面向海量数据场景的空间属性数据集成框架

详细信息    查看全文 | 推荐本文 |

英文篇名：The integration framework between GIS and attribute data for the scene of massive data 作者：徐强 ; 范虹 英文作者：XU Qiang;FAN Hong;School of Computer Science,Shaanxi Normal University; 关键词：ArcSDE ; FME ; SequoiaDB ; 时空数据 英文关键词：ArcSDE;;FME;;SequoiaDB;;spatiotemporal data 中文刊名：HDZJ 英文刊名：Information Technology 机构：陕西师范大学计算机科学学院; 出版日期：2018-09-18 出版单位：信息技术 年：2018 基金：国家自然科学基金(41271518);; 陕西省自然科学基金(2014JM-6115);; 陕西省科学技术研究发展计划(2012K06-36) 语种：中文; 页：HDZJ201809005 页数：4 CN：09 ISSN：23-1557/TN 分类号：28-31

摘要

空间数据集成分为空间属性数据集成,特别注意的是时空数据集成存储以及多源空间数据集成两个方面。对于空间属性数据集成方面,面向少数据量多分析性开发场景,Arc SDE是目前最佳的解决方案;但是针对海量性等开发场景,方案甚少,文中基于Sequoia DB与Mongo DB分布式数据库协同探索了该情况下的海量空间属性集成策略以及步骤框架,尤其是针对时空数据。
        Spatial data integration is divided into spatial attribute data integration,specially contians spatiotemporal data integration storage and multi-source spatial data integration. For spatial data integration,when confronted with scenario which is more data analysis and low data volume scenarios,Arc SDE is the best solution at present; but when confronted with scenario which is massive,there are few schemes,massive spatial attribute integration 's strategy and step framework are studied on based on Sequoia DB and Mongo DB aiming at the scenario of magnanimity,especially for the spatiotemporal data.

引文

[1]Sequoia DB Class List[EB/OL].http:∥doc.sequoiadb.com/cn/index/Public/Home/document/208/api/java/html/annotated.html.
    [2]雷德龙,郭殿升,等.基于Mongo DB的矢量空间数据云存储与处理系统[J].地理信息科学,2014,16(4):507-516.
    [3]秦强,王晏民,等.基于Mongo DB的海量遥感影像大数据存储[J].北京建筑大学学报,2015,31(1):62-66.
    [4]孙静杰,曾李阳,等.基于Mongo DB的Web空间数据存储与管理研究[J].测绘,2017,40(2):72-74.
    [5]曹学诚,刘周周.基于Post GIS的高分一号卫星影像管理与Web应用研究[J].遥感技术与应用,2016,31(2):285-289.