> ## Documentation Index
> Fetch the complete documentation index at: https://private-7c7dfe99-detect-table-modification.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.
> 상점, 음식점, 공원, 놀이터, 기념물 등 지도상의 장소 정보가 포함된 1억 건 이상의 레코드로 구성된 데이터셋입니다.
# Foursquare 장소 데이터
export const Image = ({img, alt, size = "lg"}) => {
const normalizedSize = ["sm", "md", "lg"].includes(size) ? size : "lg";
return ;
};
## 데이터셋
Foursquare에서 제공하는 이 데이터셋은 [다운로드](https://docs.foursquare.com/data-products/docs/access-fsq-os-places)할 수 있으며
Apache 2.0 라이선스에 따라 무료로 사용할 수 있습니다.
상점, 음식점, 공원, 놀이터, 기념물 등 상업 시설과 관련된 관심 지점(POI) 데이터
1억 건 이상이 포함되어 있습니다. 또한 이러한 장소의 카테고리, 소셜 미디어 정보 등의
추가 메타데이터도 포함되어 있습니다.
## 데이터 탐색
데이터를 탐색하기 위해 전체 ClickHouse engine을 제공하는 작은 명령줄 도구인 [`clickhouse-local`](https://clickhouse.com/blog/extracting-converting-querying-local-files-with-sql-clickhouse-local)을 사용하겠습니다.
물론 ClickHouse Cloud, `clickhouse-client`, 또는 `chDB`를 사용할 수도 있습니다.
데이터가 저장된 S3 버킷에서 데이터를 조회하려면 다음 쿼리를 실행하세요:
```sql title="Query" theme={null}
SELECT * FROM s3('s3://fsq-os-places-us-east-1/release/dt=2025-04-08/places/parquet/*') LIMIT 1
```
```response title="Response" theme={null}
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�^@B�
bbox: (-122.39003793803701,37.62120111687914,-122.39003793803701,37.62120111687914)
```
꽤 많은 필드가 `ᴺᵁᴸᴸ`이므로, 좀 더 유용한 데이터를 반환하도록
쿼리에 몇 가지 조건을 추가할 수 있습니다:
```sql title="Query" theme={null}
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
```
```response theme={null}
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 -- 5,227조
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)
```
다음 쿼리를 실행하여 `DESCRIBE`로 데이터에서 자동 추론된 스키마를 확인하세요:
```sql title="Query" theme={null}
DESCRIBE s3('s3://fsq-os-places-us-east-1/release/dt=2025-04-08/places/parquet/*')
```
```response title="Response" theme={null}
┌─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)) │
└─────────────────────┴─────────────────────────────┘
```
## ClickHouse에 데이터 로드하기
데이터를 디스크에 영구 저장하려면 `clickhouse-server`
또는 ClickHouse Cloud를 사용할 수 있습니다.
테이블을 생성하려면 다음 명령을 실행하세요:
```sql title="Query" theme={null}
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)
```
[`LowCardinality`](/ko/reference/data-types/lowcardinality) 데이터 타입이 여러 컬럼에 사용된 점에 주목하십시오. 이렇게 하면
데이터 타입의 내부 표현이 딕셔너리 인코딩 방식으로 바뀝니다. 딕셔너리 인코딩된 데이터로 작업하면
많은 애플리케이션에서 `SELECT` 쿼리 성능이 크게 향상됩니다.
또한, 지도를 타일로 더 쉽게 분할할 수 있도록 `lat/lon` 좌표를 [Web Mercator projection](https://en.wikipedia.org/wiki/Web_Mercator_projection)에 매핑하는
두 개의 `UInt32` `MATERIALIZED` 컬럼인 `mercator_x`와 `mercator_y`를 생성합니다:
```sql theme={null}
mercator_x UInt32 MATERIALIZED 0xFFFFFFFF * ((longitude + 180) / 360),
mercator_y UInt32 MATERIALIZED 0xFFFFFFFF * ((1 / 2) - ((log(tan(((latitude + 90) / 360) * pi())) / 2) / pi())),
```
위에서 각 컬럼에서 어떤 일이 일어나는지 살펴보겠습니다.
**mercator\_x**
이 컬럼은 경도 값을 메르카토르 도법의 X 좌표로 변환합니다:
* `longitude + 180`은 경도 범위를 \[-180, 180]에서 \[0, 360]으로 이동시킵니다
* 360으로 나누면 값을 0과 1 사이로 정규화합니다
* `0xFFFFFFFF`(32비트 부호 없는 최대 정수의 16진수 표현)를 곱하면 이 정규화된 값을 32비트 정수의 전체 범위로 확장합니다
**mercator\_y**
이 컬럼은 위도 값을 메르카토르 도법의 Y 좌표로 변환합니다:
* `latitude + 90`은 위도 범위를 \[-90, 90]에서 \[0, 180]으로 이동시킵니다
* 360으로 나눈 뒤 pi()를 곱하면 삼각 함수에 사용할 라디안으로 변환됩니다
* `log(tan(...))` 부분은 메르카토르 도법 공식의 핵심입니다
* `0xFFFFFFFF`를 곱하면 32비트 정수의 전체 범위로 확장합니다
`MATERIALIZED`를 지정하면 ClickHouse가 데이터를 `INSERT`할 때 이러한
컬럼의 값을 계산하므로, 원본 데이터 스키마에 포함되지 않은 이 컬럼들을
`INSERT statement`에서 별도로 지정할 필요가 없습니다.
테이블은 `mortonEncode(mercator_x, mercator_y)`를 기준으로 정렬되며, 이는
지리공간 쿼리 성능을 크게 향상시키기 위해 `mercator_x`, `mercator_y`에 대한
Z-order 공간 충전 곡선을 생성합니다. 이 Z-order 곡선 정렬은 데이터가
공간적 인접성을 기준으로 물리적으로 구성되도록 합니다:
```sql theme={null}
ORDER BY mortonEncode(mercator_x, mercator_y)
```
검색 속도를 높이기 위해 `minmax` 인덱스 2개도 생성됩니다:
```sql theme={null}
INDEX idx_x mercator_x TYPE minmax,
INDEX idx_y mercator_y TYPE minmax
```
보시는 것처럼 ClickHouse에는 실시간
매핑 애플리케이션에 필요한 모든 기능이 갖춰져 있습니다!
데이터를 불러오려면 다음 쿼리를 실행하세요:
```sql theme={null}
INSERT INTO foursquare_mercator
SELECT * FROM s3('s3://fsq-os-places-us-east-1/release/dt=2025-04-08/places/parquet/*')
```
## 데이터 시각화
이 데이터셋으로 무엇을 할 수 있는지 보려면 [adsb.exposed](https://adsb.exposed/?dataset=Places\&zoom=5\&lat=52.3488\&lng=4.9219)를 확인해 보세요.
adsb.exposed는 원래 공동 창립자이자 CTO인 Alexey Milovidov가 ADS-B(Automatic Dependent Surveillance-Broadcast)
비행 데이터를 시각화하기 위해 만들었으며, 이 데이터는 규모가 1000배 더 큽니다. 이후 사내 해커톤에서 Alexey가 이 도구에 Foursquare 데이터를 추가했습니다.
특히 인상적인 시각화 몇 가지를 아래에 소개합니다.