Lindorm Ganos时空服务提供了丰富的函数和数据类型，方便您对时空数据进行计算和分析。您可以通过Ganos时空服务预先设定地理围栏，并根据业务需求灵活使用时空函数，结合Lindorm流引擎的实时计算能力，实现基于地理围栏的实时区域统计功能。
背景信息
在很多基于时空位置的场景中，都有根据地理区域范围进行聚合查询的需求，进而形成热力图进行展示，例如：
在互联网出行场景中，需要统计每个行政区（或网格）的车辆分布情况，为平衡运力调度提供依据。
在LBS客户运营场景中，需要统计每个区域内（AOI）的客户流量，以此来制定优惠券的发放规则。
在车联网场景中，需要统计车辆在某个区域内的聚集情况，可用于大屏密度图展示。
技术实现
区域统计涉及以下两种数据：
地理围栏：边界是一个闭合的环且不会频繁变更，可以使用Polygon类型将数据保存在Lindorm宽表中。
车辆位置：车辆位置信息是实时上传的流数据，可以实时保存在Kafka Topic中。
Lindorm流引擎将读取Kafka Topic中的实时数据，基于地理围栏进行实时计算，并将计算结果保存在Lindorm宽表中。
前提条件
已将客户端IP地址添加至Lindorm白名单。如何添加，请参见设置白名单。
已开通Lindorm Ganos时空服务。如何开通，请参见开通时空服务（免费）。
已开通Lindorm流引擎。如何开通，请参见开通流引擎。
注意事项
如果应用部署在ECS实例，通过专有网络访问Lindorm实例前，需要确保Lindorm实例和ECS实例满足以下条件，以保证网络的连通性。
所在地域相同，并建议所在可用区相同（以减少网络延时）。
ECS实例与Lindorm实例属于同一专有网络。
步骤一：创建地理围栏表和结果表
在宽表引擎中创建地理围栏表和结果表，分别用于保存地理围栏数据和计算结果。
创建地理围栏表并插入示例数据。
创建地理围栏表regions。
CREATE TABLE regions(rID INT, rName VARCHAR, fence GEOMETRY, PRIMARY KEY(rID));插入地理围栏数据，包括3个区域，分别命名为SoHo、Chinatown和Tribeca。
INSERT INTO regions(rID, rName, fence) VALUES (1, 'SoHo', ST_GeomFromText('POLYGON((-74.00279525078275 40.72833625216264,-74.00547745979765 40.721929158663244,-74.00125029839018 40.71893680218994,-73.9957785919998 40.72521409075776,-73.9972377137039 40.72557184584898,-74.00279525078275 40.72833625216264))')), (2, 'Chinatown', ST_GeomFromText('POLYGON((-73.99712367114876 40.71281582267133,-73.9901070123658 40.71336881907936,-73.99023575839851 40.71452359088633,-73.98976368961189 40.71554823078944,-73.99551434573982 40.717337246783735,-73.99480624255989 40.718491949759304,-73.99652285632942 40.719109951574,-73.99776740131233 40.7168005470334,-73.99903340396736 40.71727219249899,-74.00193018970344 40.71938642421256,-74.00409741458748 40.71688186545551,-74.00051398334358 40.71517415773184,-74.0004281526551 40.714377212470005,-73.99849696216438 40.713450141693166,-73.99748845157478 40.71405192594819,-73.99712367114876 40.71281582267133))')), (3, 'Tribeca', ST_GeomFromText('POLYGON((-74.01091641815208 40.72583120006787,-74.01338405044578 40.71436586362705,-74.01370591552757 40.713617702123415,-74.00862044723533 40.711308107057235,-74.00194711120628 40.7194238654018,-74.01091641815208 40.72583120006787))'));
创建结果表cresult。
CREATE TABLE cresult(rName VARCHAR, ws TIMESTAMP, we TIMESTAMP, carCount BIGINT, PRIMARY KEY(rName,ws));
步骤二：写入流数据
Lindorm流引擎完全兼容开源Kafka API，您可以通过Kafka开源客户端或脚本工具连接Lindorm流引擎并写入测试数据。
以通过开源Kafka脚本工具写入为例。
下载并安装Kafka脚本工具。具体操作，请参见通过开源Kafka脚本工具连接Lindorm流引擎。
创建名为
logVehicleTs的Kafka Topic。bin/kafka-topics.sh --bootstrap-server <Lindorm Stream Kafka地址> --topic logVehicleTs --create其中，Lindorm Stream Kafka地址为流引擎的Kafka连接地址，仅支持通过专有网络访问。获取方式，请参见查看流引擎连接地址。
将测试数据写入Kafka Topic中，使用组合键Ctrl+C可终止写入。
bin/kafka-console-producer.sh --bootstrap-server <Lindorm Stream Kafka地址> --topic logVehicleTs {"UID": "A", "x":"-74.00035", "y": "40.72432", "tripTime":"2020-01-01 08:00:00"} {"UID": "B", "x":"-74.00239", "y": "40.71692", "tripTime":"2020-01-01 08:00:30"} {"UID": "C", "x":"-74.00201", "y": "40.72563", "tripTime":"2020-01-01 08:01:00"} {"UID": "D", "x":"-74.00158", "y": "40.72412", "tripTime":"2020-01-01 08:01:30"} {"UID": "E", "x":"-73.99836", "y": "40.71588", "tripTime":"2020-01-01 08:02:00"} {"UID": "F", "x":"-74.01015", "y": "40.71422", "tripTime":"2020-01-01 08:02:30"} {"UID": "G", "x":"-73.99183", "y": "40.71451", "tripTime":"2020-01-01 08:03:00"} {"UID": "H", "x":"-73.99595", "y": "40.71773", "tripTime":"2020-01-01 08:03:30"}您可以使用
bin/kafka-console-consumer.sh --bootstrap-server <Lindorm Stream Kafka地址> --topic logVehicleTs --from-beginning命令，查看数据是否成功写入。
步骤三：提交流引擎计算任务
使用Flink SQL提交Lindorm流引擎计算任务，读取Kafka Topic中的数据，并结合地理围栏数据进行计算。
连接Lindorm流引擎。如何连接，请参见使用流引擎。
提交计算任务。
计算任务构造了一个大小为10分钟的滚动窗口，并每10分钟统计一次窗口内的数据，具体步骤如下：
加载
ganos函数模块。在Flink Job中创建三张表：数据源表logCarWithTs、数据维表regions、数据结果表cresult，通过设置连接器参数，分别关联已创建的Kafka Topic、地理围栏表regions和结果表cresult。
创建流任务，通过统计函数
count、关系函数ST_Contains和时间窗口函数TUMBLE对数据进行过滤，并将计算结果写入结果表cresult。
示例代码如下：
CREATE FJOB fenceWs ( LOAD MODULE ganos; CREATE TABLE logCarWithTs( `uID` STRING, `x` DOUBLE, `y` DOUBLE, `tripTime` TIMESTAMP(0), WATERMARK for `tripTime` AS `tripTime`-INTERVAL '1' MINUTES ) WITH ('connector'='kafka', 'topic'='logVehicleTs', 'scan.startup.mode'='earliest-offset', 'properties.bootstrap.servers'='<Lindorm Stream Kafka地址>', 'format'='json'); -- create area table CREATE TABLE regions( `rID` INT, `rName` STRING, `fence` GEOMETRY, PRIMARY KEY (`rID`) NOT ENFORCED ) WITH ('connector'='lindorm', 'seedServer'='<Lindorm宽表HBase Java API访问地址>', 'userName'='root', 'password'='test_password', 'tableName'='regions', 'namespace'='default'); -- create result table CREATE TABLE cresult( `rName` STRING, `ws` TIMESTAMP(0), `we` TIMESTAMP(0), `carCount` BIGINT, PRIMARY KEY (`rName`, `ws`) NOT ENFORCED ) WITH ('connector'='lindorm', 'seedServer'='<Lindorm宽表HBase Java API访问地址>', 'userName'='root', 'password'='test_password', 'tableName'='cresult', 'namespace'='default'); -- count cars in each area every 10 minutes INSERT INTO cresult SELECT regions.rName AS rName, window_start AS ws, window_end AS we, count(*) AS carCount FROM TABLE(TUMBLE(TABLE logCarWithTs, DESCRIPTOR(tripTime),INTERVAL '10' MINUTES)) JOIN regions ON ST_Contains(regions.fence,ST_MakePoint(x,y)) GROUP BY regions.rName,window_start, window_end; );其中，Lindorm宽表HBase Java API访问地址的获取方式，请参见查看宽表引擎连接地址。
说明计算任务中使用到的函数，请参见关系函数、Count函数和TUMBLE窗口函数。
步骤四：查看结果
执行以下语句，查看区域统计结果。
SELECT rName, carCount FROM cresult;返回结果：
+-----------+----------+ | rName | carCount | +-----------+----------+ | Chinatown | 3 | | SoHo | 4 | | Tribeca | 3 | +-----------+----------+carCount为各区域中车辆的数量。
- 本页导读 （1）