基于Hive的分布式空間數(shù)據(jù)庫(kù)的研究與優(yōu)化.pdf

1、分布式空間數(shù)據(jù)庫(kù)是空間數(shù)據(jù)技術(shù)以及分布式數(shù)據(jù)庫(kù)技術(shù)領(lǐng)域中比較受研究者關(guān)注的科學(xué)研究?jī)?nèi)容之一，目前已經(jīng)應(yīng)用在各行各業(yè)。由于空間數(shù)據(jù)具有數(shù)據(jù)量大，屬性數(shù)據(jù)與空間數(shù)據(jù)密切相關(guān)，空間計(jì)算復(fù)雜等特點(diǎn)，空間數(shù)據(jù)庫(kù)的查詢(xún)效率始終是權(quán)衡、量度其性能的重要指標(biāo)。由此Apache基金會(huì)所開(kāi)發(fā)了以分布式系統(tǒng)架構(gòu)為平臺(tái)的Hadoop,它是一個(gè)能夠讓用戶(hù)輕松架構(gòu)和使用的分布式平臺(tái)。用戶(hù)可以輕松地在Hadoop上開(kāi)發(fā)和運(yùn)行處理海量數(shù)據(jù)的應(yīng)用程序，而它正是基于Hiv

2、e這一可靠，高效的數(shù)據(jù)倉(cāng)庫(kù)工具。本文對(duì)分布式空間數(shù)據(jù)庫(kù)工具Hive的關(guān)鍵技術(shù)進(jìn)行了學(xué)習(xí)與研究，分布式空間數(shù)據(jù)庫(kù)系統(tǒng) hadoop與傳統(tǒng)的數(shù)據(jù)庫(kù)相比，其通過(guò)強(qiáng)大的分布式性能實(shí)現(xiàn)了空間計(jì)算的高效性，更加適合大數(shù)據(jù)量的空間數(shù)據(jù)的計(jì)算。
　　本研究主要內(nèi)容包括：⑴通過(guò)對(duì)空間數(shù)據(jù)的理論基礎(chǔ)的了解以及認(rèn)識(shí)，對(duì)基于HDFS的數(shù)據(jù)倉(cāng)庫(kù)工具Hive框架、基于Hive的分布式計(jì)算模型MapReduce、分布式文件系統(tǒng)HDFS框架進(jìn)行分析。⑵模擬對(duì)空間

3、數(shù)據(jù)的檢索以及對(duì)基于HDFS的數(shù)據(jù)倉(cāng)庫(kù)工具Hive框架的擴(kuò)展設(shè)計(jì)并實(shí)現(xiàn)，把SQL進(jìn)行擴(kuò)展使之更便于對(duì)Hive查詢(xún)支持，實(shí)現(xiàn)Hive用以分布式空間數(shù)據(jù)查詢(xún)。⑶在對(duì)分布式空間數(shù)據(jù)庫(kù)DSQ(Distributed Spatial Querier)的設(shè)計(jì)完成后，進(jìn)行初步實(shí)現(xiàn)，部分性解決了Hive在查詢(xún)過(guò)程中經(jīng)常出現(xiàn)的數(shù)據(jù)傾斜問(wèn)題，并對(duì)在分布式計(jì)算時(shí)造成的數(shù)據(jù)傾斜問(wèn)題的原因進(jìn)行了詳細(xì)分析，并采取一些優(yōu)化方式來(lái)提高HDFS對(duì)數(shù)據(jù)的處理效率。⑷通過(guò)實(shí)