随着移动互联设备的普及和卫星定位系统的发展,海量的空间数据也随之产生,大规模空间数据中蕴含着丰富的价值,空间数据的分析挖掘是一项意义重大的工作。空间连接是空间数据分析的一个基本算子,具有广泛的应用场景,然而目前对该运算的分布式实现并不是很完善。分布式空间连接一般使用分而治之的思想来实现,先将整个空间范围划分成多个小范围的空间分区,然后对每个空间分区内的数据,利用单机的空间连接算法在分布式集群上并行地计算。但是现有技术对空间范围的选择过大造成过多无效计算,空间分区的划分没有兼顾两个数据集的空间分布从而引发负载均衡问题,在并行计算的实现细节上也存在诸多需要优化的地方,另外对空间连接的种类和空间数据类型的支持也不够完善。基于此,本文对分布式空间连接进行了全面详细的研究,论文的主要工作内容包括:（1）提出了一种分布式空间距离连接算法。首先缩小了全局域的选取范围,高效地过滤掉了对最终结果没有贡献的无效数据。其次,兼顾两个数据集的空间分布,利用两个数据集的样本对全局域进行划分,得到两份空间分区并进行合并生成一个兼顾了两个数据集空间分布的空间分区,实现分布式计算中的负载均衡。另外,对空间距离自连接的情况做了特殊优化。最后使用公开的全球空间数据做了对比实验,实验结果表明本文提出的空间距离连接算法的性能优于现有的技术。（2）提出了一种分布式空间k最近邻连接算法。首先给出了分布式空间k最近邻连接的两轮计算方法,第一轮计算得到空间对象的最小扩展距离,第二轮计算得到精确解。然后对两轮计算中存在的不足进行分析并给出了合理的优化方案,大大减少了计算过程中网络间的数据传输和不必要的计算。最后基于公开的全球空间数据做了对比实验,实验结果表明本文的空间k最近邻算法的性能优于现有技术,提出的优化策略效果明显,且本文实现的k最近邻连接支持所有的空间数据类型,具有很强的通用性。（3）基于Spark分布式计算框架实现了提出的算法,并将其封装成API。首先利用Spark提供的接口实现了本文提出的分布式空间连接算法。然后将本文的代码实现封装成API供第三方使用,包括基于Spark Core的RDD形式的封装和基于Spark SQL的SQL语句形式的封装。