云环境下海量GIS时空数据存储方法的研究与实现

摘要

随着移动互联网、传感器和大数据技术的发展，与地理信息有关的时空数据量级爆炸性增长。越来越多的信息数据和应用，都与地理空间和时间有关，海量GIS时空数据的高效存储和管理变得愈加重要。时空数据本身具有空间属性和时间属性，传统的时空数据模型完全基于关系型数据库构建，服务性能、数据模式、索引性能受限。云环境下的NoSQL系统可以处理大规模数据，但是海量GIS时空数据本身结构复杂且具有一定关联性，NoSQL系统提供的索引并未针对时空数据进行优化。本文从时空数据建模、读写架构和时空索引三个方面，结合海量时空数据的特点，提出一种广泛适用于NoSQL系统的海量时空数据存储方案。 针对海量GIS时空数据本身结构复杂且具有一定关联性等特点，在时空数据建模方面提出了一种适合云环境存储、保持时空数据结构和关联性的ST-OpenGIS时空数据模型，将时空数据抽象为空间维、时间维和属性维，表述了空间维、时间维和属性维信息以及时态关系、空间拓扑关系。 针对传统GIS面临着关系型数据库读写效率低、扩展性差、数据模型不灵活、索引效率低的问题，在解决海量GIS时空数据存储方面提出了一种通用的面向海量GIS时空数据读写架构，包括客户端、NoSQL接口层和NoSQL数据层三部分。 针对NoSQL数据库时空索引能力比较弱的问题，基于MapReduce框架提出了一种改进BZ树的全局分布式DBZ索引，通过空间Z曲线编码将时空数据降维，然后结合B+树索引建立高效的索引，将节点信息存储在NoSQL数据库中，设计了索引的离线处理、在线维护和数据查询策略，实现了高性能的时空索引。 本文在以上基础上实现了原型系统，进行了功能验证和性能测试，测试结果表明该原型系统优于传统的关系型存储方案，能够达到时空数据高效存储和查询的目的。

目录

第一个书签之前

摘要

ABSTRACT

插图索引

表格索引

符号对照表

缩略语对照表

第一章 绪论

1.1 选题背景与研究意义

1.2 国内外研究现状

1.2.1 时空数据模型研究现状

1.2.2 时空大数据研究现状

1.3 论文主要工作

1.4 论文的组织结构

第二章 时空数据相关介绍

2.1 时空数据概念

2.1.1 空间信息及其语义

2.1.2 时间信息及其语义

2.2 时空数据模型

2.2.1 时空立方体模型

2.2.2 序列快照时空模型

2.2.3 基态修正时空模型

2.2.4 面向对象的时空数据模型

2.2.5 事件时空数据模型

2.2.6 图谱时空数据模型

2.3 时空索引

2.3.1 基于R-树的时空索引

2.3.2 基于空间填充曲线的时空索引

2.4 本章小结

第三章 海量GIS时空数据存储方案

3.1 海量时空数据特征和存储需求

3.1.1 海量时空数据特征

3.1.2 海量时空数据存储需求

3.2 传统空间数据存储方案介绍

3.3 ST-OpenGIS模型

3.3.1 ST-OpenGIS概念模型

3.3.2 ST-OpenGIS时态关系

3.3.3 ST-OpenGIS空间关系

3.4 基于NoSQL的时空数据读写架构设计

3.4.1 海量时空数据读写架构设计

3.4.2 海量时空数据读写架构的存储流程

3.4.3 海量时空数据读写架构的查询流程

3.4.4 海量时空数据读写架构优势

3.5 本章小结

第四章 基于云环境的分布式时空索引

4.1 DBZ时空索引简介

4.2 基于改进BZ树的DBZ索引设计

4.2.1 DBZ索引结构

4.2.2 构建离线索引

4.2.3 基于Accumulo在线维护索引

4.3 基于DBZ索引的时空数据查询处理

4.3.1 时空查询降维

4.3.2 基于DBZ的时空数据查询

4.4 本章小结

第五章 海量GIS时空数据存储方案实现

5.1 原型系统搭建

5.2 功能验证

5.2.1 构建离线索引验证

5.2.2 在线维护索引验证

5.2.3 GIS服务器插件功能验证

5.3 性能测试分析

5.3.1 导入数据对比分析

5.3.2 占用空间对比分析

5.3.3 查询时间对比分析

5.4 本章小结

第六章 总结与展望

6.1 总结

6.2 展望

参考文献

致谢

作者简介

1. 基本情况

2. 教育背景

3. 攻读硕士学位期间的研究成果

3.1 参与科研项目及获奖