Question

我一直在通过简单的空间查询来测试几何图形并将其与Postgis进行比较。例如，此SQL查询在Postgis中运行30秒：

with series as (
select
    generate_series(0, 5000) as i
),
points as (
    select ST_Point(i, i*2) as geom from series
)
select st_distance(a.geom, b.geom) from points as a, points as b

现在，以下geomesa版本需要5分钟（使用-Xmx10g）：

import org.apache.spark.sql.SparkSession
import org.locationtech.geomesa.spark.jts._
import org.locationtech.jts.geom._


object HelloWorld {
  def main(args: Array[String]): Unit = {

    val spark = SparkSession.builder
      .config("spark.sql.crossJoin.enabled", "true")
      .config("spark.executor.memory", "12g")
      .config("spark.driver.memory", "12g")
      .config("spark.cores.max", "4")
      .master("local")
      .appName("Geomesa")
      .getOrCreate()
    spark.withJTS
    import spark.implicits._


    val x = 0 until 5000
    val y = for (i <- x) yield i*2
    val coords = for ((i, n) <- x.zipWithIndex) yield (i, y(n))
    val points = for (i <- coords) yield new GeometryFactory().createPoint(new Coordinate(i._1, i._2))
    val points2 = for (i <- coords) yield new GeometryFactory().createPoint(new Coordinate(i._1, i._2))
    val all_points = for {
      i <- points
      j <- points2} yield (i, j)
    val df = all_points.toDF("point", "point2")
    val df2 = df.withColumn("dist", st_distance($"point", $"point2"))
    df2.show()
  }
}

我期望Geomesa可以提供类似或更好的性能，如何调整这样的查询？

第一次编辑

正如Emilio建议的那样，这实际上不是查询，而是计算。该查询本来可以毫无火花地编写。下面的代码在不到两秒钟的时间内运行：

import org.locationtech.jts.geom._

object HelloWorld {
  def main(args: Array[String]): Unit = {

    val x = 0 until 5000
    val y = for (i <- x) yield i*2
    val coords = for ((i, n) <- x.zipWithIndex) yield (i, y(n))
    val points = for (i <- coords) yield new GeometryFactory().createPoint(new Coordinate(i._1, i._2))
    val points2 = for {
      i <- points
      j <- points} yield i.distance(j)

    println(points2.slice(0,30))
  }
}

Answer 1

对于少量数据，GeoMesa不会像PostGIS那样快。 GeoMesa专为分布式NoSQL数据库而设计。如果您的数据集适合PostGIS，则可能应该只使用PostGIS。一旦开始达到PostGIS的极限，就应该考虑使用GeoMesa。 GeoMesa确实提供了与任意GeoTools数据存储（包括PostGIS）的集成，这可以使PostGIS可以使用某些GeoMesa Spark和command-line功能。

对于您的特定代码段，我怀疑大部分时间都花在了RDD的旋转和循环运行上。实际上并没有一个“查询”，因为您只是在运行成对计算。如果要查询存储在表中的数据，则GeoMesa有机会优化扫描。但是，GeoMesa不是SQL数据库，也没有对连接的任何本机支持。通常，联接是由Spark在内存中完成的，尽管您可以执行一些操作来加快联接的速度（即broadcast join或RDD partitioning）。如果要进行复杂的空间连接，则可能需要查看专门从事空间Spark操作的GeoSpark和/或Magellan。

加快几何查询

1 个答案: