Apache Sedona 1.9.1 介绍与选型指南

一、信息基准

本篇信息采集与核验日期为 2026-10-18，全部信息取自 Apache 官方渠道（官网、Maven Central、GitHub 官方仓库与官方 README），本篇不包含任何本地安装与运行实测内容。

官方来源清单：

二、软件概述

本文介绍的是 Apache Sedona 1.9.1（2026-08-02 发布）。Apache Sedona 是 ASF 顶级项目，定位是地理空间大数据计算引擎扩展：它把空间数据类型、空间函数、空间判断与空间连接能力注入 Apache Spark、Apache Flink 与 Snowflake 等分布式计算平台，让用户继续用 SQL 与 DataFrame/DataFrame 风格的 API，就能对海量地理空间数据做过滤、关联与分析。

与 PostGIS 这类"数据库内的空间引擎"不同，Sedona 的价值在于把空间计算带到了分布式大数据栈：当数据规模超出单机数据库能力、或空间数据本身已经是数仓/湖仓的一等公民时，Sedona 可以在现有计算引擎上直接处理空间语义，而无需把数据搬出大数据平台。

1.9.1 是当前各平台构件统一对齐的最新版本；官方 Maven 构件同时覆盖 Spark 3.4/3.5、Flink 与 Snowflake 目标平台，旧 Spark 3.0 构件线止于 1.6.1。

三、核心架构

3.1 计算平台扩展层

Sedona 以"平台扩展"的形态存在：针对 Spark 提供系列构件（含 shaded 全量包与公共构件），针对 Flink 提供 sedona-flink-shaded 构件，针对 Snowflake 提供 sedona-snowflake 构件。同一套空间语义在不同平台上保持一致的 API 风格。

3.2 空间类型与函数体系

Sedona 引入空间数据类型（几何对象）与 ST_* 函数族：ST_Point、ST_GeomFromWKT、ST_PolygonFromEnvelope、ST_Contains 等，覆盖几何构造、谓词判断、度量计算等常用空间操作，并可在 SQL 与表达式两种语境下使用。

3.3 空间连接与索引

空间连接（如"点落在哪个行政区划内"）是 Sedona 的核心能力之一；框架在分布式执行中引入空间索引与分区策略，避免跨节点两两比对带来的爆炸式开销。

3.4 数据读写

通过 Spark 数据源机制读写常见空间数据形态（如 CSV/Parquet 中的几何列、WKT 文本等），并与大数据平台的存储体系（对象存储等）天然集成。

四、功能特性

4.1 分布式空间 SQL

在 Spark SQL / Flink / Snowflake 中直接书写 ST_* 空间函数查询，空间谓词可下推到分布式执行计划。

4.2 空间过滤

官方 README 示例演示用 ST_Contains 配合 ST_PolygonFromEnvelope 做包围盒空间过滤，语法与普通 SQL 过滤一致。

4.3 空间连接

官方 README 示例演示通过 SQL 关联实现"出租车取车点落入哪个邮区（ZCTA）"的空间连接，直接复用 Spark SQL 的 join 语法。

4.4 多平台一致体验

同一份空间分析逻辑可以在 Spark、Flink、Snowflake 之间迁移，降低平台锁定风险。

4.5 与大数据生态协同

数据可直接来自分布式存储与既有数据表，空间计算结果也可以继续被数仓/湖仓下游消费，空间层不脱离大数据工作流。

五、快速上手

以下内容引自 Apache Sedona 官方 README（https://github.com/apache/sedona/blob/master/README.md ），本篇不做本地实测。

5.1 读取数据并构造空间列

taxidf = (
    sedona.read.format("csv")
    .option("header", "true")
    .option("delimiter", ",")
    .load("s3a://your-directory/data/nyc-taxi-data.csv")
)
taxidf = taxidf.selectExpr(
    "ST_Point(CAST(Start_Lon AS Decimal(24,20)), CAST(Start_Lat AS Decimal(24,20))) AS pickup",
    "Trip_Pickup_DateTime",
    "Payment_Type",
    "Fare_Amt",
)

zoneDf = (
    sedona.read.format("csv")
    .option("delimiter", ",")
    .load("s3a://your-directory/data/TIGER2018_ZCTA5.csv")
)
zoneDf = zoneDf.selectExpr("ST_GeomFromWKT(_c0) as zone", "_c1 as zipcode")

官方示例用 ST_Point 把经纬度标量构造为点几何，用 ST_GeomFromWKT 把 WKT 文本解析为多边形。

5.2 空间过滤与空间连接

taxidf_mhtn = taxidf.where(
    "ST_Contains(ST_PolygonFromEnvelope(-74.01,40.73,-73.93,40.79), pickup)"
)

taxiVsZone = sedona.sql(
    "SELECT zone, zipcode, pickup, Fare_Amt FROM zoneDf, taxiDf WHERE ST_Contains(zone, pickup)"
)

前者是包围盒空间过滤，后者以 ST_Contains 谓词完成"点与面"的空间连接。

六、适用场景与限制

6.1 适用场景

• 数据规模超出单机空间数据库承载能力：城市级/国家级轨迹、出行、物流、位置广告等海量点线面数据的分布式分析。
• 空间数据已是数仓/湖仓一环：希望直接在 Spark/Flink/湖仓表上做空间计算，而不是把数据搬进 PostGIS。
• 需要跨平台迁移空间分析逻辑（Spark、Flink、Snowflake 同构 API）。
• 空间连接密集型任务：大规模点-面、面-面关联分析。

6.2 限制

• Sedona 是计算层扩展，不含空间数据库的事务、磁盘索引与在线服务能力，这类需求仍需 PostGIS 等数据库。
• 平台覆盖随版本变化：旧 Spark 3.0 构件线止于 1.6.1，升级引擎版本时需核对官方构件矩阵。
• 空间函数覆盖面不及 PostGIS 丰富，极端复杂的空间分析（拓扑、栅格高级处理等）需评估函数可用性。
• 需要具备 Spark/Flink 运维能力，团队若无大数据平台基础，引入门槛高于单机数据库方案。

七、同类选型对比

以下数据均为 2026-10-18 联网实查：stars 来自各 GitHub 官方仓库页，最近发版来自各项目官方 Releases 记录，许可来自各项目仓库许可文件。

选型建议：数据在 PostgreSQL 可承载范围内优先 PostGIS（功能最全、事务在线能力强）；数据在 Spark/Flink/湖仓且规模巨大时选 Sedona 1.9.1；以 Accumulo/HBase 为存储底的时空查询场景选 GeoMesa；已深度使用 BigQuery 且不要求开源许可时可直接用 BigQuery GIS。

八、参考链接

1. 官网：https://sedona.apache.org/
2. GitHub 官方仓库：https://github.com/apache/sedona
3. 官方 README（示例代码出处）：https://github.com/apache/sedona/blob/master/README.md
4. Maven Central 构件目录：https://repo1.maven.org/maven2/org/apache/sedona/
5. GitHub Releases（版本记录）：https://github.com/apache/sedona/releases
6. ASF 项目体系：https://projects.apache.org/