基于Spark的空間數(shù)據(jù)平臺(tái)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、空間數(shù)據(jù)，也被稱為地理數(shù)據(jù)?？臻g數(shù)據(jù)是可以由地理坐標(biāo)系位置表示的感衛(wèi)星監(jiān)測(cè)產(chǎn)生的地理信息，如河流，湖泊，城鎮(zhèn)。移動(dòng)通信網(wǎng)絡(luò)中的手機(jī)通話信息，城交通網(wǎng)絡(luò)中的安裝有GPS的車輛位置信息，社交網(wǎng)絡(luò)中產(chǎn)生的帶有位置的信息。充分分析和利用這些空間數(shù)據(jù)將會(huì)在環(huán)境處理，通信安全和交通規(guī)劃等領(lǐng)域具有重要作用。物理對(duì)象的信息。當(dāng)前，眾多行業(yè)持續(xù)不斷地產(chǎn)生了大量的空間數(shù)據(jù)。
　　隨著大量有價(jià)值的空間數(shù)據(jù)的產(chǎn)生，使用適應(yīng)于大規(guī)模空間數(shù)據(jù)處理的工具對(duì)空間

2、數(shù)據(jù)進(jìn)行分析與處理的需求越來(lái)越迫切。但是，當(dāng)前的關(guān)系型數(shù)據(jù)庫(kù)技術(shù)和分布式計(jì)算系統(tǒng)卻并不適合于處理空間數(shù)據(jù)。空間數(shù)據(jù)索引結(jié)構(gòu)不適合用關(guān)系數(shù)據(jù)庫(kù)表達(dá)，從而導(dǎo)致關(guān)系型數(shù)據(jù)庫(kù)處理空間數(shù)據(jù)查詢操作效率低下。由于MapReduce編程模型的缺點(diǎn)，現(xiàn)有的基于HDFS和MapReduce的分布式數(shù)據(jù)分析框架處理交互式查詢和迭代操作時(shí)速度較慢。MapReduce模型使用如下方式對(duì)數(shù)據(jù)進(jìn)行處理:首先從集群磁盤中讀取數(shù)據(jù)到內(nèi)存，對(duì)執(zhí)行計(jì)算，然后將結(jié)果從內(nèi)存寫

3、到集群磁盤，作為下次計(jì)算的輸入。每次計(jì)算過(guò)程產(chǎn)生的冗余磁盤讀寫開銷使得基于MapReduce的算法實(shí)現(xiàn)存在嚴(yán)重的性能問(wèn)題，無(wú)法滿足用戶對(duì)大規(guī)?？臻g數(shù)據(jù)實(shí)時(shí)分析的要求。
　　Apache Spark是一個(gè)新興的集群計(jì)算框架，與MapReduce框架相比，Spark提供內(nèi)存迭代計(jì)算功能。計(jì)算數(shù)據(jù)可以常駐內(nèi)存而省去磁盤I/O時(shí)間。在交互式查詢環(huán)境中，比目前最流行的并行計(jì)算工具Hadoop快100多倍。隨著Spark框架不斷的更新與發(fā)展，

4、研究人員開始通過(guò)擴(kuò)展Spark實(shí)現(xiàn)對(duì)空間數(shù)據(jù)的分布式查詢處理。GeoSpark和SpatialSpark是目前為止最先進(jìn)的系統(tǒng)。他們通過(guò)擴(kuò)展Spark實(shí)現(xiàn)了空間數(shù)據(jù)的分布式存儲(chǔ)的查詢操作。這兩個(gè)系統(tǒng)的系統(tǒng)框架類似，都主要由三層組成:空間數(shù)據(jù)存儲(chǔ)層，數(shù)據(jù)索引層和查詢處理層，空間數(shù)據(jù)存儲(chǔ)層實(shí)現(xiàn)對(duì)大規(guī)模空間數(shù)據(jù)的分布式存儲(chǔ)。數(shù)據(jù)索引層將傳統(tǒng)的空間索引技術(shù)應(yīng)用于分布式存儲(chǔ)的空間數(shù)據(jù)集群。查詢處理層對(duì)用戶提供空間查詢操作接口，通過(guò)索引層和存儲(chǔ)層，

5、實(shí)現(xiàn)空間數(shù)據(jù)分析。提供的查詢操作包含區(qū)域查詢，空間關(guān)聯(lián)查詢和空間k最近鄰查詢。
　　但是GeoSpark和SpatialSpark在設(shè)計(jì)上仍然存在一系列缺點(diǎn)，導(dǎo)致最終的查詢性能不高。本文，我們通過(guò)全面改進(jìn)上述系統(tǒng)架構(gòu)，分別使用了新的空間數(shù)據(jù)分區(qū)策略，索引結(jié)構(gòu)和查詢處理技術(shù)，設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)新的基于Spark的空間數(shù)據(jù)計(jì)算系統(tǒng)Spark-GIS，全面的實(shí)驗(yàn)表明，Spark-GIS比上述系統(tǒng)具有更高的查詢性能。Spark-GIS的主要

6、創(chuàng)新包括以下三個(gè)方面:
　　1.在空間數(shù)據(jù)存儲(chǔ)層，設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)新的空間數(shù)據(jù)分區(qū)策略，使用新的分區(qū)策略實(shí)現(xiàn)的空間數(shù)據(jù)分布式存儲(chǔ)為上層的空間數(shù)據(jù)查詢提供了更好的支持，確?？臻g數(shù)據(jù)查詢時(shí)避免工作負(fù)載均衡問(wèn)題。
　　2.在空間數(shù)據(jù)索引層，設(shè)計(jì)并實(shí)現(xiàn)了一種基于Voronoi圖的R樹空間索引結(jié)構(gòu)，與R樹相比，在未降低系統(tǒng)空間查詢性能同時(shí)，大大減少生成空間索引結(jié)構(gòu)的時(shí)間和空間索引結(jié)構(gòu)的大小。
　　3.在空間數(shù)據(jù)分析層，通過(guò)結(jié)合改

7、進(jìn)的空間數(shù)據(jù)分布式存儲(chǔ)策略，空間索引技術(shù)，實(shí)現(xiàn)了基于Spark的并行空間數(shù)據(jù)查詢算法，能夠?yàn)橛脩籼峁┖Ａ扛卟l(fā)的空間數(shù)據(jù)交互式查詢。包括空間區(qū)域查詢，空間聯(lián)接查詢和空間k最近鄰詢。
　　最后，我們對(duì)Spark-GIS， Spark和GeoSpark進(jìn)行了全面的對(duì)比測(cè)試。測(cè)試數(shù)據(jù)是數(shù)量為億級(jí)別的移動(dòng)電話通話記錄數(shù)據(jù)。實(shí)驗(yàn)結(jié)果顯示Spark-GIS空間查詢操作性能全面優(yōu)于目前為止最先進(jìn)的系統(tǒng)—GeoSpark，尤其在空間區(qū)域查詢和空間