공간 DB에 대한 글

“공간 데이터베이스(Spatial Database)”라고 하면, 처음 들어보는 개발자 분들이 많으실 것 같은데요. 스마트폰 기반의 지리정보나 위치정보를 취급하기 위해서 이제는 “공간 DB”가 기본인 만큼 이에 대해서 알아두는 것이 중요할 것 같네요.

 

1. 공간DB란? (wikipedia)

spatial database is a database that is optimized to store and query data that is related to objects in space, including points, lines and polygons. While typical databases can understand various numeric and character types of data, additional functionality needs to be added for databases to process spatial data types. These are typically called geometry or feature. The Open Geospatial Consortium created the Simple Features specification and sets standards for adding spatial functionality to database systems.

공간에 존재하는 점, 선, 폴리곤등을 포함하는 객체의 데이터를 저장하고, 검색하는데 최적화된 데이터베이스이다. 전통적인 DB가 다양한 숫자와 문자를 이해하는데 사용되어 지므로, 공간 Data Type을 이해하기 위해서는 새로운 기능들이 필요하게 된다. 이런 것들을 Geometry나 Feature라고 부른다. 그래서 OGC는 이런 기능들에 대한 표준과 Simple Feature Spec을 정의했다.

공간 DB는 RDBMS랑 뭔가 틀린 것 같죠? 그럼 아래를 더 살펴 보시죠.

 

[ 공간DB의 새로운 데이터 유형 ]
– Vector : 점, 선, 면, 다각형 도형 – 어떻게 저장하고, 어떻게 조회하지???
– Raster : 지도를 이미지 방식으로 표현할 때 쓰는 방식(지도의 모든 점은 좌표가 있죠?)
– Topology : 아래를 참조
– Non-Spatial data : 공간 DB가 아닌것.

 

[ 공간DB를 위한 Additional Functionality란? ]

두 지역의 Area 합치기 – Merging, 두 지역의 교차지역 추출하기 – Intersection, 최단거리 찾기 – Routing 등등….

 

[ 공간DB의 관계 특성 ]
두개 도형이 동일한가? 서로 도형이 떨어져 있나? 교차하나? 접촉하나? 가로지르나? 포함되는가? 포함하는가? 겹쳐져 있나? (요런 관계 연산은 RDBMS에 없죠?)

 

[ 위상(Topology)이란 ]
공간 객체 간의 관계를 말함.
즉, 도형을 표현할 때 좌표 만으로 정의하면 이거 난감해짐. 점을 이동할 때 마다 이어진 점들마다 데이터 업데이트 해줘야 함.
각 점들이 어떻게 이어져 있는지는 관계형 테이블로 정의함. 이러면, 점 이동시마다 이어진 점들의 데이터 업데이트가 줄어듬

공간 DB가 없었던 시절은 Topology를 잘 알고 있는 전문가가 RDBMS로 데이터를 관리했는데요. 간단한 점, 선 편집 조차 DB의 업데이트 부하가 커서 File DB 형태로만 관리했답니다.

요즘은 OGC가 정의한 Spec을 따라 전문 “공간DB”가 생겼는데요. 그래서 공간 정보를 Handling 하기 좋아졌죠.

* Middleware 방식 : ESRI ArcGIS
* RDBMS 기반 : Oracle Spatial, SpatiaLite, DB2, MS SQL Server, PostSQL(PostGIS), MySQL(Extention)
* Graph DB 기반 – Neo4j (Btree, Quadtree 등을 지원), AllegroGraph
* NoSQL 기반 – MongoDB

2. 공간DB의 강력한 기능 Spatial Query

[ Spatial Query란? ]
Facebook, Google Place, Foursquare 등에서는 반경검색 (주변 10km이내 음식점)을 많이들 하시죠? 하지만, 대학로 내 레스토랑 이라든가, 홍대 앞 클럽 이라든가 어떻게 검색할 수 있을까요? 별도의 AOI를 구축해야겠지만, “Contains” Query를 사용하면 간단하게 되겠지요?

지하철 역 5분 거리는 어떻게 찾아낼까요? (흠흠. 비밀입니다. 직접 연구해보시길.)

아래가 그 함수들입니다. 생활 상의 많은 공간검색 들이 이 함수를 파생하면 다양하게 나오겠지요.

- Distance(geometry, geometry) : number
- Equals(geometry, geometry) : boolean
- Disjoint(geometry, geometry) : boolean
- Intersects(geometry, geometry) : boolean
- Touches(geometry, geometry) : boolean
- Crosses(geometry, geometry) : boolean
- Overlaps(geometry, geometry) : boolean
- Contains(geometry, geometry) : boolean
- Length(geometry) : number
- Area(geometry) : number
- Centroid(geometry) : geometry

[ 공간 인덱스(Spatial Index) ]
빠른 질의를 위해서 공간 DB는 특수한 검색 방법을 사용합니다. R-Tree, QuadTree 라는 것인데요. 즉, 강남역을 찾기 위해서 “대한민국” -> “경기도” -> “서울특별시” -> “강남구” -> “강남역” 이라는 방식의 Tree 구조를 타는데요. 알다시피 이게 다 도형이라 특별한 구조의 Index 방법을 사용한답니다.

이런 구조를 “Spatial Index”라고 하는데요. 공간 DB가 없었던 시절은 일일히 다 맨땅에서 구현했다고 합니다. 쩝쩝. 이제는 놀라운 일이 되었지요.

 

3. DML(Data manipulation) 은 없나?

당연히 있겠지요? 공간분석 이라는 제목으로 아래와 같은 “도형 조작 기능”을 제공합니다.
어디다가 쓸까요? 일반 사용자가 사용하려면 많이 “일반화”가 되어야 겠지만, 개발자들의 풍부한 상상력이 있다면 재미난 기능들이 많이 만들어지리라고 봅니다.

대표적으로 구글은 Panoramio 를 가지고 Density map(http://www.internetmap.kr/664
)을 만들었는데요. 아마 Convex Hull과 Union 등을 엮어서 사용하면 예쁜 Visual 들을 볼 수 있겠죠? 
(https://sites.google.com/a/projekcts.ru/projekcts/Home/building-photo-density-maps-with-panoramio)

[ Spatial Analysis ]

– Buffer – 2배로 뻥튀기 하거나, 축소하거나.
– Convex Hull – 도형을 감싸는 둥근 도형 얻기
– Intersection – 교차하는 부분만 도형으로 만들기
– Union – 두개의 도형을 합쳐서 하나의 도형으로 만들기
– Difference – 두 개의 도형이 겹치는 부분만 하나의 도형에서 빼기 (당근 기준 도형이 있겠죠?)
– Symmetric Difference – 두 개의 도형을 합친 다음. 겹치는 부분을 빼기

 

 

 

 

출처

http://www.ministory.net/xe/5093?fbclid=IwAR3GvoYAgwUjzg7QOh5ZN63j1jC_jmv9ovZBgt1056iPncY0I2i3e9KicU4

IT - 공간 데이터베이스(Spatial DB)란 무엇인가 ?