摘要
近年来,激光点云数据的应用急剧增加,如何对其进行高效存储和快速处理成为当前的一个重要研究方向。点云数据包含着丰富的地理信息,属于空间数据范畴。传统的关系型数据库对海量空间数据的存储和处理相对薄弱,分布式环境下非关系型数据库的应用为此提供了一个新的研究视角。Sharding技术是数据库水平扩展的一种解决方案,在分布式环境下搭建MongoDB的Sharding集群,通过范围分片和哈希分片对大量激光点云数据进行分布式存储、空间查询和MapReduce运算测试,充分体现了分布式下MongoDB在空间数据的存储和处理方面的巨大优势。
In recent years,the application of laser point cloud data has increased drastically. How to efficiently store and fast process the data becomes an important research direction at present. Point cloud data contains a wealth of geographic information,belonging to the spatial data category. Since traditional relational databases are relatively weak in storage and processing of massive spatial data,the application of non-relational databases provides a new perspective of study. Sharding technology is a solution for database level extension. In this paper,Sharding cluster for MongoDB is established under distributed environment,while distributed storage,spatial query and MapReduce operation test for numerous laser point cloud data will be implemented through range-based sharding and Hash-based sharding. The results completely reflect huge advantages of MongoDB under distributed environment in storage and processing for spatial data.
引文
[1]张蕊,李广云,王力,等.基于HDFS的海量激光点云数据分块存储方法研究[J].测绘通报,2014(3):21-24.
[2]陈锦伟.基于MySQL的空间数据库关键技术研究[D].江苏:南京邮电大学,2013.
[3]卢冬海,何先波.浅析NoSQL数据库[J].中国西部科技,2011,10(2):14-16.
[4]王光磊.MongoDB数据库的应用研究和方案优化[J].中国科技信息,2011(20):93-96.
[5]张恩,张广弟,兰磊.基于MongoDB的海量空间数据存储和并行[J].地理空间信息,2014,12(1):46-49.
[6]冯大辉.开源数据库Sharding技术[J].程序员,2008(7):92-93.
[7]周炜.云环境下提升MongoDB自动分片性能研究[J].科技创新导报,2013(29):22-23.
[8]梁海.MongoDB数据库中Sharding技术应用研究[J].计算机技术与发展,2014,24(7):60-67.
[9]姚林,张永库.NoSQL的分布式存储与扩展解决方法[J].计算机工程,2012,38(6):40-42.
[10]庄逸众.基于LBS移动服务框架设计与实现[D].北京:北京邮电大学,2013.
[11]张广弟.分布式环境下海量空间数据的存储和并行查询技术研究[D].江西:江西理工大学,2012.
[12]金安,程承旗,宋树华,等.基于Geohash的面数据区域查询[J].地理与地理信息科学,2013,29(5):31-35.
[13]李成华,张新访,金海,等.MapReduce:新型的分布式并行计算编程模型[J].计算机工程与科学,2011,33(3):129-135.