论文目录 | |
摘要 | 第1-6页 |
ABSTRACT | 第6-12页 |
第一章 绪论 | 第12-17页 |
1.1 研究背景和意义 | 第12-13页 |
1.2 国内外研究现状 | 第13-15页 |
1.2.1 分布式数据库与并行计算的研究现状 | 第13页 |
1.2.2 空间数据的存储和处理的研究现状 | 第13-14页 |
1.2.3 HBase在空间数据上的应用和研究现状 | 第14-15页 |
1.3 本文的主要工作和结构安排 | 第15-17页 |
1.3.1 本文的主要工作 | 第15-16页 |
1.3.2 本文的结构安排 | 第16-17页 |
第二章 分布式存储与并行处理技术概述 | 第17-24页 |
2.1 空间数据以及非结构化数据概述 | 第17页 |
2.2 并行计算框架MapReduce概述 | 第17-18页 |
2.3 分布式数据库HBase概述 | 第18-22页 |
2.3.1 HBase表视图 | 第18-19页 |
2.3.2 HBase表的逻辑存储以及物理存储 | 第19-20页 |
2.3.2.1 HBase表的逻辑存储 | 第19-20页 |
2.3.2.2 HBase表的物理存储 | 第20页 |
2.3.3 HBase的集群系统和部署架构 | 第20-21页 |
2.3.4 HBase的JAVA API | 第21-22页 |
2.4 HBase与MapReduce集成 | 第22-23页 |
2.5 本章小结 | 第23-24页 |
第三章 空间数据的存储与查询关键技术研究 | 第24-41页 |
3.1 空间数据的分布式存储研究 | 第24-29页 |
3.1.1 矢量空间数据的图形要素 | 第24页 |
3.1.2 矢量空间数据的对象模型 | 第24-25页 |
3.1.3 HBase的空间数据存储的模型和特点 | 第25-27页 |
3.1.3.1 HBase的空间数据存储的模型 | 第25-27页 |
3.1.3.2 HBase的空间数据存储的特点 | 第27页 |
3.1.4 HBase的空间数据索引 | 第27-28页 |
3.1.5 HBase表模式的设计原则 | 第28-29页 |
3.2 空间数据的查询关键技术研究 | 第29-33页 |
3.2.1 空间数据的查询类型 | 第29-30页 |
3.2.2 空间数据的查询算法 | 第30-31页 |
3.2.3 基于HBase的空间数据处理的特点 | 第31-32页 |
3.2.4 利用MapReduce并行化空间数据查询算法 | 第32-33页 |
3.3 空间数据的存储表行健的设计 | 第33-36页 |
3.3.1 复合行健的使用 | 第33-34页 |
3.3.2 添加复合行健分隔符 | 第34-36页 |
3.4 空间数据存储表的列族的设计 | 第36-40页 |
3.4.1 面向列族的特点和配置 | 第36-37页 |
3.4.2 几何属性列族 | 第37页 |
3.4.3 非几何属性列族 | 第37-40页 |
3.5 本章小结 | 第40-41页 |
第四章 基于HBase的空间数据的分布式存储 | 第41-50页 |
4.1 矢量空间数据处理 | 第41-44页 |
4.1.1 Shapefile文件简介 | 第41页 |
4.1.2 Shapefile文件的存储特点 | 第41-42页 |
4.1.3 Shapefile的读取流程 | 第42-43页 |
4.1.3.1 几何属性文件(*.shp)的读取 | 第42-43页 |
4.1.3.2 非几何属性文件(*.dbf)的读取 | 第43页 |
4.1.4 构建矢量空间对象算法 | 第43-44页 |
4.2 空间数据导入HBase算法研究 | 第44-47页 |
4.2.1 面向空间数据处理的系统架构 | 第44-45页 |
4.2.2 空间数据导入算法 | 第45-47页 |
4.3 空间数据分布式存储实验 | 第47-49页 |
4.3.1 测试环境和集群部署 | 第47页 |
4.3.1.1 测试环境 | 第47页 |
4.3.1.2 集群部署 | 第47页 |
4.3.2 数据源概述 | 第47-49页 |
4.3.3 实验结果分析 | 第49页 |
4.4 本章小结 | 第49-50页 |
第五章 空间数据的区域查询的算法并行化 | 第50-62页 |
5.1 窗口区域查询算法 | 第50-55页 |
5.1.1 传统窗口区域查询算法 | 第50-51页 |
5.1.2 利用MapReduce 2.0 对窗口区域查询算法的改进 | 第51-53页 |
5.1.3 算法实验及结果分析 | 第53-55页 |
5.2 多边形区域查询算法 | 第55-61页 |
5.2.1 多边形区域查询算法思想 | 第56-57页 |
5.2.1.1 计算多边区域的最小外接矩形 | 第56-57页 |
5.2.1.2 空间对象的拓扑判断 | 第57页 |
5.2.1.3 多边形区域算法Polygon Query | 第57页 |
5.2.2 利用MapReduce 2.0 对多边形区域查询算法的改进 | 第57-59页 |
5.2.3 算法实验及结果分析 | 第59-61页 |
5.3 本章小结 | 第61-62页 |
第六章 空间数据的K近邻查询的算法并行化 | 第62-75页 |
6.1 面向点的K近邻的查询算法 | 第62-65页 |
6.1.1 面向点的K近邻的查询算法思想 | 第62-63页 |
6.1.2 面向点的K近邻的查询算法分析 | 第63-65页 |
6.1.2.1 复杂的空间拓扑关系对于K近邻查询的适用性 | 第63页 |
6.1.2.2 算法的并行化 | 第63-64页 |
6.1.2.3 圆形区域的大小对查询效率的影响 | 第64页 |
6.1.2.4 改进的K近邻的查询算法 | 第64-65页 |
6.2 基于Geohash索引表的K近邻查询算法 | 第65-72页 |
6.2.1 解决方案 | 第65-66页 |
6.2.2 Geohash构造点的前缀匹配串 | 第66-68页 |
6.2.3 索引表的模式设计 | 第68-70页 |
6.2.4 MapReduce并行构建索引表 | 第70-71页 |
6.2.5 利用Geohash索引表查询K近邻对象 | 第71-72页 |
6.3 实验结果和分析 | 第72-74页 |
6.4 本章小结 | 第74-75页 |
第七章 总结与展望 | 第75-77页 |
7.1 总结 | 第75页 |
7.2 展望 | 第75-77页 |
致谢 | 第77-78页 |
参考文献 | 第78-82页 |
攻读硕士学位期间取得的成果 | 第82-83页 |