【亲测免费】 Nominatim 安装和配置指南
2026-01-20 01:27:35作者:齐添朝
1. 项目基础介绍和主要编程语言
项目基础介绍
Nominatim 是一个基于 OpenStreetMap 数据的开源地理编码工具。它允许用户通过名称和地址搜索 OpenStreetMap 数据(地理编码),并生成 OSM 点的合成地址(反向地理编码)。Nominatim 被广泛应用于 OpenStreetMap 网站的搜索功能中。
主要编程语言
Nominatim 项目主要使用以下编程语言:
- Python: 用于主要的逻辑处理和命令行工具。
- PHP: 用于 Web 接口和部分后端处理。
- C/C++: 用于性能关键部分和数据库交互。
2. 项目使用的关键技术和框架
关键技术
- PostgreSQL: 作为主要的数据库管理系统,存储 OpenStreetMap 数据。
- PostGIS: 扩展 PostgreSQL,提供空间数据类型和函数,用于地理空间查询。
- osm2pgsql: 用于将 OpenStreetMap 数据导入 PostgreSQL 数据库。
- Apache/Nginx: 用于提供 Web 服务,处理用户请求。
框架
- Nominatim API: 提供地理编码和反向地理编码的 API 接口。
- Nominatim CLI: 提供命令行工具,用于数据导入和管理。
3. 项目安装和配置的准备工作和详细安装步骤
准备工作
在开始安装之前,请确保您的系统满足以下要求:
- 操作系统: 推荐使用 Linux 系统(如 Ubuntu 或 CentOS)。
- 硬件要求: 至少 4GB 内存,100GB 可用磁盘空间。
- 软件依赖: 安装 PostgreSQL、PostGIS、osm2pgsql、Apache/Nginx 等依赖软件。
详细安装步骤
步骤 1: 安装依赖软件
首先,更新系统并安装必要的依赖软件:
sudo apt-get update
sudo apt-get install -y build-essential cmake postgresql postgis libpq-dev libproj-dev libgeos-dev libbz2-dev libxml2-dev libexpat-dev libboost-dev libboost-system-dev libboost-filesystem-dev libboost-thread-dev libboost-program-options-dev libboost-python-dev liblua5.3-dev lua5.3 libtiff-dev zlib1g-dev libicu-dev python3-dev python3-pip
步骤 2: 下载 Nominatim 源码
从 GitHub 下载 Nominatim 源码:
git clone https://github.com/openstreetmap/Nominatim.git
cd Nominatim
步骤 3: 编译和安装 Nominatim
创建一个构建目录并编译 Nominatim:
mkdir build
cd build
cmake ..
make
sudo make install
步骤 4: 创建项目目录并导入 OSM 数据
创建一个项目目录,下载 OSM 数据并导入:
mkdir nominatim-project
cd nominatim-project
nominatim import --osm-file <your_planet_file>
步骤 5: 配置 Web 服务器
将您的 Web 服务器(如 Apache 或 Nginx)指向 nominatim-project/website 目录,并配置相应的虚拟主机。
步骤 6: 启动服务
启动 PostgreSQL 和 Web 服务器,并确保 Nominatim 服务正常运行:
sudo systemctl start postgresql
sudo systemctl start apache2 # 或 nginx
验证安装
访问 http://<your_server_ip>/nominatim,如果看到 Nominatim 的调试界面,说明安装成功。
通过以上步骤,您已经成功安装并配置了 Nominatim 项目。希望这篇指南对您有所帮助!
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
暂无简介
Dart
798
197
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
779
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
200
Ascend Extension for PyTorch
Python
376
446
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1