GeoMesa編譯與二次開發專欄（2） — GeoMesa簡介
本篇參考的文件與部落格：
1、GeoMesa官網介紹：https://www.geomesa.org/documentation/index.html
2、阿里雲-GeoMesa開發指南：https://help.aliyun.com/document_detail/87287.html
3、HuFeiHu-Blog的部落格：https://blog.csdn.net/u011596455/article/details/75868609
4、barrycug的部落格：https://www.jianshu.com/p/b031be6bf486
5、蕭博士的部落格：https://blog.csdn.net/xiaof22a/article/details/80288096
說明
本篇部落格立足於“總結+學習”的出發點，對網上現有的關於GeoMesa的資料進行總結，便於大家也便於自己對GeoMesa有一個較全面的認識。在此，筆者衷心感謝上述各位博主的分享。
簡介
1、GeoMesa 是由locationtech開發的一套開源的地理大資料處理工具套件，可在分散式計算系統上進行大規模的地理空間查詢和分析，可幫助使用者管理、使用來自於物聯網、社交媒體、手機應用的海量的時空資料。
2、GeoMesa以分散式時空索引為核心，在此基礎上基於不同的NoSQL資料庫提供資料管理工具，並以統一的介面對外提供服務，衍生出了多個開源專案 — 目前多個活躍的開源專案(如GeoTrellis,GeoWave，GeoDocker等)都提供了對GeoMesa資料來源的支援。
定位
GeoMesa 是一個基於NoSQL的時空資料管理（儲存、查詢）與分析引擎。
使用場景
1、基礎地理資訊資料管理：GeoMesa提供的高效時空索引系統，允許使用者使用NoSQL資料庫對點、線、面等空間要素進行分散式儲存與快速查詢。
2、大規模感測網實時資料管理：GeoMesa可以與Apache Streams、Kafka、Spark等專案進行無縫銜接，用來儲存和管理實時的流式資料並進行實時分析。
3、大規模軌跡資料管理：GeoMesa提供了針對隨時間連續變化的軌跡資料的儲存模型，並提供了TubeSelect等空間查詢演算法實現基於軌跡資料的時空查詢演算法。
4、海量資料統計分析：GeoMesa提供了多種如KNN、直方圖、熱點分析等空間分析演算法，允許使用者進行空間大資料的實時分析挖掘。
儲存、查詢
1、使用 key-value資料庫儲存資料，按照鍵值對的形式進行組織、索引和儲存。將海量的時空資料（如基礎地理資訊資料、感測網實時資料、GNSS軌跡資料等）儲存到Accumulo，HBase，Google Cloud Bigtable和Cassandra資料庫（雲端儲存架構）中， Accumulo，HBase和Google Cloud Bigtable等資料庫對這些鍵進行排序，可將它們儲存在任意數量的節點（伺服器）上，並提供高效的索引來讀取、查詢資料。2、可以和Apache Storm一起處理流資料，並使用Spark進行空間分析；基於Apache Kafka提供了時空資料的近實時流處理功能。
3、支援Common Query Language (CQL)，支援指定空間條件（距離和範圍）的快速查詢；通過GeoMesa API或GeoTools API進行查詢等操作。
4、與關係資料庫不同的是，key-value資料庫中頻繁使用key進行查詢；GeoMesa根據時空資料的特點，實現生成包含時空資訊的Key的演算法（Z曲線）；Z曲線上的每個點都可賦予一個順序值，GeoMesa通過此順序值將經緯度表示為一個整數，將二維資料降為一維資料作為key使用。Z曲線支援多維資料，因此GeoMesa支援將多維資料降為一維資料，作為key使用。
資料訪問與視覺化
1、通過實現GeoTools介面，提供通過標準OGC介面（WMS、WFS、WPS、WCS)訪問資料的能力；通過這些介面，使用者可以方便對GeoMesa處理的資料進行展示和分析，比如查詢、直方圖、時間序列分析等。
2、以GeoServer外掛的形式為GeoServer提供讀取GeoMesa表的功能。在GeoServer中，GeoMesa資料來源以表的形式存在。
3、整合GeoServer提供視覺化功能。
架構
資料匯入
多種資料匯入方式，包括GeoMesa命令列工具，Hadoop的map-reduce作業以及Apache Storm的實時資料流。
其他
關於GeoMesa-Hbase
1、優點：
1）提供了多種空間索引方式供使用者靈活選擇。
2）提供了基於Coprocessor的空間查詢方式，將計算過程放置在server端，能夠減少通訊開銷，從而獲得很好的效能提升。
3）提供了豐富資料入庫、操作等工具，便於使用者處理資料。
4）提供了多種空間資料分析演算法，如KNN、直方圖、熱點分析、TubeSelect等。
5）基於OGC標準設計，便於系統間的整合與互操作。
6）基於RDBMS Spatial的雲資料庫產品(如Postgresql、Oracle)缺乏時空融合操作，在PB級大規模時空資料處理能力以及儲存可擴充套件性方面有待提高。而HBase for GeoMesa支援時空融合操作和分散式索引演算法，實現了多源異構資料的一體化管理和高效計算，並在此基礎上提供大規模分散式儲存及跨結點容災備份支援。同時基於雲平臺的HBase for GeoMesa可以幫助使用者應對系統運維、資料安全性等方面的挑戰，使使用者把主要精力放在時空資料的組織與應用設計上來，並節省大量的成本。
2、缺點：
目前不支援柵格資料儲存；空間索引基於Z曲線與GeoHash設計，存在位置突變等問題，仍有改進空間。