声明
目 录
第一章绪论
1.1 研究意义
1.2.1 时空大数据相关的扩展框架
1.2.2 时空大数据存储
1.2.3 移动对象索引
1.3.1 论文工作的项目背景
1.3.2 本论文的主要工作
1.4 本论文的组织结构
第二章 相关理论和技术
2.1 HBase数据库
2.1.1 HBase与 RDBMS的区别
2.1.2 HBase存储原理
2.1.3 HBase数据存储模型
2.1.4 HBase存储时空数据的缺陷
2.2 高效的多维空间点索引算法
2.2.1 GeoHash
2.2.2 Google S2
2.2.3 GeoHash 与 S2对比
2.3 常见的分布式系统中数据分布方式
（1）哈希分片
（2）一致性哈希
（3）虚拟节点
（4）范围划分
2.4.1 网格索引
2.4.2 四叉树索引
2.5 本章小结
第三章 面向时空大数据采集入库的优化策略设计与实现
3.1 问题描述
3.2 基于旅游智慧监管平台的时空数据读写架构设计
3.3 时空数据文件读写策略
3.3.1 基于 OS的 MMAP文件内存映射
3.3.2 基于生产者-消费模式的多线程读写拆分策略
3.4 时空数据预处理
3.4.1 HBase数据模型设计方案
3.4.2 数据倾斜的问题
3.4.3 基于预分区和 Hash散列的数据倾斜解决方案
3.5 时空索引方案设计
3.5.1 基于 GeoHash 算法构建空间编码
3.5.2 基于 S2 算法构建空间编码
3.6 基于 Prorostuff的序列化过程
3.7 基于 BulkLoad 实现 HBase快速写
3.8.1 实验环境
3.8.2 文件拆分性能分析
3.8.3 GeoHash 与 S2构建时空索引性能测试对比
3.8.4 数据入库性能分析
3.8.5 测试数据集在应用服务上的效果展示
3.9 本章小结
第四章 面向时空大数据的分布式存储系统的设计与实现
4.1 问题描述
（1）写入平稳、持续、高并发高吞吐
（2）写多读少
（3）实时写入最近生成的数据，无更新
4.2 系统总体架构设计
4.3 基于空间热度的动态负载均衡策略
4.3.1 基于时空划分的数据分片方式
4.3.2 构建热度均衡模型的算法流程
4.4 数据冷热分离存储
4.4.1 现有的数据冷热分离方案及存在的问题
4.4.2 基于 binlog 和标记清除的冷热分离方案设计
4.5.1 实验环境
4.5.2 负载均衡性能分析
4.5.3 数据冷热分离性能分析
4.6 本章小结
第五章 基于移动对象的最近邻查询优化设计与实现
5.1 问题描述
5.2.1 改进后的四叉树
5.2.2 GQ-Tree的设计思想
5.2.3 GQ-Tree的数据结构
5.3 GQ-Tree数据操作
5.3.1 插入数据
5.3.2 删除数据
5.3.3 更新数据
5.3.4 查找数据
5.4 基于 GQ-Tree 的 BF算法
5.4.1 剪枝策略
5.4.2 算法描述
5.5 复杂度分析
5.5.1 索引复杂度分析
5.5.2 算法复杂度分析
5.6.1 实验环境
5.6.2 索引性能分析
5.6.3 最近邻查询性能分析
5.7 本章小结
第六章 总结和展望
6.1 全文总结
6.2 后续工作展望
致谢
参考文献
攻读硕士期间取得的研究成果
电子科技大学;
