首页--天文学、地球科学论文--测绘学论文--一般性问题论文--测绘数据库与信息系统论文

分布式环境下海量空间数据的存储和并行查询技术研究

摘要第1-5页
ABSTRACT第5-10页
第一章 绪论第10-15页
   ·本课题研究的背景及意义第10-11页
   ·国内外研究现状第11-13页
     ·国内外分布式数据库发展现状第11页
     ·国内外并行计算的发展现状第11-12页
     ·海量空间数据存储和处理的研究现状第12-13页
   ·论文的结构和内容第13-15页
     ·论文研究目标第13页
     ·论文主要研究内容第13页
     ·论文的关键技术和技术路线第13-15页
第二章 分布式存储与并行处理相关技术第15-23页
   ·分布式存储概述第15-18页
     ·分布式文件系统第15-16页
     ·分布式数据库系统第16-17页
     ·非关系型τNosqlυ数据库系统第17-18页
   ·并行处理概述第18-20页
     ·并行处理机制概述第18-19页
     ·Map/Reduce 编程模型第19-20页
   ·空间数据存储和处理概述第20-21页
     ·空间数据的概述第20页
     ·空间数据库第20-21页
     ·空间数据查询第21页
   ·现有海量空间数据存储和处理技术第21-22页
     ·海量空间数据存储分析第21-22页
     ·海量空间数据处理思路第22页
   ·本章小结第22-23页
第三章 基于 MongoDB 的海量空间数据存储第23-36页
   ·MongoDB 数据库体系介绍第23-25页
     ·MongoDB 存储模型第23-24页
     ·MongoDB 的特点第24-25页
   ·MongoDB 集群第25-27页
     ·MongoDB 集群构建第25-26页
     ·MongoDB 集群的工作原理第26-27页
   ·海量空间数据在 MongoDB 数据库的存储第27-33页
     ·空间数据的存储模式第27-30页
     ·MongoDB 的空间索引研究第30-33页
   ·MongoDB 数据存储性能测试第33-35页
     ·测试实验第33-34页
     ·结果分析第34-35页
   ·本章小结第35-36页
第四章 MapReduce 的海量空间数据并行处理第36-42页
   ·Hadoop 及 MapReduce 并行编程模型第36-38页
     ·Hadoop 概述第36页
     ·Hadoop 的 MapReduce 体系流程第36-38页
   ·基于 MongoDB 的 MapReduce 的不足第38页
   ·海量空间数据并行处理过程的设计与核心模块实现第38-41页
     ·海量空间数据的并行处理体系框架和流程第38-39页
     ·海量空间数据并行处理过程的核心模块实现第39-41页
   ·本章小结第41-42页
第五章 HMGIS 数据库管理器与并行查询实验第42-53页
   ·HMGIS 数据库管理器的功能与部分实现第42-49页
     ·HMGIS 数据库管理器功能结构第42-43页
     ·基于 Hadoop 的 MongoDB 数据库集群搭建第43-47页
     ·HMGIS 数据库管理器的部分实现第47-49页
   ·HMGIS 的并行查询实验第49-52页
     ·实验条件的准备第49页
     ·空间数据导入实验第49-50页
     ·空间数据的点属性查询实验第50-51页
     ·空间范围查询实验第51-52页
   ·本章小结第52-53页
第六章 结论与展望第53-55页
   ·论文工作的总结第53页
   ·未来工作展望第53-55页
参考文献第55-57页
致谢第57-58页
个人简历第58页
在学期间发表的学术论文与研究成果第58页

论文共58页,点击 下载论文
上一篇:基于SaaS模式的地理计算服务平台构建关键技术研究
下一篇:基于MapReduce的VoR-Tree索引并行构建技术研究