数据查询工具支持对数据的过滤，包括属性过滤和空间关系过滤；也支持对数据执行复杂统计分析，例如：通过Count、Sum等聚合函数对数据进行统计；通过st_area等地理空间操作函数计算空间对象的面积等。
数据查询相关工具各有各的特点，下面分类进行介绍，您可以根据数据查询需求，选择合适的工具。
-
ECQL查询：
相关工具：
- 要素数据集ECQL查询
- 数据库ECQL过滤读取
ECQL是为了解决CQL的局限性而出现的一个CQL的扩展版本，ECQL消除了CQL的限制，更加灵活，且与SQL有很强的相似性；ECQL查询语言能够屏蔽数据库方言，这是优于SQL语言之处，但是ECQL只支持过滤，不能像SQL那样支持复杂统计分析能力，且ECQL支持的空间函数数量少，约十几个。
此外，数据库ECQL查询工具是直接在数据库（目前仅支持访问PostGIS和Oracle Spatial数据库）中查询，因此，可以借助数据库索引，获得较高的查询性能。ECQL查询工具常用于从全量数据过滤读取出部分数据参与后续的运算。
-
Spark SQL查询：
相关工具：
- SQL查询
- 数据集SQL查询
Spark SQL是Spark框架中提供SQL查询能力的模块，能够让不熟悉编程语言的人使用简单的SQL语句就能对分布式数据进行查询和分析。Spark SQL引入了结构化数据存储方式DataFrame，使我们能使用SQL语句进行分布式数据的读取和计算，DataFrame的底层仍然是RDD，因此，Spark SQL最终是在Spark中执行，完全在内存中完成计算，而与数据库无关，同时，这也省去了中间结果的存储，可以提供更加便捷的数据处理能力，适合在复杂在业务流程中使用。
Spark SQL相关的数据查询工具基于内部的FeatureRDD和DataFrame的互转能力，可以支持对传入的DataFrame和FeatureRDD两种数据类型执行Spark SQL查询。
关于Spark SQL查询能力方面，不仅可以使用Spark SQL原生的查询能力，而且可以使用SuperMap扩展的空间数据操作能力（扩展是基于 Spark SQL 的用户自定义函数。（User-defined Function, UDF），提供一系列满足OGC标准的 OpenGIS Simple Feature访问-SQL规范的地理空间数据操作UDF函数，这些函数以st_开头。）
总结一下，数据查询各类工具的特征：
- SparkSQL查询工具，都是对FeatureRDD和DataFrame两种内存数据执行查询，而要素数据集ECQL查询工具是基于FeatureRDD内存数据执行查询，因此，这两种查询均与数据库无关。
- ECQL查询工具，直接对数据库查询，可以借助数据库索引实现高效数据查询，但支持的数据库有限，仅支持PostGIS和Oracle Spatial数据库。
- 查询能力方面，ECQL查询只支持对数据过滤，无法完成更复杂的统计分析，而SparkSQL查询可以完成复杂统计分析，对数据的操作更加灵活。