分布式并行计算下GML空间数据复制同步更新机制研究

摘要

GML作为一项地理信息共享标准,当前在单机环境上的存储管理理论已日趋成熟,国内先后有相关方面的研究成果,但在分布式存储并行计算环境下的理论则尚未有显著成果。分布式并行计算概念在国内外已经趋之若鹜,前几年在学术界兴起的网格计算,当今热门的云计算,以及物联网、智慧城市等,都涉及到分布式存储和并行计算处理范畴。随着知识发现与技术进步,越来越多的数据需要用空间构成3D,甚至加上时间构成4D来呈现在人们面前,这些数据是相当海量的,单机情况下的存储已经不能适应大数据量的存储处理要求,而且涉及到空间数据格式问题,为此研究分布式存储海量数据、高性能并行计算处理GML数据就是必然的。
　　本文以单机环境 GML相关存储管理理论为基础,研究分布式并行计算下GML空间数据同步复制和更新相关方面的理论,并以分布式开源数据库MongoDB为例进行实验和测试,主要包括以下4个方面:
　　(1)分布式GML存储,提出分布式GML空间数据库内涵和3种设计方案,并以开源NoSQL数据库MongoDB为例,设计相关分布式存储方案和索引查询语言,提出云GML管理理论,并在实验中搭建分布式环境进行验证;
　　(2)并行GML同步复制策略,对传统空间数据库和分布式空间数据库进行说明,阐述分布式数据库复制体系结构和原理,以 ArcGIS10的GDB版本化同步复制为参考,提出分布式GML数据“要素分组”同步复制策略,以此处理海量GML数据在分布式集群中分发数据处理的问题,并提出冲突及解决方案;
　　(3)分布式GML数据更新机制,分布式数据更新会造成并发和一致性问题,从分布式事务管理出发,阐述一致性更新核心技术,对ArcGIS10的长事务处理和拓扑机制进行分析,以此探讨GML几何拓扑更新一致性问题,提出分布式“GML文档化更新模型”,丰富分布式GML空间数据更新理论;
　　(4) MongoDB GML复制更新设计,根据提出的GML同步复制和更新策略,在MongoDB搭建的分布式并行计算环境中,试验分布式GML数据同步复制和更新效率,使用分布式测试工具JMeter来测试执行情况;
　　最终通过在分布式并行计算环境中,对GML空间数据存储管理做了底层研究,从而深入研究了其分布式数据复制和同步更新的效率机制,为GML在分布式并行计算领域开拓了一片天地。

目录

封面

中文摘要

英文摘要

目录

第一章 绪论

1.1选题的目的和意义

1.2 国内外研究现状

1.3 研究内容与技术路线

1.4论文创新点

1.5 论文结构安排

第二章 分布式空间数据库复制概述

2.1 分布式空间数据库

2.2 数据复制模型与体系结构

2.3 ArcGIS10空间数据版本化复制

2.4 小结

第三章 并行GML同步复制策略

3.1 GML相关理论

3.2 GML并行同步策略设计

3.3 同步冲突及解决方案

3.4 小结

第四章 分布式GML数据更新机制

4.1 分布式数据一致性协议

4.2 分布式GML空间数据一致性更新

4.3 小结

第五章 MongoDB GML存储复制更新

5.1 MongoDB GML云存储

5.2 MongoDB GML查询与索引设计

5.3 MongoDB GML复制更新

5.4 小结

第六章 实验与测试

6.1 系统架构与分布式环境搭建

6.2 分布式测试JMeter

6.3 实验

6.4 小结

第七章 总结与展望

7.1 论文总结

7.2 分布式并行计算下GML研究展望

参考文献

致谢

个人简历

攻读硕士学位区间科研成果