省级海洋动力环境监测分布式数据仓库的设计和构建

建立分布式的数据仓库系统能够满足分布式的大数据量数据管理和多层次决策支持的数据要求,本文探讨了数据仓库分布与集中的利弊,提出了建立省级海洋动力环境分布式数据仓库的体系结构,分析了数据仓库的元数据和系统的开发模式.     

省级海洋动力环境监测分布式数据仓库的设计与构建

建立分布式的数据仓库系统能够满足分布式的大数据量数据管理和多层次决策支持的数据要求．本文探讨了数据仓库分布与集中的利弊，提出了建立省级海洋动力环境分布式数据仓库的体系结构，分析了数据仓库的元数据和系统的开发模式。     

云模式及其在物联网中的应用

针对集群系统中分配节点的单节点失效问题,提出了一种基于云计算系统的集群服务方式,采用全新的自适应云调度策略,完成对最优服务器节点的动态选择。策略以心跳表为基础,通过＂星级服务＂生成不同数目的虚拟服务器组,按照先来先提供服务的竞争机制完成最优节点的选择,保证了当云计算系统的某些部分节点失效时,整个系统仍能继续正常运行,同时也具有自动调整系统负载的作用。最后结合物联网当前面临的难题,探讨了模式在物联网中的应用以及应关注的几个关键问题。     

物联网科学与前沿应用

首先从人们的日常生活的场景入手,定义了物联网的概念,对物联网科学和物联网技术进行了详细的讲解.然后系统地讲解了物联网的前沿应用--物联网新能源技术、物联网空间探测技术、物联网智慧云计算技术、物联网智慧纳米技术,阐述了从传统的方法到物联网技术的转变过程,物联网如何改变人们的生活.     

云计算技术及产业分析

从云计算与物联网的关系入手,分析了云计算的产业现状和核心工作内容,对云计算的架构方法提出了观点,云计算技术应该将注意力集中在计算和存储问题上;从产业和技术角度论述了云计算对中国信息产业的重要意义,云计算是中国未来信息产业振兴的机会,中国能在云计算时代走出一条符合中国产业特点的路,中国传统文化也会为云计算产业的发展提供创新的源泉.     

网格环境下分布式实时协同标绘系统

 传统标绘系统都是单用户工作模式,不能满足现代社会中群体用户在分布式环境下协同标绘的要求。本文将网格技术引入分布式实时协同标绘研究中,设计了基于网格的分布式实时协同标绘系统的框架,介绍了其系统框架,以及协同管理、协同消息、网格调度器等技术。将网格和GIS技术的结合,实现了分布式实时协同符号标绘系统原型,满足群体用户的地理信息共同协调与合作标绘的要求。实验表明,以网格技术构建分布式实时协同绘系统,能实现广域网下的快速协同,使其响应速度快,稳定性好。     

基于云平台的物联网数据挖掘算法的能量分析

从物联网产生的大量数据中获得有效信息需求出发,分析数据挖掘在现有运行平台上的不足,同时指出云平台上的优势.分析数据挖掘中的决策树算法,通过对信息熵和信息增益地分析,得出算法复杂度和能量之间的内在关系,指出并行数据挖掘的计算复杂度和通信复杂度对效率地影响,得出提高系统的隐含并行性是在云平台下减少运行时间、降低能耗的可靠办法.     

数字城市地理信息公共平台智慧化升级的探讨

信息技术的发展为测绘地理信息带来了新的驱动与挑战,通过分析数字城市地理信息公共平台建设取得的成果与存在的问题,探讨了运用云计算、物联网、大数据、时空数据挖掘等技术实现数字城市地理信息公共平台向智慧城市时空信息云平台进行智慧化升级转型的措施与内容,并以数字福州地理信息公共平台为具体实例,探讨其在新时期与信息技术冲击下完成智慧化转型的建设方向。     

IP网管数据挖掘系统的分析与设计

性能管理和故障管理是IP网络管理中两个重要的功能,也是传统网管的薄弱环节.结合IP网管中性能管理和故障管理的目的与任务,讨论了数据挖掘技术在IP网管系统的应用,提出了IP网管数据挖掘系统的设计方案.     

基于工业通讯和云主机的地下水监测系统设计

当前,高速发展的物联网和云计算技术为工业、农业、生活等多方面带来了革命性升级。该文设计的地下水监测系统可利用工业通讯技术自动采集传感器中的数据,形成基于OPC规范的数据集,并被云主机的组态软件引用和记录,实现地下水信息存储至服务器的功能。该系统对数据采集和传输技术进行了优化升级,极大提高单服务器控制的监测点数量,具备实现大规模动态监测的能力,以满足对地下水环境信息数据的需求。     

高性能GIS研究进展及评述

互联网技术的发展使地理信息技术得到了前所未有的发展和应用,地理信息计算呈现出计算速度快、运行效率高、应用多样化的发展特征。而随着计算机硬件性能飞速提升,传统的GIS数据处理方式并不能与之匹配,各种缺陷与弊端逐渐显现,亟待更高效的数据处理方式。目前,以并行集群计算技术和分布式网络技术为代表的高性能计算的出现,为这些问题的解决带来了新思路,并逐渐发展形成了新一代的多核并行高性能计算系统。当前,如何利用新型硬件体系结构带来的计算能力,研究新一代高性能GIS计算系统,解决现在所面临的时空数据密集和计算密集问题成为重要挑战。高性能计算是基于一组或几组计算机系统组成的集群,通过网络连接组成超级计算系统以加强数据处理、分析计算性能的一种技术。在实际应用中,逐渐形成Hadoop,Spark和Storm 3大主流分布式高性能计算系统,它们三者各具优缺点。本文从高性能GIS算法、并行GIS计算、内存计算和众核计算4个方面梳理、归纳总结了高性能GIS的技术体系,分析了每类高性能GIS技术特征,综合分析、评述了近年来高性能GIS的研究进展,并对高性能GIS未来发展进行展望,为更完备、高效的高性能GIS体系的建立、发展和应用提供参考。今后,并行GIS计算、高性能计算模式和分布式存储仍然是GIS技术领域发展的重要方向,通过高性能GIS系统可有效地解决时空数据密集、计算密集和网络通讯密集等问题,大大提升GIS地理分析效率。     

山东省地理信息时空大数据中心基础设施设计与实现

针对大数据背景下地理信息基础设施面临的各种问题和挑战,本文提出一种基于私有云的基础设施建设方法.首先通过云管理平台,将各种物理资源虚拟化,形成跨虚拟化技术的统一资源池;然后在其上建设时空大数据基础框架,采用分布式技术架构,通过集群并行的工作模式去解决存储和计算两个最为核心的技术需求;最后以山东省地理信息时空大数据中心基...     

国土资源大数据上云高效运行体系及关键技术研究——以山东省为例

基于山东省国土资源大数据上云系统建设和应用实践,在仿真实验的基础上,研究提高山东省国土资源大数据上云效率的运行体系和关键技术,为全省政务云建设提供参考。研究结果表明,通过高效运行体系构建和关键技术的应用,山东省国土资源上云系统快速显示、裁切、瓦片、数据挖掘等效率都得到不同程度的提高,其中上云系统并发性能耗时平均提速99.5%以上,矢量数据裁图效率同比提升17倍。研究结论:从功能设计、数据组织、硬件环境和拓扑结构四个方面统筹设计国土资源大数据上云系统高效运行体系,从数据处理、异构数据集成、分布式数据存储及挖掘、海量图库管理、灵活的搭建式开发等关键技术创新,可以大幅提高国土资源大数据上云运行效率。     

自然灾害综合风险防范信息服务技术体系构建及展望

构建自然灾害综合风险防范信息服务业务技术体系是支撑新时代防灾减灾救灾工作的必然要求。文章聚焦全链条、多主体、多灾种综合风险防范信息服务需求,建立了自然灾害综合风险防范信息服务的技术体系框架,构建了涵盖常态减灾和灾前预防、灾中救援、灾后恢复重建等非常态救灾全过程的综合风险防范信息服务产品体系,建立了信息产品开发、行业数据协同、网络大数据挖掘、信息服务平台集成等方面的关键技术。其中,信息产品体系构建从灾害管理过程、主要业务类型和工作任务方面进行三级分类。信息产品开发方面研发了基于致灾、灾情、救灾3类标准灾害信息要素的灾害信息产品制作、表达和动态定制技术;行业数据协同方面研发了双向自适应的部门微服务数据共享新机制及多部门多源异构数据接入、融合处理技术;网络大数据挖掘领域研发了基于网页、移动通信、社交网络、物联网等网络大数据的致灾、灾情、救灾要素信息挖掘与融合分析技术;信息服务集成平台搭建领域研发了基于云服务架构的时空分布式大数据管理、业务工具模型集成、“云+端”多渠道信息服务技术。该技术体系解决灾害信息服务时效性不高、完备性不足等问题,为开辟与政府部门统计并行的灾害信息数据获取新途径提供了技...     

基于云计算的地球系统科学数据共享研究与实践

数据密集型的地学研究离不开数据资源和信息平台的支撑,因此,实施地球系统科学数据共享具有重大意义。早期地球系统科学数据共享服务主要以政府行为为主,集中数据汇交,存在数据服务负载不均衡、数据整合模式单一、数据服务效果不明显等突出问题。随着Web 2.0理念的提出,以及云计算等技术的出现,数据共享模式发生了巨大的变化。本文提出基于云计算的地球系统科学数据共享概念模型。通过提供基础设施即服务（IaaS）、数据资源即服务（DaaS）,以及数据功能即服务（SaaS）实现共享服务模式的转变,将死板的数据转为灵活的服务。在“数据云”中,用户既是数据的使用者也是数据资源的提供者,通过提供数据发布、数据需求发布、数据发现与共享、需求发现与反馈等功能,解决数据共享中“用户-数据”之间的矛盾,并激励普通科研工作者贡献自己的数据,保障数据资源有效、可持续整合。最后,构建了原型系统用于验证该框架,形成了一个“人人都是数据的提供者,人人都是数据的使用者”的数据共享服务环境。     

地理知识云GeoKSCloud:动因、设计开发与应用

有效地发现和利用分布存储、运行的各类空间数据、空间决策分析模型和知识发现算法,已成为当前空间信息处理、知识发现与共享领域最具挑战性的前沿课题之一。首先,本文论述了空间信息处理、知识发现的关键问题、发展现状和趋势。然后,描述了地理知识云的概念特征,提出了地理知识云(GeoKSCloud)的具体实现。该平台构造了可伸缩的空间数据和知识服务存储、运行环境;平台从业务功能上划分为数据聚合中心、知识服务中心、地学问题求解中心、平台控制中心和知识云门户等5大核心模块。其为地学问题求解全过程提供了空间数据集成,知识服务发布、注册、搜索、发现、组合等功能,以及地学问题智能推理和结果可视化表达等工具。本文对海量空间数据云存储与管理、知识云服务管理与组合、地学问题智能求解等平台关键技术进行了论述。最后,本文以历史地震影响场分析为例,分析了平台各组件在问题求解中的交互过程,实例表明,该平台可实现多节点、跨平台、异构地理知识服务的协同式计算,有效地降低地学问题求解的成本和复杂度。     

一种与地图服务结合的栅格瓦片计算模型

随着遥感影像数据的快速增长,对于栅格数据高效的信息处理和价值挖掘方式提出了更大的挑战,传统地图服务聚焦于内容的共享与可视化,缺乏对影像实时分析处理功能。本研究以地图服务的形式实现了对栅格瓦片数据实时分析处理能力,将云优化的GeoTIFF（Cloud Optimized GeoTIFF,COG）作为数据组织方式,设计了分布式协同预取策略,实现了栅格瓦片数据的冷热加载,优化了从云端读取影像数据的效率。在栅格瓦片数据高效加载的基础下,提出了一种基于表达式的栅格瓦片处理模型,通过对表达式转换建模为计算工作流,在地图服务的请求中实现对栅格瓦片的实时处理,对存储在云端的海量遥感数据进行快速分析,实现原始数据到数据产品的直接可视化转换。针对全量数据参与的场景,使用合适的重采样数据进行简化计算,以满足地图服务的实时性。使用了NDVI、地物分类、植被覆盖度三类不同复杂度模型,在地图服务中对Landsat 8影像进行了实时计算分析。实验结果表明,该处理模型能对栅格瓦片进行有效分析,且能进行分布式扩展,在高并发场景下能够提供稳定的地图服务能力,适应各层级尺度的计算,对未来地图服务的发展提供了一种新思路。     

基于Shark/Spark的分布式空间数据分析框架

随着空间数据的与日俱增,传统依托于单节点的空间数据管理方法,已难以满足海量数据高并发的需求。云计算的兴起带来机遇与挑战,分布式技术与数据库技术的优势互补,为云计算下高效的数据管理提供了可能。本文提出一种在分布式计算引擎（Shark/Spark）中集合之关键技术（包括空间数据映射、空间数据加载、数据备份及空间查询等）,将空间数据库对空间数据的高效存储、索引及查询优势与分布式计算引擎对复杂计算的优势相结合,实现一种基于Shark/Spark的分布式空间数据分析框架。在具体实现中,通过空间自定义函数和空间函数下推2种方式实现空间查询,结果表明,影响返回结果数据量的空间查询更适合下推给空间数据库完成,而不影响返回结果数据量的空间查询,利用分布式计算引擎直接运算更有优势。同时,通过与现有的一种分布式GIS方案（ArcGIS on Hadoop）对比发现,空间数据库的空间索引可有效提高查询效率,空间数据管理也更加独立。     

基于云平台的山东省地质灾害综合服务系统的设计与实现

提出了建设云GIS的完整的解决方案,通过研究云平台技术的交付模式和地理信息系统的特点,结合山东省地质灾害信息管理的实际需求,开发了基于云平台的山东省地质灾害综合服务系统。针对云GIS(地理信息系统)海量的存储空间数据及丰富的信息显示的特点,对地质灾害点数据进行高速处理和实时显示,文中设计了系统的建设方案,在云平台的架构设计基础上,设计并实现了对山东省地质灾害信息点的管理、查询、科普、统计等需求,实现了基于云平台技术的山东省地质灾害综合服务系统的开发。