如何针对GeoJSON数据为coordinates字段定义通用Avro数组？

嘿，这个场景我熟！GeoJSON的coordinates字段确实是个典型的“同字段不同结构”案例，要在Avro里做通用定义，核心思路就是用Union类型结合多层数组，精准匹配不同GeoJSON类型的坐标结构。下面给你两种实用的实现方式：

方式一：直接定义多层数组的Union #

这种方式最直观，直接把每种GeoJSON类型对应的coordinates结构都列在Union里，一眼就能看懂对应关系：

{
  "type": "record",
  "name": "GeoJSON",
  "fields": [
    {
      "name": "type",
      "type": {
        "type": "enum",
        "name": "GeoJSONType",
        "symbols": ["Point", "MultiPoint", "LineString", "Polygon", "MultiPolygon"]
      }
    },
    {
      "name": "coordinates",
      "type": [
        // 对应Point类型：[经度, 纬度] 一维数组
        {"type": "array", "items": "double"},
        // 对应MultiPoint/LineString：[[经度, 纬度], ...] 二维数组
        {"type": "array", "items": {"type": "array", "items": "double"}},
        // 对应Polygon：[[[经度, 纬度], ...], ...] 三维数组（每个元素是环形坐标）
        {"type": "array", "items": {"type": "array", "items": {"type": "array", "items": "double"}}},
        // 对应MultiPolygon：[[[[经度, 纬度], ...], ...], ...] 四维数组（每个元素是Polygon的坐标）
        {"type": "array", "items": {"type": "array", "items": {"type": "array", "items": {"type": "array", "items": "double"}}}}
      ]
    }
  ]
}

方式二：用命名类型简化定义 #

如果觉得上面的多层数组写起来太啰嗦，可以先把重复的结构抽成命名类型，让Schema更简洁易维护：

{
  "type": "record",
  "name": "GeoJSON",
  "fields": [
    {
      "name": "type",
      "type": {
        "type": "enum",
        "name": "GeoJSONType",
        "symbols": ["Point", "MultiPoint", "LineString", "Polygon", "MultiPolygon"]
      }
    },
    {
      "name": "coordinates",
      "type": [
        "Position",
        "PositionArray",
        "PolygonRingArray",
        "MultiPolygonArray"
      ]
    }
  ],
  "definitions": {
    "Position": {"type": "array", "items": "double"}, // 单个位置：[lon, lat]
    "PositionArray": {"type": "array", "items": "Position"}, // 位置数组：MultiPoint/LineString用
    "PolygonRingArray": {"type": "array", "items": "PositionArray"}, // 环形数组：Polygon用
    "MultiPolygonArray": {"type": "array", "items": "PolygonRingArray"} // 多Polygon数组：MultiPolygon用
  }
}

关键注意点 #

1. 类型关联校验：Avro的Union只负责允许不同结构，但不会自动关联type字段和coordinates的结构。所以在业务逻辑里要额外做校验：比如当type是Point时，coordinates必须是一维数组，避免出现不符合GeoJSON规范的数据。
2. 严格遵循规范：上面的定义完全贴合GeoJSON官方结构，如果你想做更宽松的定义（比如允许任意维度的数组），可以用递归类型，但不推荐——失去类型校验的意义，反而容易引入非法数据。

内容的提问来源于stack exchange，提问作者panchicore