基于云计算的海量球形地形数据处理方法的研究

摘要

高真实感、沉浸感和友好的人机交互等是当今计算机应用发展的趋势。图形硬件加速技术的发展以及图形学的相关研究成果推动了数字地球概念的快速发展,通过三维渲染技术建立一个真实感强、分辨率高,而且能在场景中漫游的虚拟数字地球。然而,针对海量地形数据处理、存储与查询问题,传统的方法存在硬件成本高,存储效率低等缺点。
　　针对上述问题,本课题将分析和研究基于Hadoop云平台的海量地形数据的处理、索引及传输方式,主要内容包括：
　　1.云计算环境中地形数据处理方法的研究
　　由于单机环境中数据的处理方式与分布式环境中数据的处理方式有差别。单机环境中对数据分层分块,重点在提升绘制的效率；而分布式环境数据处理的目的主要是为了海量数据合理的存储，以及快速地从分布式数据库中索引和调度，并且合理的分块大小可以节省带宽，以及提升网络中数据的传输效率。
　　因此，需要分析目前球形地形数据的分层与分块的技术,数据块的编码及构建方式,以及它们的优缺点和实现方法。并结合当前全球网格剖分的算法,研究在分布式环境下，如何对地形数据进行更合理的分层、分块及编码，以适应云环境中快速的对数据进行处理、以及对局部地形数据的快速处理。
　　2.在分布式数据库中海量数据存储方式的研究
　　大数据在数据库中的存储结构和存储方式，以及数据块的索引方式对数据块的提取效率有很大的影响。因而，分析和研究分布式数据库的运作方式，以及研究当前大数据在分布式数据库中的存储方式和存储策略。并创建海量地形数据的存储结构,以及建立高效的索引方式以加快数据块查找速度,提高数据块查找效率。
　　3.Hadoop云环境中实时交互系统的设计
　　应用上述的研究结果，使用Hadoop技术设计三维实时可视化漫游系统，并验证并行构建算法的效率，以及分布式数据库存储中性能的比较。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪 论

1.1 引言

1.2 国内外云计算研究进展

1.3 研究目的及意义

1.4主要工作及特色

1.5论文组织思路

第二章 云计算环境下数据处理模型

2.1 云平台介绍

2.2 Hadoop云平台

2.3 HDFS分布式架构

2.4 MapReduce编程模型

2.5 HBase的数据管理

2.6 本章小结

第三章 基于经纬度剖分算法的海量地形数据组织

3.1三维地形模型简化与多分辨率金字塔模型

3.2 基于经纬度的全球四叉剖分算法

3.3 海量球形地形数据预处理

3.4 海量地形数据存储

3.5 本章小结

第四章 海量地形数据组织及实现

4.1地形数据预处理串行算法研究

4.2 基于Hadoop的地形数据预处理

4.3 本章小结

第五章 海量地形数据的存储与调度算法实现

5.1希尔伯特曲线填充

5.2 地形数据存储模型

5.3 地形数据的并行存储

5.4 本章小结

第六章 基于海量地形数据的数字地球的系统测试

6.1 总体设计框架

6.2 数据引擎模块

6.3 地形渲染引擎模块

6.4 实验与分析

6.5 实验效果

6.6 本章小结

第七章 总结与展望

7.1 本文总结

7.2 前景展望

致谢

参考文献