Geospatial queries are up to 38X faster with Lakehouse//RT

Lakehouse//RT 使空间查询速度提升最高达 38 倍 | Databricks 博客

跳至主要内容

Lakehouse

2026年10月15日

Lakehouse//RT 使空间查询速度提升最高达 38 倍

Lakehouse//RT 在大规模场景下实现超低延迟空间查询

作者：Kent Marten、Matt Slack 和 Kaitlin Baumgardner

摘要

• 空间 SQL 和空间连接现在支持在 Lakehouse//RT 上运行，可直接在您的受控湖仓数据上实现超低延迟和高并发。

• 基准测试显示，Lakehouse//RT 在 50 个并发用户场景下，空间查询性能比传统数据仓库快 38 倍。

• 无需单独的空间服务层。Lakehouse//RT 上的空间 SQL 将实时性能与开放格式、Unity Catalog 治理以及完整的 100+ 空间函数库相结合。

空间 SQL 和空间连接现在可在 Lakehouse//RT 上运行，其速度比传统云数据仓库快最高达 38 倍。

今年早些时候，我们已将 Spatial SQL 带到 Databricks 的通用可用阶段：这包括对 GEOMETRY 数据类型的全面支持、100 多个空间函数、高性能空间连接、AI/BI 地图和 Delta Sharing。GEOMETRY 和 GEOGRAPHY 数据类型是开放湖仓的一部分，可在 Apache Spark 中使用，并且与 Delta 和 Iceberg v3 使用的底层 Parquet 文件格式兼容。保险、农业、能源、电信、零售、物流等行业的客户已采用该技术，将空间工作负载整合到单一受控平台。

同时拥有空间 OLAP 工作负载和实时位置应用的组织需要卓越的性能和高并发。许多此类组织仍依赖传统数据仓库，并为空间应用构建专用架构，有时甚至为每个用例单独维护以 PostGIS 为中心的堆栈，仅为了满足延迟要求。这种分离架构会导致数据副本增多、同步管道增加以及治理开销加大。

Databricks 现在支持空间工作负载的四大支柱：Lakehouse 用于长期空间 OLAP 工作负载，Lakebase 用于空间 OLTP、应用和代理，Databricks Apps 用于定制化体验，以及全新推出的 Lakehouse//RT 用于实时分析。

本文将介绍 Lakehouse//RT 在空间工作负载方面的性能表现，高并发场景下可实现最高达 38 倍的性能提升。

2026 年 10 月 Lakehouse//RT 空间性能

我们使用 SpatialBench 对 Lakehouse//RT 与传统云数据仓库进行了多组空间查询基准测试。相比之下，Lakehouse//RT 的平均速度提升 3 倍，在测试查询中最高可达 20 倍。

在高负载场景下，性能差异更加显著。在 50 个并发用户场景中，Lakehouse//RT 的查询速度比传统仓库最高快 38 倍。

亲自体验：按照 SpatialBench 文档说明，从本页面生成基准查询中使用的合成数据。

查看查询 #8。按照最佳实践，建议移除将 well-known binary 格式数据转换为 GEOMETRY 的 ST_GeomFromWKB 调用，改用原生 GEOMETRY 数据类型。使用原生数据类型可实现查询优化和文件跳过，从而获得最佳性能。

$

/$

三个要点：

• Lakehouse//RT 的性能提升最高可达 38 倍，即使在高并发场景下也能保持稳定表现。即使不考虑最显著的查询优化，平均加速效果仍超过 3.5 倍。

• Lakehouse//RT 的单查询并发性能提升最高可达 20 倍。所有空间基准查询在 Lakehouse//RT 上的执行速度均有所提升。

• 无需修改查询或新增授权。在 Databricks 上，空间工作负载可实现跨平台兼容性。您今天在 SQL Serverless 上运行的空间查询，无需任何代码修改即可直接在 Lakehouse//RT 上运行。

可从 Lakehouse//RT 中获益的空间 SQL 应用场景

空间 SQL 已经服务于多个行业。通过 Lakehouse//RT，工作负载可以以应用程序所需的真实时速运行。以下是一些示例：

• 电信和零售：评估覆盖区域内的用户信号健康状况，分析新门店选址的商圈重叠情况。

• 能源和自然资源：将钻井位置与土地租赁区域进行交叉分析，将管道路线与适宜走廊进行比对，将可再生能源站点与地形和基础设施进行匹配。

• 保险和风险管理：将保单与预测风暴路径进行匹配，计算风险敞口价值，向再保险公司实时推送预报更新。

• 物流和配送：即时将订单分配到最近的服务区域。

• 安全和可观测性：将威胁信号与地理边界进行关联，以高并发方式向仪表板和代理提供点-多边形查询。

立即体验基于实时数据仓库的空间 SQL

Lakehouse//RT 上的空间 SQL 现已开放 Beta 测试。立即开始：

• 从 SQL Warehouses 页面创建 Lakehouse//RT 实时数据仓库

• 运行现有空间查询，无需任何代码修改

• 查阅空间 SQL 文档获取完整函数参考

常见问题

Lakehouse//RT 是什么？

在 2026 年 Data + AI Summit 上，我们发布了 Lakehouse//RT，这是 Databricks 新推出的实时数据仓库，能够直接在湖仓数据上实现百万级并发的毫秒级查询性能。Lakehouse//RT 的设计旨在解决一个特定问题：当组织需要在用户、应用、仪表板和 AI 代理之间扩展数据访问时，无需将数据复制到独立的服务层即可实现实时响应。试用客户发现，与传统实时服务层相比，Lakehouse//RT 的整体性能显著提升，延迟低至 10 毫秒，每秒并发查询高达 12,000 个。

是否可以在湖仓上实时运行空间 SQL？

是的。空间 SQL 和空间连接现在可以在 Lakehouse//RT 上运行，因此您可以直接在受控的 Delta 和 Iceberg 表上以低延迟和高并发处理地理空间查询。无需将数据复制到独立的地理空间系统或实时分析服务层。

是否需要修改查询？

不需要。您今天在 Databricks SQL Serverless 上运行的空间函数和空间连接，无需任何代码修改即可在 Lakehouse//RT 上运行。您只需创建 Lakehouse//RT 数据仓库并让现有查询指向它，即可获得性能提升。

空间查询方面，Lakehouse//RT 的速度提升有多大？

在与传统数据仓库的直接对比基准测试中，Lakehouse//RT 在高负载场景下空间查询速度最高可提升 38 倍。即使排除最大性能提升项，平均基准查询速度仍提升 3.5 倍。

现在可以使用 Lakehouse//RT 上的空间 SQL 吗？

Lakehouse//RT 现已提供 Beta 版本的空间 SQL 和空间连接功能。要开始使用，请从 SQL 仓库页面创建 Lakehouse//RT 仓库，然后无需修改代码即可运行现有的空间查询。

如果我使用 H3 网格系统对数据进行了建模，是否也可以在 Lakehouse//RT 上使用 H3 函数以及空间 SQL 函数？

是的。Databricks Lakehouse 支持的所有 H3 表达式均可在 Lakehouse//RT 上使用。了解更多关于 H3 的信息。

AI/BI 是否支持包含几何和地理数据类型的地图？

是的。您可以在 AI/BI 仪表板中创建使用原生几何和地理数据类型的地图。了解更多。

订阅博客获取最新文章

订阅我们的博客，即可将最新文章发送到您的邮箱。

立即订阅

查看所有博客文章

slice-start id="_gatsby-scripts-1"

slice-end id="_gatsby-scripts-1"