Пространственный SQL и пространственные соединения теперь выполняются в Lakehouse//RT и работают до 38 раз быстрее по сравнению с традиционными облачными хранилищами данных.
Ранее в этом году мы выпустили Spatial SQL в общей доступности на Databricks: это включает поддержку типа данных GEOMETRY, более 100 пространственных функций, высокопроизводительные пространственные соединения, карты AI/BI и Delta Sharing. Типы данных GEOMETRY и GEOGRAPHY являются частью открытого озера данных (open lakehouse), доступны в Apache Spark и поддерживаются в тех же базовых файлах Parquet, которые используются в Delta и Iceberg v3. Клиенты из сфер страхования, сельского хозяйства, энергетики, телекоммуникаций, ритейла, логистики и других отраслей внедрили это решение для консолидации геопространственных рабочих нагрузок на единой управляемой платформе.
Организации, использующие как пространственные OLAP-нагрузки, так и приложения на основе определения местоположения в реальном времени, стремятся к высокой производительности и высокой степени параллелизма. Многие из таких организаций по-прежнему полагаются на традиционные хранилища данных и создают специализированные архитектуры для пространственных приложений, иногда управляя отдельным стеком на базе PostGIS для каждого конкретного сценария только ради соответствия требованиям к задержкам. Отдельные стеки приводят к увеличению числа копий данных, усложнению конвейеров синхронизации и росту издержек на управление.
Теперь Databricks поддерживает 4 ключевых направления для геопространственных нагрузок: Lakehouse для долго выполняющихся пространственных OLAP-нагрузок, Lakebase для пространственных OLTP-задач, приложений и агентов, Databricks Apps для специализированных интерфейсов и новое хранилище данных Lakehouse//RT для аналитики в реальном времени.
В этом блоге рассказано о том, что Lakehouse//RT дает для пространственных нагрузок, обеспечивая прирост производительности до 38 раз в условиях высокого параллелизма.
ОКТ 2026 Геопространственная производительность в Lakehouse//RT
Мы провели тестирование Lakehouse//RT в сравнении с традиционным облачным хранилищем данных наборе пространственных запросов с использованием SpatialBench. Для сравнения, Lakehouse//RT работает в среднем в 3 раза быстрее, а на некоторых протестированных запросах — до 20 раз быстрее.
При высокой нагрузке разница в производительности становится еще более значительной. При 50 одновременных пользователях Lakehouse//RT обеспечивает ускорение до 38 раз на тех запросах, с которыми традиционное хранилище еще могло справиться.
Попробуйте сами: следуйте документации SpatialBench для генерации синтетических данных, используемых в бенчмарк-запросах из этого page.
Взгляните на запрос №8. В соответствии с лучшими практиками рекомендуется удалить вызов ST_GeomFromWKB, который преобразует данные, хранящиеся в формате WKB (well-known binary), и вместо этого использовать нативные типы данных GEOMETRY. Использование нативных типов данных позволяет применять оптимизацию запросов и пропуск файлов для достижения наилучшей производительности.
Три основных вывода:
- Lakehouse//RT работает до 38 раз быстрее, сохраняя высокую производительность при высоком параллелизме. Даже если исключить наиболее значительное улучшение запроса, среднее ускорение составляет более 3,5 раз.
- Lakehouse//RT работает до 20 раз быстрее при параллельном выполнении одиночных запросов. Каждый пространственный запрос из бенчмарка выполняется на Lakehouse//RT быстрее.
- Не требуется изменение запросов или новые лицензии. Пространственные рабочие нагрузки переносимы в Databricks: те же пространственные запросы, которые вы выполняете сегодня в SQL Serverless, могут выполняться на Lakehouse//RT без изменения кода.
Сценарии использования Spatial SQL, получающие выгоду от Lakehouse//RT
Spatial SQL в Databricks уже обслуживает широкий спектр отраслей. С помощью Lakehouse//RT рабочие нагрузки могут выполняться с той скоростью в реальном времени, которую требуют приложения. Вот несколько примеров:
- Телекоммуникации и ритейл: Оценка качества сигнала абонентов в зонах покрытия и анализ пересечения торговых зон для новых точек продаж.
- Энергетика и природные ресурсы: Пересечение расположения скважин с земельными участками аренды, маршрутов трубопроводов с коридорами пригодности, а площадок возобновляемой энергетики — с рельефом и инфраструктурой.
- Страхование и риски: Сопоставление страховых полисов с прогнозируемыми траекториями штормов и расчет застрахованных рисков, предоставление обновлений прогнозов в реальном времени партнерам по перестрахованию.
- Логистика и доставка: Мгновенное назначение заказов в ближайшую зону обслуживания.
- Безопасность и наблюдаемость: Сопоставление сигналов об угрозах с географическими границами и выполнение поисковых запросов «точка в многоугольнике» для дашбордов и агентов при высоком параллелизме.
Начало работы со Spatial SQL в хранилище данных реального времени
Spatial SQL в Lakehouse//RT теперь доступен в режиме Beta. Чтобы начать работу:
- Создайте хранилище реального времени Lakehouse//RT на странице SQL Warehouses
- Запустите существующие пространственные запросы; изменение кода не требуется
- Ознакомьтесь с документацией Spatial SQL для получения полного справочника функций
Часто задаваемые вопросы
Что такое Lakehouse//RT?
На конференции Data + AI Summit 2026 мы представили Lakehouse//RT — новое хранилище данных Databricks в реальном времени, созданное для обеспечения миллисекундной производительности запросов при масштабном параллелизме непосредственно поверх данных вашего озера. Lakehouse//RT был разработан для решения конкретной проблемы: по мере того как организации расширяют доступ к данным для пользователей, приложений, дашбордов и ИИ-агентов, им требуется скорость отклика в реальном времени без копирования данных в отдельный обслуживающий слой. Тестировавшие предварительную версию клиенты отметили значительно лучшую общую производительность Lakehouse//RT по сравнению с традиционными слоями обслуживания в реальном времени: задержка составляла всего от 10 мс, а параллелизм достигал 12 000 запросов в секунду.
Могу ли я выполнять пространственный SQL в реальном времени в озере данных?
Да. Пространственный SQL и пространственные соединения теперь работают в Lakehouse//RT, поэтому вы можете выполнять геопространственные запросы с низкими задержками и высоким параллелизмом непосредственно в ваших управляемых таблицах Delta и Iceberg. Нет необходимости копировать данные в отдельную геопространственную систему или слой обслуживания аналитики в реальном времени.
Нужно ли мне изменять свои запросы?
Нет. Те же пространственные функции и пространственные соединения, которые вы сегодня запускаете в Databricks SQL Serverless, работают в Lakehouse//RT без изменения кода. Вы получаете ускорение, просто создав хранилище Lakehouse//RT и направив на него свои существующие запросы.
Насколько быстрее Lakehouse//RT выполняет пространственные запросы?
В прямых тестах против традиционного хранилища данных Lakehouse//RT выполняет пространственные запросы до 38 раз быстрее при высокой нагрузке. В среднем запросы из бенчмарка выполняются в 3,5 раза быстрее, даже если исключить самый максимальный прирост.
Доступен ли Spatial SQL в Lakehouse//RT прямо сейчас?
Spatial SQL и пространственные соединения доступны в Lakehouse//RT в режиме Beta. Чтобы начать работу, создайте хранилище Lakehouse//RT на странице SQL Warehouses и запустите существующие пространственные запросы без изменения кода.
Если я смоделировал свои данные с использованием системы сетки H3, могу ли я использовать функции H3 наравне с функциями Spatial SQL в Lakehouse//RT?
Да. Все выражения H3, поддерживаемые в Databricks Lakehouse, теперь поддерживаются и в Lakehouse//RT. Подробнее об H3 читайте здесь.
Поддерживает ли AI/BI карты с типами данных Geometry и Geography?
Да. Вы можете создавать карты, использующие нативные типы данных geometry и geography, в дашбордах AI/BI. Подробнее читайте здесь.
