• 碩博初稿查重系統(tǒng) 498.00元/篇
  ? 語種：中文,英文,小語種? 適用：雜志社投稿，職稱論文? 簡介：碩博初稿檢測（一般習(xí)慣叫做碩博預(yù)審版），論文查重檢測上千萬篇中文文獻(xiàn)，超百萬篇各類獨(dú)家文獻(xiàn)，超百萬港澳臺地區(qū)學(xué)術(shù)文獻(xiàn)過千...

  開始檢測
• 維普查重(大學(xué)生版） 4.00元/千字
  ? 語種：中文,英文? 適用：雜志社投稿，職稱論文? 簡介：學(xué)位論文查重,維普大學(xué)生版論文查重系統(tǒng)：高校，雜志社指定系統(tǒng)，可檢測期刊發(fā)表，大學(xué)生，碩博等論文。檢測報(bào)告支持PDF、網(wǎng)...

  開始檢測
• 本科高校內(nèi)部版系統(tǒng) 288.00元/篇
  ? 語種：中文,英文,小語種? 適用：雜志社投稿，職稱論文? 簡介：比定稿版少大學(xué)生聯(lián)合比對庫，其他數(shù)據(jù)庫一致。出結(jié)果快，價(jià)格相對低廉，不支持驗(yàn)證，適合在修改中期使用，定稿推薦PMLC?！?..

  開始檢測
• 萬方論文查重系統(tǒng) 4.00元/千字
  ? 語種：中文? 適用：雜志社投稿，職稱論文? 簡介：畢業(yè)論文查重,萬方查重系統(tǒng)，涵蓋期刊、學(xué)位論文、學(xué)術(shù)成果、學(xué)術(shù)會議論文的大型網(wǎng)絡(luò)數(shù)據(jù)庫；比肩中國知網(wǎng)的學(xué)術(shù)數(shù)據(jù)庫。最多支...

  開始檢測

　　摘要:突發(fā)事件發(fā)生后，如何及時(shí)高效地掌握周邊地理情況，支持各級應(yīng)急部門搶險(xiǎn)救災(zāi)工作，是應(yīng)急測繪的重點(diǎn)工作之一?；诜植际綌?shù)據(jù)庫建設(shè)的應(yīng)急測繪專題分析系統(tǒng)能夠?qū)?yīng)急現(xiàn)場周邊地物及人口、法人等專題數(shù)據(jù)進(jìn)行快速查詢及統(tǒng)計(jì)，實(shí)現(xiàn)不同尺度、不同用戶需求的測繪應(yīng)急專題數(shù)據(jù)資源服務(wù)，支撐災(zāi)情分析與應(yīng)急處置。試驗(yàn)證明，與傳統(tǒng)Oracle數(shù)據(jù)庫相比，采用分布式數(shù)據(jù)庫開展應(yīng)急專題分析，效率可提升10倍左右。

　　關(guān)鍵詞:分布式數(shù)據(jù)庫;應(yīng)急測繪;專題分析

　　0引言

　　近年來，國內(nèi)外學(xué)者競相開展大數(shù)據(jù)技術(shù)研究，大多采用Hadoop技術(shù)解決訂單、交易等傳統(tǒng)結(jié)構(gòu)化數(shù)據(jù)分析問題，同樣，采用Hadoop技術(shù)解決地理空間大數(shù)據(jù)存儲、分析問題的也不在少數(shù)

　　河南大學(xué)李運(yùn)興、馬駿，基于Hadoop提出了HadoopSpatial分布式空間數(shù)據(jù)庫的建設(shè)思路，其思路主要是對Hive進(jìn)行擴(kuò)展，使Hadoop支持空間數(shù)據(jù)的分布式存儲、管理與訪問。并且，通過對比試驗(yàn)表明，HadoopSpatial性能不遜于傳統(tǒng)空間數(shù)據(jù)庫，更適合大規(guī)模密集型空間運(yùn)算。

　　中國林業(yè)科學(xué)研究院資源信息研究所吳琰、唐小明提出了基于HBase的分布式空間數(shù)據(jù)庫技術(shù)，并采用基于GeoHash的方式構(gòu)建分布式空間索引，實(shí)現(xiàn)了矢量與柵格空間數(shù)據(jù)的分布式存儲與快速查詢。

　　Esri公司及超圖公司在新一代GIS軟件產(chǎn)品中，均提出以分布式數(shù)據(jù)庫HBase方式存儲矢量空間，并采用Spark內(nèi)存計(jì)算框架實(shí)現(xiàn)大規(guī)模空間分析。雖然實(shí)現(xiàn)了矢量空間數(shù)據(jù)的分布式存儲與分析，但采用HBase+Spark的方式存在以下問題:

　　1)數(shù)據(jù)存儲形式區(qū)別于傳統(tǒng)的關(guān)系型數(shù)據(jù)庫，不利于成果數(shù)據(jù)的版本管理與瀏覽，入庫成本高。

　　2)采用該方式存儲的空間數(shù)據(jù)不能與傳統(tǒng)制圖、應(yīng)急或其他應(yīng)用系統(tǒng)快速集成，遷移開發(fā)工作量大。

　　3)產(chǎn)品價(jià)格昂貴，且體系過于龐大，不利于大規(guī)模推廣應(yīng)用。

　　1分布式數(shù)據(jù)庫技術(shù)

　　1.1分布式數(shù)據(jù)庫

　　應(yīng)急測繪專題分布式數(shù)據(jù)庫采用BiGeo大數(shù)據(jù)平臺作為空間數(shù)據(jù)引擎，建立分布式空間數(shù)據(jù)庫。數(shù)據(jù)庫的存儲模式如圖1所示。

　　區(qū)別于傳統(tǒng)單節(jié)點(diǎn)數(shù)據(jù)庫，BiGeo分布式數(shù)據(jù)庫主要由管理節(jié)點(diǎn)(Master)、存儲運(yùn)算節(jié)點(diǎn)(Segment)、網(wǎng)絡(luò)總線(Interconnect)三大部分組成。BiGeo管理節(jié)點(diǎn)是BiGeo分布式數(shù)據(jù)庫的入口，僅接收客戶端連接及提交的SQL語句，而后將SQL運(yùn)算分發(fā)給存儲運(yùn)算節(jié)點(diǎn)(Segment實(shí)例)，由存儲運(yùn)算節(jié)點(diǎn)真正存儲和處理數(shù)據(jù)，并匯交到管理節(jié)點(diǎn)。BiGeo網(wǎng)絡(luò)總線負(fù)責(zé)管理節(jié)點(diǎn)與存儲運(yùn)算節(jié)點(diǎn)及存儲運(yùn)算節(jié)點(diǎn)之間的網(wǎng)絡(luò)通信。BiGeo存儲運(yùn)算節(jié)點(diǎn)是獨(dú)立的數(shù)據(jù)庫實(shí)例，每個(gè)存儲運(yùn)算節(jié)點(diǎn)存儲與計(jì)算一部分?jǐn)?shù)據(jù)。

　　1.2分布式應(yīng)急測繪專題數(shù)據(jù)庫

　　針對應(yīng)急測繪工作需求，應(yīng)急測繪專題數(shù)據(jù)來源于天地圖、地理國情、地理信息共享交換庫等項(xiàng)目，數(shù)據(jù)內(nèi)容見表1。

　　根據(jù)應(yīng)急專題數(shù)據(jù)及服務(wù)器實(shí)際情況，并為保證數(shù)據(jù)的高可用性，每個(gè)存儲運(yùn)算節(jié)點(diǎn)創(chuàng)建相應(yīng)的鏡像備份節(jié)點(diǎn)。實(shí)際部署情況如圖2所示。

　　如圖2所示，本次研究采用兩臺Dellx86服務(wù)器作為存儲運(yùn)算節(jié)點(diǎn)服務(wù)器，部署分布式數(shù)據(jù)庫主節(jié)點(diǎn)及鏡像節(jié)點(diǎn)，兩臺服務(wù)器數(shù)據(jù)庫節(jié)點(diǎn)互為備份，每個(gè)數(shù)據(jù)庫節(jié)點(diǎn)存儲部分空間數(shù)據(jù)，根據(jù)服務(wù)器CPU及內(nèi)存配置，每臺服務(wù)器按照16個(gè)存儲運(yùn)算節(jié)點(diǎn)部署，共部署32個(gè)存儲運(yùn)算節(jié)點(diǎn)。

　　由于硬件環(huán)境限制，從其中一臺Dellx86服務(wù)器中虛擬出一個(gè)Linux服務(wù)器作為數(shù)據(jù)庫管理節(jié)點(diǎn)運(yùn)行環(huán)境。在實(shí)際生產(chǎn)環(huán)境中，可根據(jù)硬件環(huán)境情況，作為獨(dú)立服務(wù)器部署。

　　按照分布式數(shù)據(jù)庫建設(shè)思路，應(yīng)急測繪專題數(shù)據(jù)是分布在不同的存儲運(yùn)算節(jié)點(diǎn)之上。如圖3所示，本次研究采用Hash分布方式，根據(jù)數(shù)據(jù)主鍵(oid)創(chuàng)建Hash值均勻分布存儲數(shù)據(jù)。

　　2基于分布式數(shù)據(jù)庫的應(yīng)急測繪專題分析系統(tǒng)

　　2.1系統(tǒng)設(shè)計(jì)

　　應(yīng)急測繪專題分析系統(tǒng)采用BiGeo大數(shù)據(jù)平臺作為應(yīng)急測繪專題數(shù)據(jù)存儲及分析基礎(chǔ)框架，未采用其他任何第三方商業(yè)GIS地理信息軟件，實(shí)現(xiàn)應(yīng)急測繪專題數(shù)據(jù)快速存儲、分析、提取等功能。

　　系統(tǒng)采用C/S開發(fā)架構(gòu)，數(shù)據(jù)庫與系統(tǒng)分離部署運(yùn)行，總體架構(gòu)如圖4所示。BiGeo空間信息大數(shù)據(jù)平臺提供空間數(shù)據(jù)分布式存儲、分析二次開發(fā)接口，本系統(tǒng)采用.NETC#API開發(fā)應(yīng)急專題分析系統(tǒng)業(yè)務(wù)功能。選用開源地圖桌面框架SharpMap作為應(yīng)急測繪專題分析系統(tǒng)研發(fā)框架。應(yīng)急測繪專題分析系統(tǒng)功能架構(gòu)如圖5所示。

　　2.2應(yīng)急測繪專題分析

　　專題分析是系統(tǒng)的核心功能，設(shè)置災(zāi)害名稱、災(zāi)害范圍，選擇分析對象后即可開始專題分析，快速統(tǒng)計(jì)災(zāi)害范圍內(nèi)空間要素的數(shù)量、長度、面積等指標(biāo)，為應(yīng)急測繪處置工作提供數(shù)據(jù)支撐。

　　針對專題分析結(jié)果，可再次根據(jù)查詢對象字段進(jìn)行統(tǒng)計(jì)，并可基于字段分組，如針對建筑物數(shù)據(jù)，可根據(jù)行政區(qū)統(tǒng)計(jì)建筑物面積，從而提供更加專業(yè)、深層次的分析。

　　3結(jié)論

　　相比傳統(tǒng)基于ArcGISSDE+Oracle空間數(shù)據(jù)庫建庫方式，采用分布式數(shù)據(jù)的方式進(jìn)行應(yīng)急測繪專題分析的效率明顯提升。以4000萬條地理國情地表覆蓋數(shù)據(jù)(物理大小:20GB)測試裁剪操作(空間相交分析)為例，Oracle一體機(jī)測試結(jié)果見表2，本文分布式數(shù)據(jù)庫方式見表3。

　　從以上兩表測試結(jié)果可以看出，本文采用的分布式數(shù)據(jù)庫方式進(jìn)行空間分析比Oracle一體機(jī)方式快10倍左右，并且隨著分布式節(jié)點(diǎn)的增加，分析效率明顯增加。

　　4結(jié)束語

　　本文采用分布式數(shù)據(jù)庫的方式進(jìn)行應(yīng)急測繪專題分析，在分析效率上明顯提升，可快速掌握突發(fā)事件后應(yīng)急現(xiàn)場周邊道路、房屋、河流等地表特征，快速分發(fā)地理空間要素，對應(yīng)急測繪保障工作具有重大意義。基于本文研究，采用分布式數(shù)據(jù)建設(shè)地理空間數(shù)據(jù)的方式可推廣應(yīng)用于時(shí)空大數(shù)據(jù)庫、地理國情統(tǒng)計(jì)分析、自然資源地理空間數(shù)據(jù)庫等項(xiàng)目。