【发布时间】：2013-10-25 11:43:49
【问题描述】：
我有一个包含一些（纬度、经度）坐标的大日志文件，以及一个包含多边形集合的数据库。多边形数据集现在适合内存，但将来可能不会。
我想加入这两个数据集，以便知道对于每个日志坐标，它包含在哪些多边形中。
您知道使用 Hadoop（或 Pig，如果有帮助的话）解决这个问题的好方法吗？
【问题讨论】：
标签： hadoop geometry geospatial computational-geometry apache-pig
【发布时间】：2013-10-25 11:43:49
【问题描述】：
为了方便到达此处的搜索结果，以下一项或多项将很有用：
（披露：我是 Hadoop GIS 工具的开发人员之一，受雇于 Esri。）
【讨论】：
乍一看，我建议这样做：
有一个使用 MultipleInputs 的地图（数据库多边形和从日志文件中拆分）。 对于日志文件中的每个点，split 检查该点是否属于一个多边形，如果属于，则输出对 (point,polygon)。
reducer 聚合这些信息并输出：（点，它所属的多边形集）。
此解决方案不假定多边形孔集适合主内存。
如果您确定确实如此，我认为在开始作业之前查询数据库并将查询结果作为文件放在 DistributedCache 中会更有效。
【讨论】：