相似人群分析在精准营销，推荐系统中的需求很多。

人的属性可以使用向量来表达，每个值代表一个属性的权重值，通过向量相似，可以得到一群相似的人群。

例如

使用cube表示属性

  2.   uid int8 primary key,  
  3.   att cube  -- 属性  
  4. );

使用cube或imgsmlr可以达到类似的目的。

  1. a <-> b float8  Euclidean distance between a and b.  
  2. a <#> b float8  Taxicab (L-1 metric) distance between a and b.  
  3. a <=> b float8  Chebyshev (L-inf metric) distance between a and b.

但是如果向量很大(比如属性很多)，建议使用一些方法抽象出典型的特征值，压缩向量。 类似图层，图片压缩。实际上imgsmlr就是这么做的：

1、创建插件

    2、创建测试表

    3、创建GIST索引

    1. create index idx_tt_1 on tt using gist(c1);

    4、创建生成随机CUBE的函数

    2.   select ('('||string_agg((random()*$2)::text, ',')||')')::cube from generate_series(1,$1);  
    3. $$ language sql strict;

    5、CUBE最多存100个维度

    1. postgres=# \set VERBOSITY verbose  
    3. postgres=# select gen_rand_cube(1000,10);  
    5. ERROR:  22P02: invalid input syntax for cube  
    7. LOCATION:  cube_yyparse, cubeparse.y:111

    6、写入测试数据

    7、通过单个特征值CUBE查询相似人群，以点搜群

    1. select * from tt order by c1 <-> '(1,2,3,4,5,6,7)' limit x;  -- 个体搜群体

    8、通过多个特征值CUBE查询相似人群，以群搜群

    1. select * from tt order by c1 <-> '[(1,2,3,4,5,6,7),(1,3,4,5,6,71,3), ...]' limit x; -- 群体搜群体
    1. postgres=# explain select * from tt order by c1 <-> '[(1,2,3),(2,3,4)]' limit 1;  
    2.                                 QUERY PLAN                                  
    3. --------------------------------------------------------------------------  
    4.  Limit  (cost=0.11..0.14 rows=1 width=44)  
    5.    ->  Index Scan using idx_tt_1 on tt  (cost=0.11..0.16 rows=2 width=44)  
    6. (3 rows)

    《PostgreSQL 遗传学应用 - 矩阵相似距离计算 (欧式距离,…XX距离)》

    https://github.com/postgrespro/imgsmlr

    《PostgreSQL 相似搜索插件介绍大汇总 (cube,rum,pg_trgm,smlar,imgsmlr,pg_similarity) (rum,gin,gist)》

    《PostgreSQL 11 相似图像搜索插件 imgsmlr 性能测试与优化 2 - 单机分区表 (dblink 异步调用并行) (4亿图像)》