我目前正在尝试将设备的每个lat-long ping与其邮政编码相关联。
我已经取消了lat long设备ping数据的规范化，并创建了一个跨积/笛卡尔积联接表，其中每一行都有st_point（long，lat）、geometry_shape_of_zip以及该几何体的相关邮政编码。出于测试目的，我在表中有大约4500万行，它的产量将增加到每天大约10亿行。
即使数据被展平并且没有连接条件，查询也需要大约2小时才能完成。有没有更快的方法来计算空间查询？或者如何优化以下查询。
inline是我已经执行的一些优化步骤。使用优化，除了这一步，其他所有操作最多只需5分钟即可完成。我使用的是aws群集2个主节点和5个数据节点。

set hive.vectorized.execution.enabled = true;

set hive.execution.engine=tez;

set hive.enforce.sorting=true;

set hive.cbo.enable=true;

set hive.compute.query.using.stats=true;

set hive.stats.fetch.column.stats=true;

set hive.stats.fetch.partition.stats=true;

analyze table tele_us_zipmatch compute statistics for columns;

CREATE TABLE zipcheck (

`long4` double,

`lat4` double,

state_name string,

country_code string,

country_name string, region string,

zip int,

countyname string) PARTITIONED by (state_id string)

STORED AS ORC TBLPROPERTIES ("orc.compress" = "SNAPPY",

'orc.create.index'='true',

'orc.bloom.filter.columns'='');

INSERT OVERWRITE TABLE zipcheck PARTITION(state_id)

select long4, lat4, state_name, country_code, country_name, region, zip, countyname, state_id from tele_us_zipmatch

where ST_Contains(wkt_shape,zip_point)=TRUE;

st\ U contains是esri的函数（参考：https://github.com/esri/spatial-framework-for-hadoop/wiki/udf-documentation#relationship-测试）。
非常感谢您的帮助。
谢谢。