Skip to content

README_POSTGRES.md

Latest commit

 

History

History
119 lines (85 loc) · 3.06 KB

README_POSTGRES.md

File metadata and controls

119 lines (85 loc) · 3.06 KB

H3 vs Square Grid PostgreSQL 성능 비교

H3 육각형 그리드와 전통적인 사각형 그리드의 PostgreSQL에서의 CRUD 성능을 비교 분석합니다.

📋 준비사항

1. PostgreSQL 설치 및 설정

PostgreSQL이 설치되어 있어야 합니다. (버전 12 이상 권장)

2. 데이터베이스 생성

# 방법 1: 커맨드라인에서
createdb h3_study

# 방법 2: PostgreSQL 콘솔에서
psql -U postgres
CREATE DATABASE h3_study;
\q

3. 테이블 생성

제공된 table.sql 파일을 실행하여 필요한 테이블과 인덱스를 생성합니다:

# 커맨드라인에서 실행
psql -U postgres -d h3_study -f table.sql

# 또는 pgAdmin에서 table.sql 파일 내용을 실행

4. Python 패키지 설치

pip install -r requirements.txt

🚀 실행 방법

기본 실행

python h3_advance_with_pg.py

데이터베이스 연결 정보 수정

파일 내 main() 함수에서 연결 정보를 수정할 수 있습니다:

db_config = {
    'host': 'localhost',      # PostgreSQL 서버 주소
    'database': 'h3_study',    # 데이터베이스 이름
    'user': 'postgres',        # 사용자명
    'password': 'postgres',    # 비밀번호 (실제 비밀번호로 변경)
    'port': 5432              # 포트 번호
}

📊 테이블 구조

locations_h3 테이블

  • H3 인덱스 기반 위치 데이터 저장
  • 주요 컬럼: h3_index, h3_resolution, lat, lng, category, value

locations_square 테이블

  • 사각형 그리드 기반 위치 데이터 저장
  • 주요 컬럼: grid_x, grid_y, grid_resolution, lat, lng, category, value

🔍 성능 테스트 항목

  1. INSERT 성능: 대량 데이터 삽입
  2. SELECT 성능:
    • 포인트 쿼리
    • 범위 쿼리
    • 집계 쿼리
  3. UPDATE 성능: 단일/범위 업데이트
  4. DELETE 성능: 대량 삭제
  5. 공간 쿼리:
    • 주변 지역 검색
    • 경로상 데이터 검색

📈 결과물

  • h3_vs_square_postgres_performance.png: 성능 비교 차트
  • h3_postgres_results.json: 상세 성능 측정 결과

🛠️ 문제 해결

데이터베이스 연결 실패

  • PostgreSQL 서비스가 실행 중인지 확인
  • 연결 정보(사용자명, 비밀번호, 포트)가 올바른지 확인
  • 방화벽 설정 확인

테이블이 없다는 오류

  • table.sql 파일을 먼저 실행했는지 확인
  • 올바른 데이터베이스에 연결했는지 확인

권한 오류

  • 사용자에게 CREATE, INSERT, UPDATE, DELETE 권한이 있는지 확인

💡 주요 인사이트

  1. H3의 장점:

    • 인근 검색(k-ring)에서 우수한 성능
    • 계층적 구조로 다양한 해상도 분석 가능
    • 공간 집계 쿼리에 최적화

  2. 사각형 그리드의 장점:

    • 단순한 범위 검색에서 경쟁력
    • 구현과 이해가 쉬움
    • 기존 좌표 체계와 호환성 좋음

  3. 성능 최적화 팁:

    • 적절한 인덱스 설계가 핵심
    • 배치 처리로 INSERT 성능 향상
    • 해상도 선택이 성능에 큰 영향