在3月3日星期六，世界各地将通过破解开放数据集来庆祝开放数据日。地理名称是其中一个最地理的，相应地，他们的网站：

你为什么不加入黑客使用SAP HANA的地理空间处理？所以，准备好你的环境。无法访问HANA？这不是借口，因为你可以使用免费的SAP HANA Express，就像我一样。

GeoNames提供他们每天的数据转储，这是你和我要从他们的服务器下载的内容，大数据可视化平台，然后上传到HANA db进行高级分析，包括空间分析。一旦实例启动并运行，按照以下步骤准备就绪所需的时间不应超过15分钟。我使用的是在GCP上运行的HXE，因此请根据您自己的配置和用户对命令进行必要的调整。

从GeoNames下载文件

默认情况下，只能从受限制的目录集将文件上载到HANA db。我将使用$DIR_INSTANCE/work.

现在让我们将文件下载到/usr/sap/HXE/HDB90/work/geonames/（或任何您的目录）并在必要时解包。我要下载波兰的数据，所以文件是邮政编码, 但是你应该为你自己的国家选择一个文件

检查文件。

我跳过了下载备选名称.zip因为替代名称可以作为主目录中的字段使用PL.txt文件文件

为参考数据创建模式和表格

让我们从参考数据（或主数据，大数据指的是什么，如果您愿意）。

注意：

CSV文件是以制表符分隔的，因此\t作为字段分隔。没有包含大陆代码的txt文件，所以我们需要创建INSERT语句。请注意，从中加载数据时跳过前51行countryInfo.txt文件文件。由于某些原因，文件开头包含51行长的元数据描述。

创建主表并计算地理空间点

现在是加载主文件的时候了。如前所述，我正在使用来自波兰的数据文件，但您可能希望为您自己的国家这样做，所以相应地修改语句！

要添加到结构中的两列（不在原始文件中）是LOC_4326和LOC_3857。它们将用于存储空间参考系统中位置的地理空间数据类型：4326（以度为测量单位的全球定位系统卫星导航系统的三维圆形地球模型）和3857（以米为测量单位的网络地图使用的二维伪墨卡托平面投影）。第一种方法给出了更精确的度量空间计算。后者更适用于空间谓词和集群。

SAP HANA安装默认包括一些空间引用系统定义，您可以在系统视图"PUBLIC"中看到这些定义。"ST\u spatial\u Reference\u SYSTEMS"。但是3857在默认情况下不包括在内，所以我们在创建表之前先添加它。

现在我们可以创建一个表来存储下载的地理名称。

下一步是从PL（或您国家的）文件上载数据…

注意：

我们需要按从文本文件加载的字段的顺序列出列，因为表中增加了两列LOC_4326和LOC_3857。一些NAME字段值以"that HANA将视为用于分隔字段数据的封闭字符"开头。为了避免这种情况，我们需要在IMPORT语句中添加可选的由""括起来的内容。

现在执行该语句并检查是否有任何被拒绝的记录写入到IMPORT语句中国家/地区.err文件。希望一切顺利！

另一个步骤是根据经度和纬度列中的数值，用点值填充地理空间列。我们将使用ST\u GeomFromText（）方法来构造。

我的目标：废弃的地方

现在所有的数据都在那里了，下面是我想到的一个例子。波兰的废弃地（又称"鬼城"）在哪里？下面是一个查询，我将使用它来查找它们并聚合到一个GeoJSON输出中–许多流行的GeoJSON可视化选项之一。

因此，很明显，这些地方的密度非常高（我不知道）。如果我想看到两个以上这样的地方在7公里以内，而这些地方距离我的家乡沃罗克劳200公里以内？

我可以使用SAP HANA中提供的空间群集，更具体地说是DBSCAN。您还可以看到，云服务器租用，我使用了两个空间参照系：平面3857用于聚类，而圆地球4326用于精确的距离计算。为了让SQL更清晰，我跳过了加入"GEONAME"。"FEATURECODES"，但基本上PPLQ是废弃的位置，好的云服务器，而PPLA是有人居住的位置。

[显然，如果你深入挖掘，你会说7km是用SRS3857测量的距离，200km是用SRS4326测量的距离-你绝对是对的！我只是想在一个查询中显示混合和转换不同的srse]

为了使可视化更具可读性，我在中修改了这些集群的样式属性

所以，大数据app，我必须检查这些地方是什么。自下而上：

波兰/捷克/德国边界角落的区域是今天图罗煤矿的区域；下一条红线是Pstrąże——前苏联军事基地的一个地区；我还需要查一下北边这些大区域是什么。我只发现其中一个自1930年代以来一直是军事试验场。

所以，这就是我破解这个开放的地理空间数据集。你在这些数据中找到你的故事了吗？

和'直到下周与另一个#地理空间星期四！-Vitaliy，又名@Sygyzmundovych