在 spark scala 中使用地理空间过滤两个纬度/经度之间距离的最快方法

如何解决在 spark scala 中使用地理空间过滤两个纬度/经度之间距离的最快方法

我有两个大文件，我有纬度和经度。我正在尝试过滤掉 500 米内的所有记录。

我已按照以下步骤操作。

1.首先，我在 abs(lat1-lat2)

val joindf = df1.join(broadcast(df2),abs(df1.lat1-df2.lat2) < 0.01 && abs(df1.long1-df2.long2) < 0.01) //将进行交叉连接并返回 5 公里内的所有行。

2. 之后我计算了距离（基本上调用 custum 函数，它采用 lat1,lat2,long1,long2 及其以米为单位的返回距离）。

3.之后我添加了过滤条件，如距离

但上述步骤在小数据集上运行良好，但不适用于大数据。第 1 步大约需要 4 天。

请帮帮我，我们可以使用 geospatail 解决这个问题吗？我已阅读该文档，但我是 Spark 新手。请帮帮我。

像这样的数据框样本。

数据框 1

Tehsil  district    Type    Code    POP V_Lat   V_Long
Tulsipur    Balrampur   NON Census Village  0   0   27.594705   82.334491
Tulsipur    Balrampur   NON Census Village  0   0   27.605287   82.34746
Tulsipur    Balrampur   NON Census Village  0   0   27.573511   82.336592
Tulsipur    Balrampur   NON Census Village  0   0   27.582564   82.355718
Tulsipur    Balrampur   NON Census Village  0   0   27.57687    82.322748
Tulsipur    Balrampur   NON Census Village  0   0   27.583982   82.344223
Tulsipur    Balrampur   NON Census Village  0   0   27.577273   82.330141
Tulsipur    Balrampur   NON Census Village  0   0   27.569862   82.326575
Tulsipur    Balrampur   Village 173435  2702    27.584897   82.353102
Tulsipur    Balrampur   Village 173434  2552    27.592387   82.330867
Tulsipur    Balrampur   Village 173436  3506    27.5734 82.340243
Tulsipur    Balrampur   Village 173431  1693    27.599005   82.345086
Haidergarh  Bara Banki  NON Census Village  0   0   26.579465   81.461515

数据框 2

UE  Purwa Dhanauti  Haidergarh  Bara Banki  NON Census Village  0   0   26.568228   81.471936
UE  Purwa Lachhmansingh Haidergarh  Bara Banki  NON Census Village  0   0   26.569711   81.478505