Scala 加速geomesa查询

我一直在用简单的空间查询测试geomesa，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
导入org.locationtech.geomesa.spark.jts_
导入org.locationtech.jts.geom_
对象HelloWorld{
def main（参数：数组[字符串]）：单位={
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（“本地”）
.appName（“Geomesa”）
.getOrCreate（）
斯帕克·威茨
导入spark.implicits_
val x=0，直到5000
val y=用于（GeoMesa）是为分布式的，NoSQL数据库而设计的。如果你的数据集适合PostGIS，你可能应该只使用PASGIS。一旦你达到了PASGIS的极限，你就应该考虑使用GeOMESA。GeOMESA确实提供了与任意的GooToW数据STOR的集成。es（包括PostGIS），它可以使PostGIS使用一些GeoMesa和功能

对于您的特定片段，我怀疑大部分时间都花在旋转RDD和运行循环上。实际上没有“查询”，因为您只是在运行成对计算。如果您查询存储在表中的数据，那么GeoMesa有机会优化扫描。然而，GeoMesa不是SQL数据库，也没有对联接的任何本机支持。通常，联接是由Spark在内存中完成的，尽管您可以做一些事情来加速它（例如，或）。如果您想进行复杂的空间连接，您可能需要查看GeoSpark和/或Magellan，它们专门从事空间火花操作。
您可以尝试做同样的事情，但使用恒定的列值而不是
st_distance
？即
df.withColumn（“dist”），1）
。我很好奇，与仅仅创建数据帧相比，计算距离花费了多少时间。
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()
  }
}

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))
  }
}