building > ''  
	AND ST_DWithin(geom,  
        ST_Transform(  
            ST_GeomFromText('POINT(-71.04054 42.35141)', 4326), 26986),  
           500);