基于 MongoDB 的海量空间数据存储和并行简

目前在分布式环境下对于海量空间数据的存储和处理大部分是基于传统关系数据库的,对于二三维的海量空间数据存储效果不理想,其独有的关系模型制约了对海量空间数据快速访问和处理的能力.因此,分布式环境下如何利用非关系数据库和并行处理技术实现海量空间数据的高效存储和快速处理具有重要的研究意义.     

基于Memcached的GML存储缓存构建研究

GML是一项基于XML语法的标准,在Web应用中,海量的GML空间数据对并发运行、负载均衡和宽带等都是一个巨大的瓶颈。从GML空间数据存储入手,针对Memcached提供分布式缓存部署,研究在C#.NET环境下搭建Memcached缓存环境,编码测试其对GML空间数据存储处理的效率,并给出试验结果。     

面向空间要素基元对象--关系模式的新型GIS软件技术研究

面向图层处理单元的GIS数据模型、数据处理模式已不再适应大规模海量空间数据组织、处理以及网络分发的需要。文章提出以空间要素基元处理取代传统的面向图层处理的模式,并在对象-关系数据库(ORDBMS)统一框架下构筑、组织、存储、处理空间数据,最终形成基于ORDBMS的GIS应用。     

分布式空间数据存储对象

针对地理空间数据的地域性和日益突出的数据量快速增长特性，提出了分布式空间数据存储对象概念。介绍了基于分布式空间数据存储对象来实现一种高性能、可伸缩、跨平台共事的大规模海量空间数据存储管理机制，为分布式GIS数据存储提供了一种新的思路。     

基于MapReduce的空间数据并行划分算法

针对海量空间数据分布式存储中存在的不顾及空间邻近性、分布不均和数据倾斜的问题,基于MapReduce并行编程模型,对Hilbert空间曲线层次分解的思想和节点容量感知的方法进行了研究,提出了一种层次分解的空间数据并行划分策略,并通过临界值判定实现空间数据的均衡存储。最后通过实例分析说明该方法可以在保证空间数据邻近特性的同时,解决海量空间数据分布式存储不均和数据倾斜的问题。     

分布式GML空间数据库概述

GML的相关理论在单机情况下都已得到了大量研究,但在管理海量空间数据的情况下,必须寻求分布式存储环境来解决存储容量和管理的问题。根据分布式空间数据库的相关研究,提出分布式GML空间数据库(DGMLDB)概念,并根据已有研究成果提出了3种设计思想,为GML在分布式存储方面提供理论方案。     

基于Oracle与ArcSDE的空间数据管理研究

地理信息系统的空间数据呈现多源、多维、海量等特征,实现空间数据的有效存储和管理是GIS研究的重要内容之一。关系数据库Oracle和空间数据引擎ArcSDE是解决此问题的一个很好途径。阐述Oracle和ArcSDE在空间数据管理方面的基本理论,并结合实验详细探讨通过自定义数据格式来关联空间数据和属性数据,实现Oracle与ArcSDE结合进行空间数据组织和管理。     

土地督察数据库管理系统研究与建设

为解决土地督察大数据存储与管理问题,依据土地督察数据管理现状和实际需求,研究了分布式文件存储系统(HDFS),设计了土地督察数据库结构,基于VMware构建了虚拟化云计算环境,应用云储存技术搭建了私有云数据中心。研究了分布式架构下海量空间数据组织模型存储方案,制定了数据入库标准,开发了数据交换系统和数据审查与标准化处理工具,基于GIS插件式开发框架研发了土地督察数据库管理系统,实现了对海量专题数据库的统一建立、安全存储、高效管理,形成了土地督察业务"一套数据标准、一个中心、一个系统",能够满足督察区域数据存储管理要求,为土地督察领域大数据存储与应用提供了解决方案参考。     

地理空间数据存储与管理技术综述

地理空间数据存储和管理已成为GIS领域的研究热点。现对国内外地理空间数据存储和管理技术进行了回顾,着重从全空间数据文件管理、文件＋关系数据库管理、全关系数据库的空间数据管理以及非结构数据库的空间数据管理四个方面进行了归纳总结,分析了现有空间数据存储和管理技术优缺点,并对发展趋势进行讨论。旨在对地理空间数据存储和管理技术的研究现状有所认识,对进一步提高地理空间数据存储和管理技术具有一定指导意义。     

面向服务的分级地理空间数据中心框架的构建

分级地理空间数据中心是全国范围地理空间数据中心建设与发展的核心工程,文中探讨建设面向服务的分级数据中心软硬件环境、关键技术以及数据分布存储模式。此方案实现了数据中心分布存储管理数据,有效利用对象关系数据库的ACID特性,为多源异构海量空间数据的集成共享提供了一个思路。