基于R*的分布式空间索引算法研究

摘要

空间信息技术已被广泛应用于社会建设的各个方面，特别是随着时间的推移，需要被系统保存的数据也越来越多。如何高效率地检索、挖掘这些海量数据信息，让其发挥更高的价值，一直是研究者持续关心的问题。分布式计算平台Hadoop的出现，促进了海量空间数据处理的发展，将基于Hadoop的查询工具Hive和MapReduce相结合，可提高分布式计算的效率，但是，在具体实现过程中，如何克服由于空间数据的复杂性而造成的计算量的极速膨胀，是解决查询和分布式计算性能的关键。本文从空间数据索引入手、结合分布式开发模型MapReduce，搭建了基于MapReduce的新的分布式索引平台，并通过对R*算法进行改进后的新的DSR*算法，提高了海量空间数据索引和信息处理的效率。
　　本研究主要内容包括：⑴研究了分布式计算和空间索引的理论基础，重点分析了R*算法的优缺点以及Hadoop在MapReduce框架下进行分布式计算的实现原理。⑵分析了R*算法提高索引和查询性能的途径，并针对其不能直接应用在空间数据索引方面的问题，提出了一种改进的DSR*（Distributed Spatial R*）算法。⑶搭建了分布式计算平台Hadoop Sptial，并在此基础上通过仿真实验，验证了DSR*算法的可行性及其在提高空间索引性能方面的作用。⑷利用改进的DSR*算法，在MapReduce中实现了高性能分布式空间索引平台，并将其应用在海量空间数据的查询中。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 研究背景及意义

1.2 研究现状

1.3 本课题的研究目标以及内容

1.4 论文组织结构

第2章 理论基础

2.1 空间索引

2.2 分布式空间索引

2.3 MapReduce基础

2.4Hadoop Spatial系统

2.5 本章小结

第3章 DSR*算法的分析与研究

3.1 DSR*树结构设计

3.2 DSR*常用算法描述

3.3 DSR*算法性能分析

3.4 基于DSR*算法的索引构建

3.5 本章小结

第4章 实验验证与性能测试

4.1 实验分析

4.2 实验设备

4.3 实验数据集

4.4 DSR*算法的性能测试实验

4.5本章小结

第5章 DSR*算法在MapReduce中的具体实现

5.1 MapReduce架构设计

5.2 针对基于R*树的空间索引扩展实现

5.3 本章小结

第6章 结论与展望

参考文献

致谢

攻读硕士期间发表的论文及科研成果情况