Foursquare 场所

Dataset

这个由 Foursquare 提供的数据集可以在 download 上免费下载并在 Apache 2.0 许可证下使用。

它包含超过 1 亿条商业兴趣点 (POI) 的记录，如商店、餐馆、公园、游乐场和纪念碑。它还包括关于这些地方的额外元数据，例如类别和社交媒体信息。

Data exploration

为了探索数据，我们将使用 clickhouse-local，这是一个小型命令行工具，提供完整的 ClickHouse 引擎，尽管你也可以使用 ClickHouse Cloud、clickhouse-client 或甚至 chDB。

运行以下查询以选择存储数据的 s3 存储桶中的数据：

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)

我们看到相当多的字段为 ᴺᵁᴸᴸ，因此我们可以在查询中添加一些额外的条件，以获取更多可用的数据：

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)

运行以下查询以使用 DESCRIBE 查看数据的自动推断架构：

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)) │
    └─────────────────────┴─────────────────────────────┘

Loading the data into ClickHouse

如果你希望将数据持久保存在磁盘上，可以使用 clickhouse-server 或 ClickHouse Cloud。

要创建表，请运行以下命令：

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)

请注意，多个列使用了 LowCardinality 数据类型，这改变了数据类型的内部表示，并进行了字典编码。对于许多应用程序，使用字典编码的数据可显著提高 SELECT 查询的性能。

此外，会创建两个 UInt32 的 MATERIALIZED 列 mercator_x 和 mercator_y，它们将纬度/经度坐标映射到 Web Mercator 投影，以便于将地图细分为图块：

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

让我们逐列分解上面的内容。

mercator_x

该列将经度值转换为墨卡托投影中的 X 坐标：

longitude + 180 将经度范围从 [-180, 180] 移动到 [0, 360]
除以 360 将其归一化到 0 到 1 之间的值
乘以 0xFFFFFFFF（最大 32 位无符号整数的十六进制表示）将该归一化值缩放到 32 位整数的整个范围

mercator_y

该列将纬度值转换为墨卡托投影中的 Y 坐标：

latitude + 90 将纬度从 [-90, 90] 移动到 [0, 180]
除以 360 并乘以 pi() 将其转换为三角函数所需的弧度
log(tan(...)) 部分是墨卡托投影公式的核心
乘以 0xFFFFFFFF 为完整的 32 位整数范围缩放

指定 MATERIALIZED 确保 ClickHouse 在我们 INSERT 数据时计算这些列的值，而无需在 INSERT 语句中指定这些列（这不是原始数据架构的一部分）。

该表按 mortonEncode(mercator_x, mercator_y) 排序，这产生了一条 mercator_x、mercator_y 的 Z-order 填充曲线，以显著提高地理空间查询性能。这种 Z-order 曲线排序确保数据按空间接近性进行物理组织：

ORDER BY mortonEncode(mercator_x, mercator_y)

还创建了两个 minmax 索引以加快搜索速度：

INDEX idx_x mercator_x TYPE minmax,
INDEX idx_y mercator_y TYPE minmax

如你所见，ClickHouse 拥有实时地图应用程序所需的一切！

运行以下查询以加载数据：

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

Visualizing the data

要查看此数据集的可能性，请查看 adsb.exposed。 adsb.exposed 最初是由联合创始人和首席技术官 Alexey Milovidov 构建的，以可视化 ADS-B (自动依赖监视广播) 飞行数据，其数据量大 1000 倍。在公司黑客马拉松期间，Alexey 将 Foursquare 数据添加到该工具中。

以下是一些我们最喜欢的可视化供您欣赏。