Места Foursquare

Набор данных

Этот набор данных от Foursquare доступен для скачивания и использования бесплатно по лицензии Apache 2.0.

Он содержит более 100 миллионов записей коммерческих точек интереса (POI), таких как магазины, рестораны, парки, игровые площадки и памятники. Также включена дополнительная метаинформация о этих местах, такая как категории и информация из социальных сетей.

Исследование данных

Для изучения данных мы будем использовать clickhouse-local, небольшую командную утилиту, которая предоставляет полный движок ClickHouse, хотя вы также можете использовать ClickHouse Cloud, clickhouse-client или даже chDB.

Запустите следующий запрос, чтобы выбрать данные из s3 корзины, где хранятся данные:

SELECT * FROM s3('s3://fsq-os-places-us-east-1/release/dt=2025-04-08/places/parquet/*') LIMIT 1

Row 1:
──────
fsq_place_id:        4e1ef76cae60cd553dec233f
name:                @VirginAmerica In-flight Via @Gogo
latitude:            37.62120111687914
longitude:           -122.39003793803701
address:             ᴺᵁᴸᴸ
locality:            ᴺᵁᴸᴸ
region:              ᴺᵁᴸᴸ
postcode:            ᴺᵁᴸᴸ
admin_region:        ᴺᵁᴸᴸ
post_town:           ᴺᵁᴸᴸ
po_box:              ᴺᵁᴸᴸ
country:             US
date_created:        2011-07-14
date_refreshed:      2018-07-05
date_closed:         2018-07-05
tel:                 ᴺᵁᴸᴸ
website:             ᴺᵁᴸᴸ
email:               ᴺᵁᴸᴸ
facebook_id:         ᴺᵁᴸᴸ
instagram:           ᴺᵁᴸᴸ
twitter:             ᴺᵁᴸᴸ
fsq_category_ids:    ['4bf58dd8d48988d1f7931735']
fsq_category_labels: ['Travel and Transportation > Transport Hub > Airport > Plane']
placemaker_url:      https://foursquare.com/placemakers/review-place/4e1ef76cae60cd553dec233f
geom:                �^��a�^@Bσ���
bbox:                (-122.39003793803701,37.62120111687914,-122.39003793803701,37.62120111687914)

Мы видим, что довольно много полей имеют значение ᴺᵁᴸᴸ, поэтому мы можем добавить некоторые дополнительные условия к нашему запросу, чтобы вернуть более используемые данные:

SELECT * FROM s3('s3://fsq-os-places-us-east-1/release/dt=2025-04-08/places/parquet/*')
   WHERE address IS NOT NULL AND postcode IS NOT NULL AND instagram IS NOT NULL LIMIT 1

Row 1:
──────
fsq_place_id:        59b2c754b54618784f259654
name:                Villa 722
latitude:            ᴺᵁᴸᴸ
longitude:           ᴺᵁᴸᴸ
address:             Gijzenveldstraat 75
locality:            Zutendaal
region:              Limburg
postcode:            3690
admin_region:        ᴺᵁᴸᴸ
post_town:           ᴺᵁᴸᴸ
po_box:              ᴺᵁᴸᴸ
country:             ᴺᵁᴸᴸ
date_created:        2017-09-08
date_refreshed:      2020-01-25
date_closed:         ᴺᵁᴸᴸ
tel:                 ᴺᵁᴸᴸ
website:             https://www.landal.be
email:               ᴺᵁᴸᴸ
facebook_id:         522698844570949 -- 522.70 trillion
instagram:           landalmooizutendaal
twitter:             landalzdl
fsq_category_ids:    ['56aa371be4b08b9a8d5734e1']
fsq_category_labels: ['Travel and Transportation > Lodging > Vacation Rental']
placemaker_url:      https://foursquare.com/placemakers/review-place/59b2c754b54618784f259654
geom:                ᴺᵁᴸᴸ
bbox:                (NULL,NULL,NULL,NULL)

Запустите следующий запрос, чтобы просмотреть автоматически выведенную схему данных с помощью DESCRIBE:

DESCRIBE s3('s3://fsq-os-places-us-east-1/release/dt=2025-04-08/places/parquet/*')

    ┌─name────────────────┬─type────────────────────────┬
 1. │ fsq_place_id        │ Nullable(String)            │
 2. │ name                │ Nullable(String)            │
 3. │ latitude            │ Nullable(Float64)           │
 4. │ longitude           │ Nullable(Float64)           │
 5. │ address             │ Nullable(String)            │
 6. │ locality            │ Nullable(String)            │
 7. │ region              │ Nullable(String)            │
 8. │ postcode            │ Nullable(String)            │
 9. │ admin_region        │ Nullable(String)            │
10. │ post_town           │ Nullable(String)            │
11. │ po_box              │ Nullable(String)            │
12. │ country             │ Nullable(String)            │
13. │ date_created        │ Nullable(String)            │
14. │ date_refreshed      │ Nullable(String)            │
15. │ date_closed         │ Nullable(String)            │
16. │ tel                 │ Nullable(String)            │
17. │ website             │ Nullable(String)            │
18. │ email               │ Nullable(String)            │
19. │ facebook_id         │ Nullable(Int64)             │
20. │ instagram           │ Nullable(String)            │
21. │ twitter             │ Nullable(String)            │
22. │ fsq_category_ids    │ Array(Nullable(String))     │
23. │ fsq_category_labels │ Array(Nullable(String))     │
24. │ placemaker_url      │ Nullable(String)            │
25. │ geom                │ Nullable(String)            │
26. │ bbox                │ Tuple(                     ↴│
    │                     │↳    xmin Nullable(Float64),↴│
    │                     │↳    ymin Nullable(Float64),↴│
    │                     │↳    xmax Nullable(Float64),↴│
    │                     │↳    ymax Nullable(Float64)) │
    └─────────────────────┴─────────────────────────────┘

Загрузка данных в ClickHouse

Если вы хотите сохранить данные на диске, вы можете использовать clickhouse-server или ClickHouse Cloud.

Чтобы создать таблицу, выполните следующую команду:

CREATE TABLE foursquare_mercator
(
    fsq_place_id String,
    name String,
    latitude Float64,
    longitude Float64,
    address String,
    locality String,
    region LowCardinality(String),
    postcode LowCardinality(String),
    admin_region LowCardinality(String),
    post_town LowCardinality(String),
    po_box LowCardinality(String),
    country LowCardinality(String),
    date_created Nullable(Date),
    date_refreshed Nullable(Date),
    date_closed Nullable(Date),
    tel String,
    website String,
    email String,
    facebook_id String,
    instagram String,
    twitter String,
    fsq_category_ids Array(String),
    fsq_category_labels Array(String),
    placemaker_url String,
    geom String,
    bbox Tuple(
        xmin Nullable(Float64),
        ymin Nullable(Float64),
        xmax Nullable(Float64),
        ymax Nullable(Float64)
    ),
    category LowCardinality(String) ALIAS fsq_category_labels[1],
    mercator_x UInt32 MATERIALIZED 0xFFFFFFFF * ((longitude + 180) / 360),
    mercator_y UInt32 MATERIALIZED 0xFFFFFFFF * ((1 / 2) - ((log(tan(((latitude + 90) / 360) * pi())) / 2) / pi())),
    INDEX idx_x mercator_x TYPE minmax,
    INDEX idx_y mercator_y TYPE minmax
)
ORDER BY mortonEncode(mercator_x, mercator_y)

Обратите внимание на использование типа данных LowCardinality для нескольких колонок, что изменяет внутреннее представление типов данных на кодированное в словаре. Работа с данными, закодированными в словаре, значительно повышает производительность запросов SELECT для многих приложений.

Кроме того, создаются два UInt32 MATERIALIZED столбца, mercator_x и mercator_y, которые отображают координаты широты/долготы на Web Mercator projection для удобства сегментации карты на плитки:

mercator_x UInt32 MATERIALIZED 0xFFFFFFFF * ((longitude + 180) / 360),
mercator_y UInt32 MATERIALIZED 0xFFFFFFFF * ((1 / 2) - ((log(tan(((latitude + 90) / 360) * pi())) / 2) / pi())),

Давайте разберем, что происходит выше для каждого столбца.

mercator_x

Этот столбец преобразует значение долготы в координату X в проектировании Mercator:

долгота + 180 сдвигает диапазон долгот с [-180, 180] на [0, 360]
Деление на 360 нормализует это значение в диапазоне от 0 до 1
Умножение на 0xFFFFFFFF (шестнадцатеричное значение для максимального 32-разрядного беззнакового целого числа) масштабирует это нормализованное значение на весь диапазон 32-разрядного целого числа

mercator_y

Этот столбец преобразует значение широты в координату Y в проектировании Mercator:

широта + 90 сдвигает широту с [-90, 90] на [0, 180]
Деление на 360 и умножение на pi() преобразует в радианы для тригонометрических функций
Часть log(tan(...)) является основой формулы проектирования Mercator
Умножение на 0xFFFFFFFF масштабирует до полного диапазона 32-разрядного целого числа

Указание MATERIALIZED гарантирует, что ClickHouse вычисляет значения для этих столбцов, когда мы INSERT данные, не требуя указания этих столбцов (которые не являются частью оригинальной схемы данных) в INSERT statement.

Таблица упорядочена по mortonEncode(mercator_x, mercator_y), что создает Z-образную заполняющую кривую mercator_x, mercator_y с целью существенно улучшить производительность геопространственных запросов. Эта упорядоченность Z-образной кривой обеспечивает физическую организацию данных по пространственной близости:

ORDER BY mortonEncode(mercator_x, mercator_y)

Кроме того, создается два индекса minmax для более быстрого поиска:

INDEX idx_x mercator_x TYPE minmax,
INDEX idx_y mercator_y TYPE minmax

Как вы видите, ClickHouse имеет абсолютно все, что вам нужно для приложений по картографированию в реальном времени!

Запустите следующий запрос для загрузки данных:

INSERT INTO foursquare_mercator 
SELECT * FROM s3('s3://fsq-os-places-us-east-1/release/dt=2025-04-08/places/parquet/*')

Визуализация данных

Чтобы увидеть, что возможно с этим набором данных, ознакомьтесь с adsb.exposed. adsb.exposed был изначально разработан соучредителем и техническим директором Алексеем Миловидовым для визуализации данных полетов ADS-B (Автоматическая зависимая трансляция), которые превышают в размере в 1000 раз. Во время хакатона в компании Алексей добавил данные Foursquare в этот инструмент.

Некоторые наши любимые визуализации представлены ниже для вашего удовольствия.