经过一段时间公测,得到广大客户的热烈支持,阿里云时空数据库已经于2019年9月10日正式商业化售卖!
产品介绍
时空数据库能够存储、管理包括时间序列以及空间地理位置相关的数据。我们的社会生产、经济活动和社会交往同时空数据密切相关,比如传感器网络、移动互联网、射频识别、全球定位系统等设备时刻输出时间和空间数据,数据量增长非常迅速,这对存储和管理时空数据带来了挑战,传统数据库很难应对时空数据。时空数据是一种高维数据,普通的关系型数据库更适合于存储数值和字符类型数据,也缺少相关的算子。阿里云时空数据库具有时空数据模型、时空索引和时空算子,完全兼容SQL及SQL/MM标准,支持时空数据同业务数据一体化存储、无缝衔接,易于集成使用。
产品首页:https://www.aliyun.com/product/hitsdb_spatialpre
产品使用手册详见:https://help.aliyun.com/document_detail/116088.html?spm=a2c4g.11174283.6.727.1b22130eu4OBeh
适用场景
交通监控与分析、物流配送、可穿戴设备监测、新能源车辆监测、LBS、地图服务等。
产品特性
时间序列数据与空间数据有效统一,满足大规模时空数据存储和查询,方便从多个维度分析和利用数据;
基于PostgreSQL扩展,改进PostgreSQL索引,大幅度提升时空检索性能,同时兼容PostgreSQL现有生态;
存储依托于阿里云盘古系统,数据可靠性超过6个9;
具有自动备份和恢复能力;
具有完善的高可用架构,支持自动化主机与备机切换;
有时空领域资深专家提供支持,为客户的业务保驾护航;
产品购买流程
在购买时空数据库之前,需要先满足以下前提条件:
您已经注册了阿里云账号并完成实名认证。否则,请先注册阿里云账号。
您已拥有阿里云专有网络(VPC)。时空数据库只支持在 VPC 网络创建实例(但之后您可以选择通过 VPC 或公网访问实例)。如果没有 VPC 网络,请登录专有网络(VPC)控制台开通 VPC,然后在对应的地域和可用区创建专有网络和交换机。关于创建 VPC 的具体信息,请参考创建 VPC。
以“华北1(杭州)” 地域为例,下面演示具体创建流程。
ACTION1: 在使用的区域内,创建VPC实例
https://vpc.console.aliyun.com/vpc/cn-hangzhou/vpcs
以“华北1(杭州)”区为例,选择地域:华东1(杭州),交换机选项中,选择需要的可用区如“杭州 可用区B”, 后续创建时空数据库实例,会用到 “地域” 、“可用区”、“VPC”、“交换机” 这几个概念。
创建VPC完成之后,可以查看VPC的详情
ACTION2: 创建时空数据库实例
https://common-buy.aliyun.com/?commodityCode=hitsdb_spatialpre#/buy
地域:华东1(杭州)
可用区:华东1 可用区B
版本:选择基础版或高可用版。详细介绍请参考文档
专有网络(VPC): 选择刚刚创建的VPC
专有网络交换机:选择刚刚创建的VPC下的交换机
ACTION3: 购买成功之后,登录TSDB控制台,查看实例详情
https://tsdb.console.aliyun.com/?spm=5176.11182172.console-base-top.dconsoleEntry.60ec4882eEzNPU#/cluster/cn-hangzhou
ACTION4: 在“实例详情”页面中,查看“公共网络地址” 和 “VPC网络地址”,设置网络白名单。
这里为了测试方便,VPN和公共网络的参数都设置成“0.0.0.0/0”
ACTION5: 在“实例详情”页面中,左侧选择“账户管理”进入账户创建页面,创建高权限账号
至此,整个时空数据库的初始化工作已经完成,可以通过外部网络或VPC专有网络,连接时空数据库交互。
数据写入查询
时空数据库写入和查询非常便利,读写采用标准SQL,用户可以通过JDBC/ODBC驱动操作数据库,进行读写操作。
用户也可以通过psql交互式终端向时空数据库写入和查询数据,下面是几个简单的例子:
创建一个时空表:
CREATE TABLE tsdb_test( uid bigint, time timestamp,
speed float, position geometry(Point,4326) );
SELECT create_hypertable('tsdb_test', 'time', chunk_time_interval => interval '1 hour');
写入数据:
INSERT INTO tsdb_test
VALUES (1001, '2019-03-11 16:34:15', 102.2, ST_SetSRID(ST_MakePoint(10.3,20.1),4326)),
(1001, '2019-03-11 16:34:16', 100.1, ST_SetSRID(ST_MakePoint(10.4,20.1),4326)),
(1002, '2019-03-11 16:34:17', 60.0, ST_SetSRID(ST_MakePoint(10.5,20.2),4326)),
(1002, '2019-03-11 16:34:18', 61.0, ST_SetSRID(ST_MakePoint(10.6,20.2),4326)),
(1003, '2019-03-11 16:34:20', 39.0, ST_SetSRID(ST_MakePoint(10.7,20.2),4326)),
(1003, '2019-03-11 16:34:21', 30.0, ST_SetSRID(ST_MakePoint(10.8,20.2),4326));
用户通过交互终端查询数据,可以如下:
SELECT time,uid,speed,ST_AsText(position)
FROM tsdb_test
WHERE time >'2019-03-11 16:00:00' AND
time < '2019-03-11 18:00:00' AND
ST_Contains(ST_SetSRID(ST_MakeBox2D(ST_Point(2.4, 5.5),ST_Point(13.0,26.1)),4326),position) ;
+---------------------+---------------+-----------------+---------------------+
| TIME | UID | SPEED | ST_ASTEXT |
+---------------------+---------------+-----------------+---------------------+
| 2019-03-11 16:34:15 | 1001 | 102.2 | POINT(10.3 20.1) |
| 2019-03-11 16:34:16 | 1001 | 100.1 | POINT(10.4 20.1) |
| 2019-03-11 16:34:17 | 1002 | 60 | POINT(10.5 20.2) |
| 2019-03-11 16:34:18 | 1002 | 61 | POINT(10.6 20.2) |
| 2019-03-11 16:34:20 | 1003 | 39 | POINT(10.7 20.2) |
| 2019-03-11 16:34:21 | 1003 | 30 | POINT(10.8 20.2) |
+---------------------+---------------+-----------------+---------------------+
更新数据:
UPDATE tsdb_test
set position = ST_SetSRID(ST_MakePoint(11.1,22.2),4326)
WHERE uid=1002;
时空分析功能
用户可以使用时间&空间分析函数,对时空数据库中的表做分析查询。以共享汽车平台中车辆数据为背景,举几个简单的例子。
按时间窗口聚合
按照5分钟为一个聚合时间窗口,获取共享汽车平台中车辆的最大速度;常见聚合函数如:sum,max,min,avg等
SELECT uid,time_bucket('5 minutes', time) AS interval, max(speed)
FROM tsdb_test
WHERE uid='1002' and
time < '2019-04-01 01:13:42'
GROUP BY uid, interval
ORDER BY interval DESC;
+---------------+---------------------+---------------+
| UID | INTERVAL | MAX |
+---------------+---------------------+---------------+
| 1002 | 2019-03-11 16:30:00 | 61 |
+---------------+---------------------+---------------+
按时间段和距离过滤
返回某个时间段,与指定对象的距离大于“17米”的车辆。空间范围函数比如: ST_Distance等使用,参考:空间对象关系函数。
SELECT time,uid,speed,ST_AsText(position)
FROM tsdb_test
WHERE time > '2019-01-01 01:02:00' and
time < '2019-04-01 01:11:02' and
ST_Distance('SRID=4326;POINT(2.4 5.5)'::geometry, position)>17.0;
+---------------------+---------------+-----------------+---------------------+
| TIME | UID | SPEED | ST_ASTEXT |
+---------------------+---------------+-----------------+---------------------+
| 2019-03-11 16:34:17 | 1002 | 60 | POINT(11.1 22.2) |
| 2019-03-11 16:34:18 | 1002 | 61 | POINT(11.1 22.2) |
+---------------------+---------------+-----------------+---------------------+
普通属性值过滤
根据用户设置的数值限制条件,返回某时间段内“速度>60”的车辆记录。比如: “>”, “<”, “=”, “<=”, “>=”, “!=”。ST_AsText的使用,参考:空间对象输出函数
SELECT time,uid,speed,ST_AsText(position)
FROM tsdb_test
WHERE time > '2019-03-01 01:02:00' and
time < '2019-03-15 01:11:02' and
speed > 60;
+---------------------+---------------+-----------------+---------------------+
| TIME | UID | SPEED | ST_ASTEXT |
+---------------------+---------------+-----------------+---------------------+
| 2019-03-11 16:34:15 | 1001 | 102.2 | POINT(10.3 20.1) |
| 2019-03-11 16:34:16 | 1001 | 100.1 | POINT(10.4 20.1) |
| 2019-03-11 16:34:18 | 1002 | 61 | POINT(11.1 22.2) |
+---------------------+---------------+-----------------+---------------------+
关于时空数据库的具体用法,可以参考阿里云时空数据库-开发指南
阿里云时空数据库致力于推动时空领域生态发展,为客户提供低成本高性能服务,让时空数据价值在线化!
产品首页:https://www.aliyun.com/product/hitsdb_spatialpre
产品使用手册详见:https://help.aliyun.com/document_detail/116088.html?spm=a2c4g.11174283.6.727.1b22130eu4OBeh
时空数据库实例创建:https://common-buy.aliyun.com/?commodityCode=hitsdb_spatialpre#/buy
本文作者:胡笳
原文链接
本文为云栖社区原创内容,未经允许不得转载。
- 大小: 134.5 KB
- 大小: 319.2 KB
- 大小: 86.8 KB
- 大小: 121 KB
分享到:
相关推荐
pandas whl安装包,对应各个python版本和系统(具体看资源名字),找准自己对应的下载即可! 下载后解压出来是已.whl为后缀的安装包,进入终端,直接pip install pandas-xxx.whl即可,非常方便。 再也不用担心pip联网下载网络超时,各种安装不成功的问题。
基于java的大学生兼职信息系统答辩PPT.pptx
基于java的乐校园二手书交易管理系统答辩PPT.pptx
tornado-6.4-cp38-abi3-musllinux_1_1_i686.whl
Android Studio Ladybug 2024.2.1(android-studio-2024.2.1.10-mac.dmg)适用于macOS Intel系统,文件使用360压缩软件分割成两个压缩包,必须一起下载使用: part1: https://download.csdn.net/download/weixin_43800734/89954174 part2: https://download.csdn.net/download/weixin_43800734/89954175
有学生和教师两种角色 登录和注册模块 考场信息模块 考试信息模块 点我收藏 功能 监考安排模块 考场类型模块 系统公告模块 个人中心模块: 1、修改个人信息,可以上传图片 2、我的收藏列表 账号管理模块 服务模块 eclipse或者idea 均可以运行 jdk1.8 apache-maven-3.6 mysql5.7及以上 tomcat 8.0及以上版本
tornado-6.1b2-cp38-cp38-macosx_10_9_x86_64.whl
Android Studio Ladybug 2024.2.1(android-studio-2024.2.1.10-mac.dmg)适用于macOS Intel系统,文件使用360压缩软件分割成两个压缩包,必须一起下载使用: part1: https://download.csdn.net/download/weixin_43800734/89954174 part2: https://download.csdn.net/download/weixin_43800734/89954175
matlab
基于java的毕业生就业信息管理系统答辩PPT.pptx
随着高等教育的普及和毕业设计的日益重要,为了方便教师、学生和管理员进行毕业设计的选题和管理,我们开发了这款基于Web的毕业设计选题系统。 该系统主要包括教师管理、院系管理、学生管理等多个模块。在教师管理模块中,管理员可以新增、删除教师信息,并查看教师的详细资料,方便进行教师资源的分配和管理。院系管理模块则允许管理员对各个院系的信息进行管理和维护,确保信息的准确性和完整性。 学生管理模块是系统的核心之一,它提供了学生选题、任务书管理、开题报告管理、开题成绩管理等功能。学生可以在此模块中进行毕业设计的选题,并上传任务书和开题报告,管理员和教师则可以对学生的报告进行审阅和评分。 此外,系统还具备课题分类管理和课题信息管理功能,方便对毕业设计课题进行分类和归档,提高管理效率。在线留言功能则为学生、教师和管理员提供了一个交流互动的平台,可以就毕业设计相关问题进行讨论和解答。 整个系统设计简洁明了,操作便捷,大大提高了毕业设计的选题和管理效率,为高等教育的发展做出了积极贡献。
这个数据集来自世界卫生组织(WHO),包含了2000年至2015年期间193个国家的预期寿命和相关健康因素的数据。它提供了一个全面的视角,用于分析影响全球人口预期寿命的多种因素。数据集涵盖了从婴儿死亡率、GDP、BMI到免疫接种覆盖率等多个维度,为研究者提供了丰富的信息来探索和预测预期寿命。 该数据集的特点在于其跨国家的比较性,使得研究者能够识别出不同国家之间预期寿命的差异,并分析这些差异背后的原因。数据集包含22个特征列和2938行数据,涉及的变量被分为几个大类:免疫相关因素、死亡因素、经济因素和社会因素。这些数据不仅有助于了解全球健康趋势,还可以辅助制定公共卫生政策和社会福利计划。 数据集的处理包括对缺失值的处理、数据类型转换以及去重等步骤,以确保数据的准确性和可靠性。研究者可以使用这个数据集来探索如教育、健康习惯、生活方式等因素如何影响人们的寿命,以及不同国家的经济发展水平如何与预期寿命相关联。此外,数据集还可以用于预测模型的构建,通过回归分析等统计方法来预测预期寿命。 总的来说,这个数据集是研究全球健康和预期寿命变化的宝贵资源,它不仅提供了历史数据,还为未来的研究和政策制
基于微信小程序的高校毕业论文管理系统小程序答辩PPT.pptx
基于java的超市 Pos 收银管理系统答辩PPT.pptx
基于java的网上报名系统答辩PPT.pptx
基于java的网上书城答辩PPT.pptx
婚恋网站 SSM毕业设计 附带论文 启动教程:https://www.bilibili.com/video/BV1GK1iYyE2B
基于java的戒烟网站答辩PPT.pptx
基于微信小程序的“健康早知道”微信小程序答辩PPT.pptx
Capital Bikeshare 数据集是一个包含从2020年5月到2024年8月的自行车共享使用情况的数据集。这个数据集记录了华盛顿特区Capital Bikeshare项目中自行车的租赁模式,包括了骑行的持续时间、开始和结束日期时间、起始和结束站点、使用的自行车编号、用户类型(注册会员或临时用户)等信息。这些数据可以帮助分析和预测自行车共享系统的需求模式,以及了解用户行为和偏好。 数据集的特点包括: 时间范围:覆盖了四年多的时间,提供了长期的数据观察。 细节丰富:包含了每次骑行的详细信息,如日期、时间、天气条件、季节等,有助于深入分析。 用户分类:数据中区分了注册用户和临时用户,可以分析不同用户群体的使用习惯。 天气和季节因素:包含了天气情况和季节信息,可以研究这些因素对骑行需求的影响。 通过分析这个数据集,可以得出关于自行车共享使用模式的多种见解,比如一天中不同时间段的使用高峰、不同天气条件下的使用差异、季节性变化对骑行需求的影响等。这些信息对于城市规划者、交通管理者以及自行车共享服务提供商来说都是非常宝贵的,可以帮助他们优化服务、提高效率和满足用户需求。同时,这个数据集也