PolarDB是阿里云自研的云原生关系型数据库，在存储计算分离架构下，利用了软硬件结合的优势，为用户提供具备极致弹性、高性能、海量存储、安全可靠的数据库服务。其中，PolarDB PostgreSQL 版100%兼容 PostgreSQL，高度兼容Oracle语法。Ganos是PolarDB PostgreSQL版提供的新一代云原生时空数据库引擎，在100%兼容PostGIS开源空间数据库基础上，同时具备几何、栅格、轨迹、表面网格、体网格、3D实景、点云、路径、地理网格、快显10大核心引擎完整能力，为数据库构建了面向物理世界时空多模多态数据的混合存储、查询、分析一体化能力。
本文介绍的Ganos实时电子围栏计算能力，依托阿里云云原生关系型数据库PolarDB PostgreSQL版建设输出。
业务场景
什么是电子围栏
电子围栏是一种基于位置的技术。电子围栏不是真正的围栏，而是一些使用多边形或折线定义的虚拟的地理边界，当使用全球定位系统 ( GPS )、射频识别 ( RFID )、Wi-Fi或蜂窝数据移动的应用程序或设备在进入或离开该边界时，会触发有针对性的活动。这个边界被称为电子地理围栏。电子围栏可以围绕地理位置进行创建，小到建筑物、商店或商场，大到城市或整个国家。
电子围栏应用
电子围栏在现实生活中有很多实际应用：
在交通物流行业中，电子围栏可以用于车辆运行状态监控，当司机偏离指定路线时，电子围栏可以向系统发出警示，便于及时处理风险情况；当车辆进入到某些指定区域，可以进行车辆驶入提醒或用于盲区会车提醒服务等。
在禁行/禁飞区域管理中：如机场周围一定范围内设置为无人机禁飞区，当有无人机进入该区域时，电子围栏自动发出风险预警，预防航空危险事件发生。应急事件：台风、龙卷风等恶劣天气下，触发恶劣天气周边的电子围栏系统，当车辆或船只进入恶劣天气影响区域时，自动进行告警。在营销场景中：当客户进入商家设置的电子围栏时，可以自动进行营销活动的推送，如优惠券推送等，提升营销效率。
电子围栏其他场景还包括：
• 物联网安防类：需要监护的儿童或老人离开预先设置的电子围栏时，进行报警操作，防止走丢。
• 执法：如果被监控的个人未经事先授权离开住所，设备可以向当局发出警报。
• 家庭自动化或智能家居： 当房主的智能手机进入房屋的电子围栏范围时，恒温器可以自行调节到预定的温度或灯可以自动打开。
• 动物追踪：宠物主人和农民可以设置电子围栏，当动物离开边界时发出警报，从而让他们能够追踪动物。
• 资产管理：公司网络管理员可以在公司设备离开场所时设置警报，以便他们能够找到其位置并将其锁定，以防止未经授权的用户（例如小偷）滥用。
• 人力资源安全管理：如果员工试图进入未经授权的地理围栏区域，员工的智能卡可以向安全部门发送警报。
总之，实时电子围栏技术为企业和开发者提供了一种强大的工具，能够更好地管理和利用地理空间数据，提高与位置相关的决策效率和准确性。
最佳实践
技术实现
Ganos 实时电子围栏依托于阿里云实时计算Flink版产品，通过增加Flink引擎中相关的空间计算函数以及内存空间索引，来实现高性能，实时的电子围栏运算。
数据源可使用Flink数据源，如Kafka等。
电子围栏表预先存储在PolarDB中，可定期进行刷新操作。电子围栏运算结果也写回到PolarDB中。
准备工作
为了使用阿里云实时计算Flink版相关产品，需要在阿里云控制台中开通相关服务。
为了允许Flink的工作空间访问PolarDB数据库，需要确保Flink和PolarDB处于同一个region中，并将Flink工作空间的网段地址注册为PolarDB的白名单。
注册空间计算函数
Ganos空间计算相关能力封装在一个jar包中，该功能正在邀测中，请提工单进行获取。
获取jar包后，在Flink工作空间中进行上传操作(如图中+号位置)，Flink会自动注册相关的函数，并展示在左侧的函数列表中。
电子围栏表
电子围栏表是预先定义好的电子围栏，如禁停区，禁行区等，数据以几何对象的方式存储在PolarDB中。
生成电子围栏
在PolarDB中生成10000随机多边形电子围栏。生成的方式为先生成10000随机点，并以这些随机点为中心，进行半径为0.01的缓冲区生成。
-- 生成随机浮点数
CREATE OR REPLACE FUNCTION test_random_float(low float, high float)
RETURNS float AS $$ BEGIN RETURN random() * (high-low) + low; END; $$ LANGUAGE 'plpgsql' STRICT;
-- 生成随机点
CREATE OR REPLACE FUNCTION test_randomgeogpoint(lowx float, highx float,
lowy float, highy float)
RETURNS geometry AS $$ BEGIN RETURN st_setsrid(st_point(test_random_float(lowx, highx), test_random_float(lowy, highy)),4326); END; $$ LANGUAGE 'plpgsql' STRICT;
-- 电子围栏表
CREATE TABLE IF NOT EXISTS geofencings (
name VARCHAR(100) PRIMARY KEY,
geofencing Geometry
);
-- 插入10000条随机电子围栏
INSERT INTO geofencings SELECT 'g' || s, test_random_geogpoint(129, 130, 49, 50) FROM generate_series(1, 10000) s;
-- 生成半径大约1公里的缓冲区
Update geofencings set geofencing = st_buffer(geofencing, 0.01);
注册为Flink维表
在Flink SQL中将PolarDB中表注册为Flink的围栏表。
电子围栏的信息来源于PolarDB中的geofencings 表。
根据Flink的语法，在进行join操作时指定了等号操作的谓词为包含(CONTAINS)。
CREATE TEMPORARY TABLE geofencings (
name STRING NOT NULL,
geofencing STRING NOT NULL,
PRIMARY KEY (name) NOT ENFORCED
) WITH (
'connector' = 'polardb',
'jdbcUrl' = 'jdbc:postgresql://pc-2zei5iq60*.rwlb.rds.aliyuncs.com:1921/ganos',
'username' = 'ganos',
'password' = '**',
'query' = 'SELECT name, ST_AsText(geofencing) FROM geofencings;',
'join.columnName' = 'geofencing',
'join.predicate' = 'CONTAINS'
);
计算结果
实时电子围栏的计算结果同样存到PolarDB中。
计算结果表
在PolarDB中创建电子围栏计算的结果表，记录符合电子围栏要求的点的id，围栏名称以及点坐标信息。
CREATE TABLE IF NOT EXISTS point_in_geofencing (
id serial PRIMARY KEY, -- 主键
point_id VARCHAR(100), -- 点id
geofencing_name VARCHAR(100), -- 围栏名称
point Geometry -- 点
);
注册为Flink表
在Flink SQL中将PolarDB中结果表注册为Flink的结果表。
查询结果以SQL的方式写入到PolarDB中。
CREATE TEMPORARY TABLE point_in_geofencing (
point_id STRING NOT NULL,
geofencing_name STRING NOT NULL,
point STRING NOT NULL
) WITH (
'connector' = 'polardb',
'jdbcUrl' = 'jdbc:postgresql://pc-2zei5iq60*.rwlb.rds.aliyuncs.com:1921/ganos',
'username' = 'postgres',
'password' = '*',
'query' = 'insert into point_in_geofencing(point_id,geofencing_name,point) values(?,?,ST_GeomFromText(?));',
'batchSize' = '100' -- 每批插入100条记录
);
模拟数据源
以下示例以datagen作为数据源表，每秒产生10万条记录，记录包含随机id，随机经度，随机纬度和时间戳。
CREATE TEMPORARY TABLE points (
id STRING not null,
lng DOUBLE not null, -- 经度
lat DOUBLE not null, -- 纬度
proctime AS PROCTIME(), -- 时间戳
PRIMARY KEY (id) NOT ENFORCED
) WITH (
'connector' = 'datagen',
'rows-per-second' = '100000',
'fields.lng.kind' = 'random',
'fields.lng.min' = '129',
'fields.lng.max' = '130',
'fields.lat.kind' = 'random',
'fields.lat.min' = '49',
'fields.lat.max' = '50',
'fields.id.kind' = 'random',
'fields.id.length' = '5'
//代码效果参考：http://www.603393.com/sitemap/post.xml
//代码效果参考：https://www.weibow.com/sitemap/post.xml
//代码效果参考：https://www.xx-ph.com/sitemap/post.xml
//代码效果参考：https://www.h3cw.com/sitemap/post.xml
);
电子围栏计算
在Flink SQL中执行Join操作，JOIN的谓词（preidacte）在创建表定义时被设置为CONTAINS，即执行 geofencings.geofencing CONTAINS ST_MakePoint(lng,lat) 判断，结果写入到PolarDB point_in_geofencing 表中：
INSERT INTO point_in_geofencing
SELECT points.id, geofencings.name, ST_MakePoint(lng,lat)
FROM points
JOIN geofencings FOR SYSTEM_TIME AS OF points.proctime
ON geofencings.geofencing = ST_MakePoint(lng,lat);
计算性能
在以上场景中，监控显示数据库写入TPS大约为300/秒（即每秒30000条记录），对于一个2c4g的PolarDB企业版实例CPU使用率约10%，负载压力仍有余量。
总结
本文重点介绍了PolarDB Ganos实时电子围栏计算场景。相较于传统中间键或业务代码实现电子围栏方式，Ganos从实时计算层为大规模移动对象提供标准时空处理框架，计算效率与综合成本均有大规模改善。未来Ganos还将提供更多高效的面向移动对象的实时计算分析能力，推动相关领域的空间信息应用全面走向“在线化”。
