Büyük ölçekli veri tabanlarında coğrafi birleştirmeler (geo joins), özellikle ST_Intersects gibi uzamsal fonksiyonlar kullanıldığında ciddi performans sorunlarına yol açabilir. Bu tür işlemler, veritabanlarını her bir değeri diğeriyle karşılaştırmaya zorlayarak karmaşıklığı karesel seviyeye çıkarır ve pahalı uzamsal fonksiyonların tekrar tekrar çalıştırılmasına neden olur. Geleneksel veritabanı optimizasyonları, örneğin hash birleştirmeler, bu senaryoda temiz bir birleştirme anahtarı olmadığı için etkili olamaz ve bu da geliştiriciler için büyük bir sorun teşkil eder.
Floe, bu sorunu Uber tarafından geliştirilen H3 indekslerini kullanarak çözüyor. H3, Dünya'yı hiyerarşik, çoğunlukla altıgen hücrelere bölen bir sistemdir. Bu hücreler, hem farklı çözünürlük seviyelerinde kullanılabilir hem de BIGINT gibi kompakt anahtarlara sahiptir; bu sayede normal bir birleştirme anahtarı gibi davranır, yani hashlenebilir ve sıralanabilir. En önemlisi, bir coğrafi şekli kapsayan hücre kimlikleri kümesi olarak temsil etmemizi sağlar. İki şekil kesişiyorsa, H3 hücre kümeleri en az bir ortak hücreye sahip olacaktır.
Bu temel fikir, "bu şekiller kesişiyor mu?" sorusunu "bu iki küme örtüşüyor mu?" sorusuna dönüştürmeyi mümkün kılar. Veritabanı, bu ikinci soruyu hızlı bir tam sayı eşleştirme birleştirmesi olarak yürütebilir. Floe'nin yaklaşımı, öncelikle her iki coğrafi veri kümesi için H3 kapsama alanları oluşturur, ardından bu H3 hücreleri üzerinde hızlı bir birleştirme yapar. Elde edilen aday çiftler üzerinde, orijinal, pahalı uzamsal fonksiyon yalnızca çok daha küçük bir alt küme üzerinde çalıştırılır. Bu sayede, gereksiz hesaplamalar büyük ölçüde azaltılarak coğrafi birleştirme işlemleri 400 kata kadar hızlandırılabilir.
H3 indekslerinin kullanımı, büyük ölçekli coğrafi veri birleştirme işlemlerinin performansını dramatik bir şekilde artırarak, karmaşık uzamsal sorguların verimli bir şekilde yürütülmesini sağlıyor.