基于HBase的空间数据云存储研究

摘要

随着GPS和北斗等定位技术的快速发展，物联网、车联网、移动互联网等基于实时定位技术的应用不断成熟，空间数据呈现井喷式增长。面对互联网环境下数据类型多，更新快，高并发访问等特征，传统的数据管理方式日益难以适应需求。因此，高效的存储和管理空间大数据，成为当下亟待解决的问题。云存储和分布式计算为上述问题的解决提供了一种新的途径。
　　本文针对目前空间数据存储管理方法的不足，利用分布式数据库HBase存储管理海量空间数据，研究了 HBase中空间数据的存储模型以及并行处理的关键技术，主要做了以下工作：
　　(1)分析了云平台下HDFS和HBase的架构和技术原理，以及MapReduce计算框架，为云计算环境下空间数据的管理奠定基础。
　　(2) HBase以一维的行键进行查询，而矢量线、面数据包含多个二维的坐标。如何将多个二维的坐标转化一维字符串，就成了HBase存储管理空间首要问题。本文基于GeoHash空间降维算法，探索适合云平台下的空间数据索引方法。
　　(3)结合HBase的NoSQL特性，设计了空间数据在HBase中的存储模型，并利用MapReduce分布式计算框架，给出了矢量线、面的并行化查询流程。
　　最后，通过实验证明，本文设计的基于 GeoHash曲线索引的 HBase空间数据存储模型，以及并行化查询流程具有良好性能。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景与意义

1.2研究现状

1.3 本文的主要工作及论文组织结构

第二章 Hadoop云平台

2.1 Hadoop平台

2.2 HBase分布式数据库

2.3 MapReduce计算框架

2.4小结

第三章 GeoHash空间索引分析

3.1 空间拓扑关系分析

3.2 GeoHash算法分析

3.3 空间对象的GeoHash格网化处理

3.4 基于GeoHash的空间表模型设计

3.5 小结

第四章 空间数据存储和索引构建

4.1 ShapeFile矢量数据处理

4.2 实验环境及数据

4.3小结

第五章 空间查询实验及结果分析

5.1 多边形区域查询

5.2 线相交查询

5.3 小结

第六章 总结与展望

6.1总结

6.2展望

参考文献

致谢