PostGIS
PostgreSQLで形状を扱えるようにする拡張機能
どのようなものか
PostGISは、PostgreSQLデータベースサーバー向けのオープンソースの拡張機能です。配送先の住所を表す位置、川、土地の境界などの形状を列に保存し、通常のSQLで、形状同士がどのような位置関係にあるか問い合わせられます。GISとデータベースのコンサルティング会社Refractions Researchの研究プロジェクトとして始まり、現在は独自のオープンソースプロジェクトとして開発、公開されています。
データベースごとに、CREATE EXTENSION postgis;という一つの文で導入し、三つのものが加わります。
- 空間型。
geometryは、データを取得した座標系の平面上で形状を表します。geographyは、地球の曲面上で表し、メートルで測ります。 - 空間関数。 名前が
ST_で始まる、多数の関数です。ST_IntersectsとST_Containsは関係、ST_AreaとST_Lengthは測定、ST_Transformは座標系の変換、ST_AsGeoJSONはウェブ地図へ結果を渡すために使います。 - 空間インデックス。 PostgreSQLのGiSTの仕組みの上にR-treeを構築します。特定のデータ構造には、SP-GiSTやブロック範囲インデックスも使えます。
形状は、Open Geospatial Consortiumが公開し、ISO 19125に採用されたSimple Featuresモデルに従います。点、折れ線、ポリゴン、それぞれの複数部分から成る形、異なる型を混ぜた集合です。保存する各値にはSRIDが付きます。spatial_ref_sysテーブルの行を指す番号で、座標の意味を示します。SRID 4326は、GPSが出力するWGS 84測地系の、度単位の経度と緯度です。一方、投影座標系は、固定した原点から東と北への距離をメートルで測り、その座標系を設計した地域内でだけ正確です。
ラスター、トポロジー、一部の3D処理は、postgis_raster、postgis_topology、postgis_sfcgalという別の拡張機能なので、データベースには使う部分だけを入れられます。
なぜ重要なのか
PostGISを検討するときに決めるのは、位置データをどこに置くかです。使わない場合、座標だけを二つの数値列に保存し、空間処理は別の場所で行いがちです。行を順に読んで距離を計算するアプリケーション、毎週月曜日に誰かがエクスポートする先のデスクトップGIS、独自のデータのコピーを持つ地理情報サービスなどです。それぞれのコピーは、次第に食い違います。PostGISなら、「在庫がある配送拠点から二キロメートル以内の顧客は誰か」を、在庫数、顧客レコード、形状を結合する一つのクエリーで求められます。一つのトランザクション内で、データベース内のほかのものと同じバックアップと権限の下で動きます。
空間データにも、スキーマのほかの部分と同じ保証を適用できます。CHECK制約で、無効なポリゴンを挿入時に拒否できます。行レベルセキュリティーで、地域チームが扱える土地を、その地域の区画だけにできます。インポートに失敗したら、レイヤーの半分を残すのではなく、ロールバックします。
次の選択はgeometryかgeographyかです。PostGISのマニュアルは、明確な指針を示しています。都市や国の中に収まるデータは、通常、その地域に合う投影座標系のgeometryへ保存するのが適切です。すべての関数を利用でき、計算も速いためです。大陸をまたぐデータを扱う場合や、地球上の任意の二点間の距離をメートルで求めたい利用者がいる場合は、geographyの方が正しく扱いやすくなります。使える関数は少なくなりますが、曲面上の計算を自ら行います。
PostGISまでは必要ない場合もあります。店ごとの緯度と経度を保存して地図にピンを置くだけなら、二つの数値列で足ります。距離、包含、重なりを問うようになったときや、単独の点だけでなく、線やポリゴンを扱うときに、PostGISを入れる価値が生まれます。
実際の活用例
多数のユーザーへリアルタイムの空間クエリーを提供する地図アプリケーションが、Microsoft SQL Serverのデータベースで動いていました。遅延が地図と、その背後のサービスの両方を損なっていました。対策はPostGISを使うPostgreSQLへの移行でした。空間データ向けにスキーマを設計し、geometry列とgeography列にGiSTとSP-GiSTのインデックスを設け、空間座標に制約を付けました。5,000万件を超える空間レコードをETLパイプラインへ通し、取り込み時にEPSG:4326へ変換しました。旧データベースで2.5秒だった平均応答時間は、PostGISが問い合わせを処理するようになると250ミリ秒未満へ下がり、十倍の改善になりました。バックエンドのCPU負荷も65%低下しました。これが、PostGISを理由に移行した例です。
速度ではなく、データの問題から始まった整理の取り組みを支える中核にもなります。大規模な地理空間分析の取り組みで、地理データセットと時系列データセットを横断して1,000件を超える不整合が見つかりました。GDAL、QGIS、ArcGISで空間的な誤りを発見、修正し、PostGISで空間クエリーと空間インデックスの処理を行いました。PL/pgSQLのプロシージャーでPostgreSQL内のデータを変換し、整理した結果をMapboxで表示しました。空間クエリーの実行時間は35%短くなりました。
問題が起きるところ
距離が、小さな小数で返ります。 二つの町がどれだけ離れているか聞いたクエリーが、0.08を返します。列はSRID 4326のgeometryなので、答えの単位は度です。経度一度の幅は、赤道上の約111キロメートルから、極では零まで縮みます。メートルの答えが必要ならgeographyへキャストするか、測る前に、ST_Transformで対象地域に合う投影座標系へ移します。
半径を指定した検索が、全行を読みます。 空間インデックスがあるのに、実行計画はシーケンシャルスキャンを示します。よくある原因は、ST_Distance(a, b) < 500のような条件です。マニュアルが挙げる、単独でインデックスを使う関数の一覧に、ST_Distanceはなく、ST_DWithinはあります。インデックスを作った列をキャストや変換で包んでも、同じことが起きます。geomのインデックスは、geom::geographyの情報を持たないためです。
-- geography列を保存時の型のままインデックス化し、メートルで測ります
CREATE INDEX depots_geog_idx ON depots USING GIST (geog);
SELECT id FROM depots
WHERE ST_DWithin(geog, ST_MakePoint(12.57, 55.68)::geography, 500);データを4326のgeometry列に残す必要があるなら、この例のようなgeography列を追加してインデックスを作るか、クエリーと同じ式にインデックスを作ります。一括取り込み後にはANALYZEを実行し、インデックスを使う価値があると、プランナーが判断できるようにします。
点が海に落ちます。 すべての形状が、その形を保ったまま誤った場所へ置かれ、別の大陸に現れることもよくあります。原因となる間違いは二つあります。ST_SetSRIDはジオメトリーのラベルだけを替え、数値は変えません。ST_Transformを使うべき場所で使うと、メートルの数値を度と表示してしまいます。また、上流のどこかで経度と緯度を入れ替えた場合も起こります。PostGISはGeoJSONと同じく、xをyより先、経度を緯度より先に取ります。ST_SetSRIDは元の数値が何を意味するかの宣言だけに、ST_Transformは変換に使い、位置が分かっている一点で、すべてのインポートを検査します。
面積や重なりの計算が、エラーになります。 shapefileからのインポートは成功しても、後でST_Intersectionがトポロジー例外で失敗します。PostGISは、発見して修復できるように、無効なジオメトリーも意図的に保存できる設計です。境界が自分自身と交差するポリゴンは、無効です。ST_IsValidで確認し、入力のすべての頂点を残すST_MakeValidで修復します。さらにCHECK制約を追加し、悪い形状をレポートで発見するのではなく、入力時に拒否します。
参考資料
- PostGISのドキュメント — マニュアル、FAQ、教材への、プロジェクト自身の索引です。
- データ管理 — geometryとgeography、SRID、妥当性の規則、三種類のインデックスを、マニュアル自身が定義しています。
- 空間インデックス — 境界ボックスと、指定しなくてもインデックスを使う関数を説明する、ワークショップの章です。
- ST_DWithin — 距離の判定と、型ごとの単位を示すリファレンスです。
- Simple Feature Access、第1部 — PostGISが保存するジオメトリー型の基になる、OGCの標準です。