范理信，黨 琦，魯 釗

（1.湖北省地圖院，湖北 武漢 430074）

國家地理信息公共服務(wù)平臺(tái)公眾版——“天地圖”，是中國區(qū)域內(nèi)基礎(chǔ)地理信息數(shù)據(jù)資源最全面的互聯(lián)網(wǎng)地圖服務(wù)網(wǎng)站。天地圖·湖北作為天地圖的省級(jí)節(jié)點(diǎn)，是天地圖的重要組成部分，提供湖北省最新最全面的基礎(chǔ)地理數(shù)據(jù)和地理信息公眾服務(wù)。隨著湖北省數(shù)據(jù)的不斷增多，如何使數(shù)據(jù)有更好的查詢效率和容錯(cuò)性，以及如何深入挖掘這些數(shù)據(jù)的價(jià)值十分重要。本文結(jié)合大數(shù)據(jù)時(shí)代的相關(guān)技術(shù)知識(shí)，闡述在大數(shù)據(jù)時(shí)代下天地圖·湖北的發(fā)展。

1 大數(shù)據(jù)時(shí)代

大數(shù)據(jù)是指涉及資料量規(guī)模過大，無法透過目前的主流軟件工具，在合理時(shí)間內(nèi)達(dá)到擷取、管理、處理，并整理成為幫助企業(yè)經(jīng)營決策更積極目的的資訊［1］。大數(shù)據(jù)有數(shù)據(jù)量大（Volume）、速度快（Velocity）、種類多（Variety）等特點(diǎn)。

數(shù)據(jù)量大：通常以GB為單位，甚至大量TB、PB、ZB級(jí)的數(shù)據(jù)。2016年全球數(shù)據(jù)量已達(dá)到6萬億GB，預(yù)計(jì)2020年全球數(shù)據(jù)量將達(dá)到40 ZB。

速度快：產(chǎn)生速度快，目前只需2 d就能創(chuàng)造出自文明誕生以來到2003年全球所產(chǎn)生的數(shù)據(jù)總量。

種類多：數(shù)據(jù)來源和類型繁多，結(jié)構(gòu)化數(shù)據(jù)和文檔、圖片、視頻等非結(jié)構(gòu)化數(shù)據(jù)并存。

大數(shù)據(jù)已經(jīng)開始逐漸滲入到人們社會(huì)生活的各個(gè)層面，包括地理信息（GIS）領(lǐng)域。在GIS領(lǐng)域中，“智慧城市”、導(dǎo)航衛(wèi)星數(shù)據(jù)、高光譜分辨率的衛(wèi)星圖像等各種數(shù)據(jù)的不斷產(chǎn)生，如何存儲(chǔ)并充分利用這些大數(shù)據(jù)是地理信息研究的一個(gè)方向。

2 大數(shù)據(jù)時(shí)代對(duì)天地圖·湖北的影響

2.1 天地圖·湖北簡述

國家地理信息公共服務(wù)平臺(tái)公眾版——“天地圖”，是“數(shù)字中國”的重要組成部分，是中國區(qū)域內(nèi)基礎(chǔ)地理信息數(shù)據(jù)資源最全的互聯(lián)網(wǎng)地圖服務(wù)網(wǎng)站。加快“天地圖”的建設(shè)，對(duì)提供公共服務(wù)、推動(dòng)信息化進(jìn)程、繁榮地理信息產(chǎn)業(yè)、維護(hù)國家安全意義重大。

“天地圖·湖北”作為國家“天地圖”主節(jié)點(diǎn)的省級(jí)節(jié)點(diǎn)，其建設(shè)目的是綜合利用湖北省全省基礎(chǔ)地理信息數(shù)據(jù)、專題數(shù)據(jù)集、多源多分辨率影像數(shù)據(jù)，為社會(huì)公眾提供一站式、便捷的地理信息服務(wù)，發(fā)揮測(cè)繪成果在湖北省國民經(jīng)濟(jì)中的作用。

2.2 天地圖·湖北數(shù)據(jù)的存儲(chǔ)

天地圖·湖北目前主要使用空間數(shù)據(jù)庫的方式存儲(chǔ)數(shù)據(jù)?？臻g數(shù)據(jù)庫是為適應(yīng)空間數(shù)據(jù)的特殊性而出現(xiàn)的專用數(shù)據(jù)庫，用于存儲(chǔ)空間數(shù)據(jù)所特有的位置和屬性數(shù)據(jù)。

在天地圖·湖北架構(gòu)體系中，使用空間數(shù)據(jù)庫管理、存儲(chǔ)復(fù)雜的空間信息數(shù)據(jù)。在處理空間信息時(shí)，需要大量的數(shù)據(jù)存儲(chǔ)和高效的計(jì)算資源。在大數(shù)據(jù)時(shí)代下，隨著天地圖·湖北矢量、影像、專題、地名地址、文檔視頻、圖片等非結(jié)構(gòu)化數(shù)據(jù)不斷更新，不斷增多的數(shù)據(jù)造成查詢效率不斷降低。所需要的存儲(chǔ)空間不斷增多，導(dǎo)致傳統(tǒng)的空間數(shù)據(jù)庫存儲(chǔ)方式讀寫效率低下，可擴(kuò)展性差。傳統(tǒng)的數(shù)據(jù)管理已經(jīng)不能滿足日益劇增的數(shù)據(jù)量，為提高查詢效率，必須對(duì)天地圖·湖北數(shù)據(jù)存儲(chǔ)模型進(jìn)行升級(jí)。

2.3 天地圖·湖北數(shù)據(jù)的價(jià)值

天地圖·湖北數(shù)據(jù)包含基礎(chǔ)地理信息數(shù)據(jù)，如矢量數(shù)據(jù)、影像數(shù)據(jù)、地理實(shí)體數(shù)據(jù)、地名地址數(shù)據(jù)、專題數(shù)據(jù)、文檔視頻、圖片等多種類型數(shù)據(jù)。其中，基礎(chǔ)地理信息數(shù)據(jù)擁有湖北省全省范圍的1∶500、1∶1 000、1∶2 000、1∶10 000 DLG和0.5 m DOM數(shù)據(jù)，且富含比較全面的專題POI數(shù)據(jù)，包括社會(huì)、經(jīng)濟(jì)、人文、交通、行政、旅游等信息，現(xiàn)勢(shì)性較好。

天地圖·湖北中的數(shù)據(jù)主要用于查詢，而對(duì)于隱含、非顯見的數(shù)據(jù)挖掘分析能力較弱。在大數(shù)據(jù)時(shí)代，不斷發(fā)展數(shù)據(jù)挖掘分析算法、技術(shù)，為研究探索數(shù)據(jù)的潛在價(jià)值提供有力的支撐。天地圖·湖北在有數(shù)據(jù)支持作為基礎(chǔ)的情況下，如何從數(shù)據(jù)中發(fā)現(xiàn)價(jià)值創(chuàng)造價(jià)值，是天地圖·湖北發(fā)展的一個(gè)方向。

3 大數(shù)據(jù)技術(shù)與天地圖·湖北的融合

3.1 數(shù)據(jù)存儲(chǔ)模式

在大數(shù)據(jù)時(shí)代，對(duì)于傳統(tǒng)空間數(shù)據(jù)庫的各種問題，可使用大數(shù)據(jù)的相關(guān)技術(shù)來解決，如Hadoop和NoSQL數(shù)據(jù)庫。

Hadoop是目前使用最廣泛的云計(jì)算技術(shù)之一，主要包括HDFS分布式文件系統(tǒng)和Map Reduce批處理框架。HDFS全名是Hadoop Distributed File System，即Hadoop分布式文件系統(tǒng)，主要用于以流式數(shù)據(jù)存儲(chǔ)超大文件［2］。在HDFS集群上數(shù)據(jù)以分塊的形式存儲(chǔ)，即文件分成若干個(gè)數(shù)據(jù)塊，每個(gè)數(shù)據(jù)塊64 M。數(shù)據(jù)塊使用多備份機(jī)制。默認(rèn)情況下在HDFS 集群的3個(gè)不同的服務(wù)器，保存一個(gè)相同的數(shù)據(jù)塊。如圖1所示為數(shù)據(jù)塊X在HDFS上的存儲(chǔ)模型，數(shù)據(jù)塊X有3份備份存儲(chǔ)在HDFS集群的各個(gè)節(jié)點(diǎn)上。

圖1 數(shù)據(jù)塊在HDFS上的存儲(chǔ)模型

對(duì)于天地圖·湖北數(shù)據(jù)而言，其具有數(shù)據(jù)量大、種類繁多等特點(diǎn)，非常適合使用HDFS存儲(chǔ)。以天地圖·湖北瓦片數(shù)據(jù)為例，將天地圖·湖北發(fā)布服務(wù)的多個(gè)瓦片數(shù)據(jù)聚合在一起，形成一個(gè)大的文件，以分塊的方式存儲(chǔ)在HDFS上。用戶在瀏覽地圖查詢瓦片時(shí)，根據(jù)HDFS的調(diào)度可查詢?nèi)我粩?shù)據(jù)塊副本所在節(jié)點(diǎn)的數(shù)據(jù)塊，從而更加高效、方便、安全地查詢，使天地圖·湖北具有高可靠性、高可擴(kuò)展性、高吞吐率等特點(diǎn)。

NoSQL全名Not Only SQL，是關(guān)系型數(shù)據(jù)庫之外的一種數(shù)據(jù)庫——非關(guān)系型數(shù)據(jù)庫，有別于傳統(tǒng)的以表的形式存儲(chǔ)數(shù)據(jù)，分為key-value存儲(chǔ)、文檔數(shù)據(jù)庫和圖數(shù)據(jù)庫3類［3］，適合存儲(chǔ)非結(jié)構(gòu)化數(shù)據(jù)，具有高可靠性、高可擴(kuò)展性等特性，主要包括HBase、MongoDB、Cassandra、Redis等數(shù)據(jù)庫。

NoSQL數(shù)據(jù)庫適合存儲(chǔ)小文件，通過使用NoSQL數(shù)據(jù)庫存儲(chǔ)天地圖·湖北數(shù)據(jù)，可以將天地圖·湖北發(fā)布服務(wù)的瓦片數(shù)據(jù)、圖片文檔數(shù)據(jù)、屬性數(shù)據(jù)等存儲(chǔ)于NoSQL數(shù)據(jù)庫。

以HBase這款key-value存儲(chǔ)的NoSQL為例，本文設(shè)計(jì)一個(gè)表名為TiandituHubeiHBase的表，將瓦片數(shù)據(jù)存儲(chǔ)在TiandituHubeiHBase表中(如表1)。

表1 TiandituHubeiHBase表結(jié)構(gòu)

在該表中，行鍵Rowkey是由地圖服務(wù)名、級(jí)別、行、列組合而成，列族定義為image，列限定符定義為空，瓦片數(shù)據(jù)以二進(jìn)制數(shù)組形式存儲(chǔ)在單元值中。

將行鍵定義為組合鍵形式， HBase根據(jù)行鍵排序，將相同地圖服務(wù)的瓦片數(shù)據(jù)匹配在一起。在同一個(gè)服務(wù)中，將相同級(jí)別的排列在一起。依此類推，當(dāng)用戶訪問獲取同一服務(wù)或是同一級(jí)別、同一行、同一列上的多張瓦片地圖數(shù)據(jù)時(shí)，HBase定位到某一位置后，順序掃描表即可，不需隨機(jī)訪問獲取數(shù)據(jù)，可提高瓦片數(shù)據(jù)查詢讀取的效率。

將HBase表的列限定符設(shè)計(jì)為null，因?yàn)镠Base通過行鍵、列族、列限定符和時(shí)間戳四元組定位一個(gè)單元值。在網(wǎng)絡(luò)傳輸速率一定時(shí)，如果列族占用更小，則傳輸數(shù)據(jù)的時(shí)間消耗越少，查詢速度越快。瓦片數(shù)據(jù)查詢無需使用列限定符，可以將其設(shè)置為空，提高查詢HBase表中瓦片數(shù)據(jù)的性能。

此外，還有多部文獻(xiàn)介紹大數(shù)據(jù)數(shù)據(jù)存儲(chǔ)模型。文獻(xiàn)［4］使用HadoopMapFile文件封裝瓦片存儲(chǔ)在HDFS上；文獻(xiàn)［5］使用HBase提出一種新的行鍵設(shè)計(jì)方法，將坐標(biāo)數(shù)據(jù)轉(zhuǎn)化為一維字符串，在行鍵設(shè)計(jì)的基礎(chǔ)上設(shè)計(jì)一種新的適合存儲(chǔ)空間數(shù)據(jù)的方式。

3.2 數(shù)據(jù)挖掘分析

在大數(shù)據(jù)時(shí)代下，數(shù)據(jù)挖掘分析算法與技術(shù)不斷出現(xiàn)，利用大數(shù)據(jù)技術(shù)手段挖掘分析數(shù)據(jù)，提取有用信息，獲得數(shù)據(jù)的價(jià)值，正在成為企業(yè)發(fā)展的必由之路。

大數(shù)據(jù)來源的多樣性，造成無價(jià)值內(nèi)容多，需要在數(shù)據(jù)入庫之前對(duì)數(shù)據(jù)進(jìn)行清洗等操作，以減少誤差、降低冗余，提高數(shù)據(jù)準(zhǔn)確性，再入庫分析。數(shù)據(jù)挖掘分析流程如圖2所示。

圖2 數(shù)據(jù)挖掘分析流程

數(shù)據(jù)挖掘分析是獲取數(shù)據(jù)價(jià)值最重要的步驟。近年來，以MapReduce等技術(shù)為代表的挖掘與分析技術(shù)日趨成熟。MapReduce是一種處理海量數(shù)據(jù)的并行編程模型和計(jì)算框架，用于對(duì)大規(guī)模數(shù)據(jù)集的并行計(jì)算。它是把大規(guī)模數(shù)據(jù)集的操作，分發(fā)給一個(gè)主節(jié)點(diǎn)管理下的各分節(jié)點(diǎn)共同完成，然后通過整合各分節(jié)點(diǎn)的中間結(jié)果，得到最終結(jié)果［6］。

天地圖·湖北中，包括各種導(dǎo)航數(shù)據(jù)、專題數(shù)據(jù)等。為了提取、分析天地圖·湖北的有用信息，可使用MapReduce對(duì)數(shù)據(jù)進(jìn)行挖掘統(tǒng)計(jì)分析。

以天地圖·湖北中的湖北省貧困人口POI專題數(shù)據(jù)為例，由于數(shù)據(jù)量大，使用傳統(tǒng)的分析工具效率不高。結(jié)合目前最新的大數(shù)據(jù)技術(shù)，使用MapReduce對(duì)數(shù)據(jù)進(jìn)行分析，可得出湖北省內(nèi)各市、縣、鄉(xiāng)、鎮(zhèn)、區(qū)的貧困人口總數(shù)，如表2所示。

表2 天地圖·湖北貧困人口表結(jié)構(gòu)

以天地圖·湖北中的湖北省貧困人口POI專題數(shù)據(jù)為數(shù)據(jù)源，首先經(jīng)Map操作，將相同的RegionId進(jìn)行合并處理；其次通過Reduce，根據(jù)MapReduce計(jì)算框架的原理，相同的RegionId會(huì)分配到同一Reduce節(jié)點(diǎn)進(jìn)行處理。由于貧困人口數(shù)據(jù)表ID的唯一性，所以只需要計(jì)算RegionId相同的ID的數(shù)量，就可以得到某一地區(qū)貧困人口的總數(shù)。經(jīng)過Map和Reduce兩個(gè)步驟，最終將結(jié)果輸出到HDFS上保存。MapReduce操作流程如圖3所示。

圖3 MapReduce操作流程

此外，還有多部文獻(xiàn)介紹空間大數(shù)據(jù)的挖掘與分析。文獻(xiàn)［7］基于Shark/Spark設(shè)計(jì)一個(gè)分布式空間數(shù)據(jù)分析框架；文獻(xiàn)［8］闡述空間數(shù)據(jù)挖掘的算法，并探討空間數(shù)據(jù)挖掘未來的發(fā)展趨勢(shì)。

[1] 林媛媛,林川,何德．淺談大數(shù)據(jù)時(shí)代下的GIS發(fā)展[J]．江西測(cè)繪,2013,97(3):15-16

[2] Whte Tom． Hadoop: The Definitive Guide [M]． O’Reilly Media Inc, 2009

[3] 申德榮,于戈,王習(xí)特,等．支持大數(shù)據(jù)管理的NoSQL系統(tǒng)研究綜述[J]．軟件學(xué)報(bào),2013(8):1 786-1 803

[4] 萬波,黨琦,楊林．基于HDFS管理MapGIS K9瓦片地圖集的研究與實(shí)現(xiàn)[J]．計(jì)算機(jī)應(yīng)用與軟件,2013,30(12):232-235

[5] 丁?。贖Base的空間數(shù)據(jù)分布式存儲(chǔ)和并行查詢算法研究[D]．南京:南京師范大學(xué),2014

[6] 劉鵬．實(shí)戰(zhàn)Hadoop——開啟通向云計(jì)算的捷徑[M]．北京：電子工業(yè)出版社, 2011

[7] 溫馨,羅侃,陳榮國．基于Shark/Spark的分布式空間數(shù)據(jù)分析框架[J]．地球信息科學(xué)學(xué)報(bào), 2015, 17(4):401-407

[8] 馬宏斌,王柯,馬團(tuán)學(xué)．大數(shù)據(jù)時(shí)代的空間數(shù)據(jù)挖掘綜述[J]．測(cè)繪與空間地理信息,2014,37(7):19-22