我在hive中为空间数据库创建表，我知道空间数据有一些特殊的索引，它们是r-tree。在hive中创建空间索引是不可能的（我认为）。我在考虑用x，y（long，lat）做一个索引，用小数表示连续变量。我不认为这是最有效的。
我们将esri库用于空间代数，但在某些情况下查询性能非常差。
用于hadoop的esri-gis工具
我在想。。。。
是否为这两个变量创建索引更好，或者用席= int（x／0.2）*0.2，y= int（y／0.2）*0.2的变量来分割表？
我认为表分区更有效，但是查询的设计更复杂，而且我认为分区不支持带小数的数值变量
最典型的带有边界框的查询是一系列空间数据。有没有人知道一种有效的方法可以用hive来构造这种查询的数据？
有没有一种方法可以在配置单元中创建和实现r树？你能用连续值划分一个表吗带小数（我见过很多例子，似乎没有）？
2条答案
按热度按时间gojuced71#
空间数据也有k维树，操作起来应该简单得多。
sulc1iza2#
我只见过带日期的分区的例子。2012年，2013年。。。。等等，这些都是离散值。我不知道您是否可以定义一个具有范围的分区，例如：在[40.1，42.4]中的y和[-4,0]中的x，在[42.4，43]中的另一个分区y和[-4,0]中的x。分区没有静态范围，因为有一些空间区域没有太多信息。这是一种制作四叉树的方法http://en.wikipedia.org/wiki/quadtree ，但与分区关联，没有索引。我认为它可以作为一个空间索引，在Hive中工作，也许是一种优雅的方式。
这是我的主意。我希望有人也能找到一种方法来创建分区，最重要的是x和y是决定要检查的分区的变量，或者是一种优雅的替代方法
这是一个创建分区的示例
创建表sales（sales\u order\u id bigint，order\u amount float，order\u date string，due\u date string，customer\u id bigint），按（country string，year int，month int，day int）分区；