在Amazon RDS上安装Kmeans PostgreSQL扩展

Question

我参与了一些Django项目，我们使用GeoDjango处理地理数据。我按照AWS文档的说明安装了PostGis。

我们在地图上有很多点（标记），需要对它们进行聚类。

我找到了一个库anycluster。这个库需要在Postgre数据库中安装名为kmeans-postgresql的PostgreSQL扩展程序。

但是我的数据库位于Amazon RDS上，我无法通过SSH连接到数据库以安装扩展程序……

有人知道我如何在Amazon RDS数据库上安装kmeans-postgresql扩展程序吗？

或者你能否为我提供其他聚类方式的建议？

- Anton

Answer 1

K-Means是一种非常复杂的计算方法，可用于数据挖掘和聚类分析（您可以在维基百科页面https://en.wikipedia.org/wiki/K-means_clustering上了解更多信息）。当处理许多点时，它具有很大的复杂度。PostgreSQL的K-Means扩展http://pgxn.org/dist/kmeans/doc/kmeans.html是用C编写并编译在数据库机器中。与plpgsql过程相比，这带来了更好的性能。不幸的是，正如@estevao_lucas所回答的那样，这个扩展在Amazon RDS中没有启用。

如果您真的需要k-means结果，我翻译了Joni Salonen在http://jonisalonen.com/2012/k-means-clustering-in-mysql/创建的实现，并将其更改为plpgsql https://gist.github.com/thiagomata/a9737c3455d6248bef9f。此函数使用临时表。如果您想要，可以将其更改为仅使用Pins数组。

但是，如果你只需要在地图上显示一些点，你可能会对一个将结果分组成[x,y]矩阵的更快、更简单的函数感到满意。我创建了这样的函数，因为kmeans函数处理我的数据库（有超过400K个元素）需要太长时间。所以这个实现速度真的很快，但是没有你从K-means模块期望的所有功能。除此之外，这个网格函数 https://gist.github.com/thiagomata/18ea14853998468c1a1d 在目标是在地图上显示大量点时返回非常好的结果。

- Thiago Mata

---

谢谢！你的函数非常有用！我决定不使用k-means，因为我需要动态解决方案。而且我必须在服务器端对我的标记进行聚类。我的标记经常被用户过滤。我的解决方案基于Quadtree。每个标记都有它的四叉树编码（纬度、经度是恒定的）。所以你可以通过PostGis和一个小的SQL请求查询它并进行聚类。 - Anton

Answer 2

您可以在Amazon RDS上安装支持的扩展，但Kmeans并不受支持。

错误：Amazon RDS不支持"Kmeans"扩展。 详细信息：安装"Kmeans"扩展失败，因为它不在Amazon RDS支持的扩展列表中。 提示：Amazon RDS允许具有rds_superuser角色的用户安装支持的扩展。请参见：SHOW rds.extensions; alexandria_development=> SHOW rds.extensions

RDS扩展： btree_gin， btree_gist， chkpass， citext， cube， dblink， dict_int， dict_xsyn， earthdistance， fuzzystrmatch， hstore， intagg， intarray， isn， ltree， pgcrypto， pgrowlocks， pg_prewarm， pg_stat_statements， pg_trgm， plcoffee， plls， plperl， plpgsql， pltcl， plv8， postgis， postgis_tiger_geocoder， postgis_topology， postgres_fdw， sslinfo， tablefunc， test_parser， tsearch2， unaccent， uuid-ossp

- Estevão Lucas