一、什么是GeoWave

GeoWave是一个开源库，它将数据从分布式数据库摄取进来，以键值对的形式存储，并建立多维度索引，然后提供给GeoServer等外部应用。经过GeoWave的针对性处理，分布式数据库中的数据能够为地理空间信息软件所用，并具有良好的性能。可见GeoWave是一种中间件，将分布式计算框架与现代地理空间软件连接起来，在二者之间架起一道桥梁，提供存储、检索和分析海量的地理空间数据集的服务，就好像PostGIS为PostgreSQL所做的工作一样。从开发人员的角度来看，GeoWave实现了 GeoTools 工具包的矢量数据提供程序，以便从分布式环境中读取特征（几何和属性）。

注：PostGIS是PostgreSQL的空间数据库扩展，它使得地理信息对象可以在sql里面进行检索和操作。
在这里插入图片描述

如上图所示，GeoWave在HBase和GeoServer之间充当中间件，将HBase的数据处理后提供给GeoServer，GeoServer发布成地图服务，前端调用该服务绘制出热点图。所谓的处理，是将数据从HBase等分布式数据库中摄取进GeoWave自身的存储库，建立索引，其实就相当于优化过了，然后再提供给GeoServer等外部应用。

注：Hbase是面向列的存储结构，而实际存储单元里存储的都是KeyValue结构。在看Hbase的API中，发现Hbase的API中就有KeyValue类，这个KeyValue类就是Hbase中数据存储的基本类型。

二、为啥要用GeoWave

（一）GeoWave的优势

小可斗胆总结如下：

1、速度快，性能好
如前所述，GeoWave通过摄取，将数据从分布式数据库读取到自身存储库，并建立索引，这些索引是多维的，说明适用性很广；

2、存储结构为键值对，使用起来十分方便；

3、为键/值存储方式添加了对地理对象和地理空间运算符的支持；

4、提供 GeoServer 插件以允许通过 OGC 标准服务共享和可视化来自键/值存储的地理空间数据

5、为地理空间数据的分布式处理和分析提供Map-Reduce输入和输出格式

6、基于GeoTools的扩展模型，能够天然集成兼容GeoTools的系统，如GeoServer和UDi；反过来，也能摄取GeoTools兼容的数据源。

7、是一个开源框架

8、支持多种后端：

Apache Accumulo
Apache Cassandra
Apache HBase
Apache Kudu
Google Cloud Bigtable
Redis
RocksDB

Apache Accumulo® 是一种排序的分布式键/值存储，可提供强大、可扩展的数据存储和检索。

（二）GeoServer需要中间件连接地理空间信息存储库

GeoServer是地图服务器，简而言之，就是对外提供地图服务，好比ArcgisServer。那么，既然ArcgisServer可以直接连oracle等数据库，为何GeoServer不能直接连接HBase，偏偏要在中间通过GeoWave充当中间件？

从我查找的资料看，GeoServer还真不能直接连HBase。它不通过GeoWave连接，也要通过其他中间件，比如GeoServer也可以通过一个叫GeoMesa的插件与HBase连接，总之是要有中间件。事实上，oracle其实也并不天然支持空间数据，需要附加Arcgis的空间数据类库才可以。这个类库，其实也相当于一个中间件。中间件的作用很好理解，在应用与数据库或操作系统之间架起一道桥梁，屏蔽底层大量细节，提供数据适配和转换，减轻应用复杂度等。正因为有了GeoWave等中间件，GeoServer才能读取HBase里的数据，然后通过地图服务的形式供外部访问和使用。

（三）GeoWave与GeoMesa的比较

既然GeoWave和GeoMesa都是GeoServer与分布式数据库之间的中间连接件，它们相比究竟如何？

二者都是开源的地理空间大数据框架。在性能表现方面：
1、GeoMesa查找大结果集的表现较好，GeoWave查找小结果集表现更佳；
2、GeoMesa查找时空小范围表现较好（如两周或者更短的时间范围），GeoWave查找时空大范围表现较好;
3、GeoMesa在处理非点（则应该是线、面）数据集的案例中表现较好，而GeoWave则对点数据处理得很好？
4、GeoWave 在多租户用例中优于 GeoMesa。

结论就是，GeoWave和GeoMesa都是处理地理空间大数据的框架，二者都可以选用作为处理地理空间大数据解决方案。如果是要搞一个项目，需要用到许多查询，那建议你使用GeoWave。在许多查询的情况下，GeoMesa有较为严重的性能问题。不过，GeoMesa在开源方面比GeoWave成熟，尽管相差并不太大。GeoWave和GeoMesa可以协作、共用，不是非此即彼的关系。实际上，我们可以将 GeoMesa 和 GeoWave 迭代器安装在同一个 Accumulo 集群上，并将某些数据保存在 GeoMesa 表中，同时将其他数据保存在 GeoWave 表中。这些技术都是兼容的。

三、GeoWave的技术点

（一）特点

1、伸缩性

GeoWave设计成既可以在单个节点上运行，也可以根据需要扩展成多个数据或资源处理节点。利用分布式计算集群和服务器端细粒度过滤，GeoWave在包含数十亿空间特征值（feature）的数据集中进行交互处理或特定查询性能超卓，准确度百分百。

2、可插拔后端

GeoWave致力于成为一个多维度的索引层，放置于任意排序的键值对存储库之上。最初选用Accumulo作为目标架构，之后陆续增加了其他一些服务器后端。实际上，所有允许前置范围搜索的存储库都可以直接作为GeoWave的扩展插件。

3、模块化框架

GeoWave的架构设计成通过接口定义，特别容易使用函数式单元进行扩展。GeoWave提供了涵盖大部分情况的接口的默认实现，但也容许轻松扩展和平台集成，弥合分布式技术之间的鸿沟，降低程序员学习成本。意图很明显，一方面90%的功能都已经具备，开箱即用；但也可以轻松扩展，方便集成其他平台。

4、自描述数据

GeoWave将操作数据所需的信息，比如配置和格式，存储在自身的数据库中。这使得软件可以编程去查询单个或一组GeoWave实例的所有数据，不需要客户端、应用服务器，或其他扩展存储库配置。

（二）架构

在这里插入图片描述

1、键结构（Key Structure）

GeoWave采用键值对形式存储数据。
在这里插入图片描述
键结构由两个接口描述：GeoWaveKey 和 GeoWaveValue。如何使用这些结构存储 GeoWave 数据，取决于数据存储如何实现，因此最终结构可能因实现而异。

2、数据存储（Data Stores）

数据存储是GeoWave功能的集中体现。其中包括元数据，统计信息，索引和适配器。GeoWave数据存储通常使用一组配置参数来访问，这些参数定义了如何连接底层的键值对存储库。使用命令行界面工具（Command-Line Interface，CLI)时，配置好的这些参数可以起一个名字，在本地保存下来，方便之后继续使用。
在这里插入图片描述
GeoWave 数据存储由几个不同的组件组成，每个组件管理系统的不同方面，例如适配器存储、索引存储、统计存储等。大多数时候，直接使用这些组件不是必需的，因为大多数 GeoWave 任务可以通过使用 DataStore 接口来完成。

3、索引（Indices）

GeoWave查询性能很快，是因为数据建立了索引。索引使用一组给定的维度来确定数据的存储顺序。索引由两部分组成：通用索引模型和索引策略。其中通用索引模型定义维度数，索引策略则规定这些维度如何用于构建数据的存储。比如，一个时空索引可能会有3个维度：纬度、经度和时间，则通用索引模型就包含这3个维度。数据适配器负责将原始数据的属性与通用索引模型中的维度相关联。当数据添加到 GeoWave 时，系统会应用索引策略来确定数据的 Partition Key 和 Sort Key。确定使用哪种索引策略取决于数据的性质和将要执行的查询类型。
在这里插入图片描述
不知为何，介绍GeoWave的索引的图，无一例外地都是弯弯曲曲的，这是什么鬼？可能是地理空间数据的一种特征吧。上图所示，感觉这些索引很像链和指针。

4、适配器/数据类型

为了处理多种输入数据类型，适配器需要描述输入数据类型，以便转换成GeoWave可以理解的格式。除此之外，GeoWave提供默认支持SimpleFeatures的数据适配器实现，范围覆盖大部分的矢量数据。
在这里插入图片描述
一个例子是从shapefile文件摄取数据到GeoWave。在摄取过程中，会创建适配器描述和转换shapefile文件中所有的feature，使得GeoWave能够以优化的格式索引并存储这些数据。当这些数据将来被用户读取，适配器再将它们转换回SimpleFeature数据。