基于分布式内存的空间数据渐进式查询处理技术研究

In most online applications with interactive query, users may not need the accurate results but the quick response. Distributed main memory and big spatial data can be served as the infrastructure of efficient query processing. However, exist progressive query methods have not fully take these advantages. Aiming at efficient access to spatial data in multi-user and high concurrent applications, the goal of the project is to investigate and develop a new spatial query method with distributed main memory. The data model, query index, sampling method and error estimation of progressive spatial query with distributed main memory are the theoretic aspects of the research, while the spatial data partition method, task assignment and query processing algorithms are the core techniques. A progressive spatial query prototype system based on distributed main memory will be built, which can be used in some online applications, such as transportation, emergency reaction, tourism, decision support, and so on.

面向在线交互的海量空间数据集查询应用中，有时用户并不需要一个精确的查询结果，而是更加看重查询速度。分布式内存和时空大数据分析技术的发展为实现这种快速查询需求提供了基础，然而现有渐进式查询方法还无法有效利用分布式内存。在多用户高并发应用背景下，以海量空间数据高效访问为目标，基于自主研发的高性能地理信息系统，研究分布式内存空间数据模型、渐进式查询索引、空间数据采样方法和误差模型等理论方法，解决基于分布式内存的空间数据划分方法、任务分解策略、渐进式查询处理算法等关键技术。通过建立高效的多层次索引结构以支持对大规模空间数据的快速可视化；实现渐进式查询，支持大规模空间数据的在线统计分析；提供误差控制范围，确保估计值能够随着等待时间的增加而不断趋近于精确值。最终，构建分布式内存环境下的渐进式空间查询原型系统。研究成果能够支撑交通服务、应急救援、旅游推荐和决策支持等在线应用。

面向在线交互的时空大数据查询应用中，有时用户并不需要一个精确的查询结果，而是更加看重查询速度。分布式内存和时空大数据分析技术的发展为实现高效空间查询处理提供了基础，然而现有渐进式查询方法还无法有效利用分布式内存。在多用户高并发应用背景下，以海量空间数据高效访问为目标，基于自主研发的高性能地理信息系统，研究了分布式内存空间数据模型、渐进式查询索引、空间数据采样方法和误差模型等理论方法，解决了基于分布式内存的空间数据划分方法、任务分解策略、渐进式查询处理算法等关键技术。通过建立高效的多层次索引结构以支持对大规模空间数据的交互式可视化；实现渐进式查询，能够支持时空大数据的在线缓冲区、叠置、可达性分析等应用；项目提出的误差分析模型，确保估计值能够随着等待时间的增加而不断趋近于精确值。最终，构建了分布式内存环境下的渐进式空间查询原型系统。研究成果能够支撑交通服务、选址分析和决策支持等在线应用。