龔發(fā)芽

摘 要：在海量影像地圖的應(yīng)用中，數(shù)據(jù)的存儲、更新和利用都是比較難以解決的問題，本文以全國特征點(diǎn)數(shù)據(jù)為基礎(chǔ)，自動挖掘出全國范圍的重要位置區(qū)域，并進(jìn)行結(jié)構(gòu)化處理，然后以此數(shù)據(jù)為依據(jù)，提供任意位置在各種比例尺下的地圖重要性判斷方法，根據(jù)此方法，可選擇性的存儲和更新“重要”影像數(shù)據(jù)，達(dá)到數(shù)據(jù)縮減存儲、快速更新和高效訪問的目的。

關(guān)鍵詞：海量遙感影像 縮減存儲 瓦片地圖 高并發(fā)訪問

中圖分類號：P282 文獻(xiàn)標(biāo)識碼：A 文章編號：1672-3791（2014）05（b）-0031-02

隨著遙感技術(shù)的發(fā)展，影像地圖應(yīng)用的日益增多，在全國級的海量影像地圖應(yīng)用中，數(shù)據(jù)的存儲、管理和更新是業(yè)界一直比較關(guān)注的熱點(diǎn)問題。當(dāng)前很多應(yīng)用會采用分塊分層結(jié)構(gòu)對影像地圖數(shù)據(jù)進(jìn)行切割處理，然后分塊調(diào)用[1]，可以明顯加快顯示速度，下文稱此技術(shù)產(chǎn)生的地圖為瓦片地圖。在這種瓦片地圖應(yīng)用過程中，本文提出了一種基于特征點(diǎn)數(shù)據(jù)分布的海量影像地圖縮減存儲方法，并以瓦片影像地圖的應(yīng)用為實(shí)例進(jìn)行驗(yàn)證，該方法可以有效縮減90%以上的地圖存儲量，在此基礎(chǔ)上，本文還分析了數(shù)據(jù)快速更新機(jī)制、適用于高并發(fā)的多級數(shù)據(jù)存儲策略等海量地圖應(yīng)用關(guān)鍵技術(shù)的可行性。

1 影像數(shù)據(jù)組織方式

本文以瓦片式影像地圖的應(yīng)用作為實(shí)例，來驗(yàn)證該縮減壓縮方法的有效性，故此先簡述瓦片地圖的組織結(jié)構(gòu)以及數(shù)據(jù)存儲量的計(jì)算方法。

1.1 金字塔式瓦片存儲組織結(jié)構(gòu)

瓦片式電子地圖是當(dāng)前比較流行的地圖服務(wù)形式，其采用金字塔結(jié)構(gòu)，對影像地圖進(jìn)行分層和分塊的劃分。按照既定的多層比例尺，把每一個比例尺的整幅影像地圖切割為256×256像素或者512×512像素的小幅圖片（通常稱為瓦片），地圖引擎再采用相應(yīng)的算法，把這些小幅圖片組織起來，顯示到客戶端界面。瓦片的結(jié)構(gòu)圖如圖1所示[2]。

1.2 影像地圖數(shù)據(jù)總量計(jì)算

假設(shè)切圖方式采用現(xiàn)在流行的WEB墨卡托投影切片方式，即橫向和豎向的瓦片數(shù)量一致，則可知每個地圖級別n的瓦片數(shù)量為2n×2n，0～18級瓦片地圖的總數(shù)據(jù)量及存儲空間見表1所示[3]（通常情況下，影像瓦片地圖平均大小為10 KB）。

以上為全球的瓦片地圖總數(shù)據(jù)量，如果按中國大陸的區(qū)域進(jìn)行計(jì)算，0～18級的數(shù)據(jù)總量大約為1994965244×10/1024/1024/1024=18.58T。

2 影像地圖智能縮減存儲方法

下面以全國特征點(diǎn)數(shù)據(jù)為基礎(chǔ)，詳述如何從中挖掘出重要區(qū)域信息，然后采用合適的高效算法，判斷某個位置的瓦片地圖是否是重要地圖，繼而選擇性的存儲，保證存儲的瓦片地圖都位于比較重要的位置。并且根據(jù)某個位置區(qū)域的特征點(diǎn)數(shù)據(jù)的密度，自動判斷某個比例尺下的某個瓦片是否為重要地圖，可針對每個比例尺進(jìn)行地圖重要性判斷，從而大大縮減了重要地圖的數(shù)量，達(dá)到地圖智能縮減存儲的目的。

2.1 挖掘重要區(qū)域信息

首先對全國特征點(diǎn)數(shù)據(jù)進(jìn)行網(wǎng)格劃分，劃分依據(jù)為14級瓦片地圖的切割方法，統(tǒng)計(jì)每個網(wǎng)格內(nèi)的數(shù)據(jù)量，并根據(jù)數(shù)據(jù)量的多少，計(jì)算當(dāng)前網(wǎng)格的重要程度，基于此重要程度，判斷當(dāng)前網(wǎng)格所處的區(qū)域是否為重要區(qū)域，并且根據(jù)重要程度的高低，判斷后續(xù)的15～18級地圖是否為重要地圖。

選擇14級作為基準(zhǔn)參考級別也是有所考慮的，14級網(wǎng)格數(shù)量約為596.7萬，若按15級或更大級別劃分，就容易因網(wǎng)格數(shù)量過大，降低后期數(shù)據(jù)判斷的運(yùn)算速度。并且因?yàn)楸局匾潭葦?shù)據(jù)本身只是參考數(shù)據(jù)，并不一定代表實(shí)際情況，所以，過于要求數(shù)據(jù)的精準(zhǔn)度，并不一定達(dá)到更好的實(shí)際使用效果。

該分析方法具有通用性，當(dāng)特征點(diǎn)數(shù)據(jù)更新時，可快速的更新此重要區(qū)域信息，為后續(xù)的判斷提供新的依據(jù)。

2.2 基于重要區(qū)域信息的縮減存儲方法

按照上一步挖掘出的重要區(qū)域信息，判斷任意瓦片地圖是否為重要地圖，簡單的判斷依據(jù)為：

（1）小于14級，認(rèn)為全部是重要地圖。

（2）14級，當(dāng)網(wǎng)格內(nèi)數(shù)量大于0，則認(rèn)為是重要地圖。

（3）14級以上時，假設(shè)當(dāng)前級別為level，先找到當(dāng)前瓦片在14級所在的瓦片網(wǎng)格的位置，獲取此網(wǎng)格的數(shù)據(jù)量n，判斷當(dāng)n>=4level-14時，認(rèn)為此瓦片為重要地圖。

（4）循環(huán)所有瓦片地圖，即可知道那些為重要地圖。

在地圖存儲時，就可以僅存儲重要地圖，達(dá)到縮減存儲的目的。

考慮到特征點(diǎn)數(shù)據(jù)可能出現(xiàn)缺失，以及盡可能為重要地圖區(qū)域顯示更多的緩沖區(qū)域，并且重要地圖周邊一定范圍的地圖訪問量也會是比較高的，所以可對上述判斷依據(jù)做進(jìn)一步的優(yōu)化，以便更好的適用實(shí)際情況，可能包含以下優(yōu)化方法：

（1）重要地圖周邊N塊網(wǎng)格的地圖都認(rèn)為是重要地圖，N>=1，具體數(shù)值可根據(jù)實(shí)際情況設(shè)置。

（2）每個網(wǎng)格的權(quán)重不簡單的按照其中的特征點(diǎn)數(shù)量，而是參考周邊網(wǎng)格的權(quán)重進(jìn)行綜合計(jì)算，可有效的建立重要地圖的周邊緩沖帶，達(dá)到更好的顯示效果。

優(yōu)化后可達(dá)到更好的顯示效果，但也會帶來存儲量的增加，需根據(jù)實(shí)際情況選用。

3 應(yīng)用實(shí)例

本文以中國大陸的影像地圖為例，使用本文的數(shù)據(jù)縮減方法對海量瓦片影像數(shù)據(jù)進(jìn)行縮減存儲處理。

首先，對全國2000余萬條特征點(diǎn)數(shù)據(jù)進(jìn)行挖掘分析，計(jì)算出重要區(qū)域，然后通過此重要區(qū)域以及相關(guān)算法，判斷每個瓦片是否為重要地圖，計(jì)算結(jié)果如表2所示。

全部級別數(shù)據(jù)量之和為17176348張瓦片，總存儲空間約為163.8G，相比沒有縮減之前的18.58T的數(shù)據(jù)存儲空間，縮減比例達(dá)99.14%。

因影像瓦片地圖色彩都比較豐富，重要和非重要區(qū)域的地圖圖片大小差別并不是很大，由實(shí)際的存儲容量就可以看得出來，所以使用理論上的瓦片數(shù)據(jù)的比例作為存儲空間的縮減比例，是具有一定的參考價值的。endprint

從部署和更新時間上考慮，163.8GB的瓦片地圖數(shù)據(jù)進(jìn)行切片、壓縮、打包、上傳、解壓等完整步驟，在單臺普通計(jì)算機(jī)上只需要20天左右的時間，如果使用多臺機(jī)器進(jìn)行任務(wù)分解操作，基本上可滿足快速更新部署的需求。

4 基于重要區(qū)域信息的擴(kuò)展應(yīng)用

4.1 地圖快速更新

如果有新的影像地圖數(shù)據(jù)產(chǎn)生，可優(yōu)先對重要區(qū)域內(nèi)的地圖數(shù)據(jù)進(jìn)行處理，達(dá)到數(shù)據(jù)快速更新的目的。

4.2 提升并發(fā)性能

眾所周知，對于大多數(shù)系統(tǒng)來說，最頭疼的就是大規(guī)模的小文件存儲與讀取，因?yàn)榇蓬^需要頻繁的尋道和換道，因此，在讀取上容易帶來較長的延時。在大量高并發(fā)訪問量的情況下，簡直就是系統(tǒng)的噩夢[4]。海量瓦片地圖就是這樣的情況，圖片數(shù)據(jù)可達(dá)數(shù)十億張以上，如果沒有比較好的存儲策略，在高并發(fā)訪問時，文件IO勢必成為系統(tǒng)瓶頸。當(dāng)前比較簡單且有效的方法是將訪問頻率較高或者隨機(jī)讀寫比例較高的數(shù)據(jù)文件放在固態(tài)硬盤SSD上，而將訪問頻率較低或者順序讀寫比例較高的數(shù)據(jù)文件存放在機(jī)械硬盤上[5]。

根據(jù)本文提出的數(shù)據(jù)縮減方法，就可以把重要地圖放置在SSD硬盤上，把剩余的地圖放置在機(jī)械硬盤上，可大大提升高并發(fā)時的地圖訪問速度。并且根據(jù)當(dāng)前主流的存儲器價格數(shù)據(jù)，SSD存儲的價格大約是SATA盤的10～20倍，昂貴的高速存儲器只有比較小的存儲空間，把訪問量高的數(shù)據(jù)放在高速存儲上，訪問量低的數(shù)據(jù)放在低速存儲上，也可以達(dá)到節(jié)約成本的目的?？傊褂帽疚牡臄?shù)據(jù)縮減存儲方法，可達(dá)到節(jié)約成本、提高并發(fā)訪問性能的目的。

4.3 原理通用性

本縮減方法，還可適用于平面地圖、地形圖等各種瓦片地圖或者其他地圖數(shù)據(jù)的存儲策略，便于對訪問需求量比較高的“重要地圖”進(jìn)行優(yōu)先考慮。

5 結(jié)語

本文提出的海量影像地圖數(shù)據(jù)縮減存儲方法，可有效的降低數(shù)據(jù)存儲量，特別是當(dāng)數(shù)據(jù)有多機(jī)備份時，具有非常明顯的效果；進(jìn)一步，基于此方法產(chǎn)生的重要區(qū)域信息數(shù)據(jù)，本文還提出了其可能的一些擴(kuò)展應(yīng)用，例如解決數(shù)據(jù)多級存儲、高并發(fā)訪問、成本控制以及快速更新部署的問題。

參考文獻(xiàn)

[1] 王華斌，唐新明，李黔湘.海量遙感影像數(shù)據(jù)存儲管理技術(shù)研究與實(shí)現(xiàn)[J].測繪科學(xué)，2008，33（6）：156-157.

[2] 宋江洪，趙忠明.圖像分塊分層結(jié)構(gòu)在海量數(shù)據(jù)處理中的應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用，2004（33）.

[3] 許輝，馬曉鵬.基于WEB墨卡托投影地理信息系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].電腦編程技巧與維護(hù)，2011（8）.

[4] 章文嵩.揭秘淘寶286億海量圖片存儲與處理架構(gòu)[EB/OL].http：//storage.it168.com/a2010/0829/1096/000001096373_all.shtml，2010.

[5] 李俊杰.面向海量存儲系統(tǒng)的分層存儲技術(shù)研究[D].華南理工大學(xué)，2013.endprint

從部署和更新時間上考慮，163.8GB的瓦片地圖數(shù)據(jù)進(jìn)行切片、壓縮、打包、上傳、解壓等完整步驟，在單臺普通計(jì)算機(jī)上只需要20天左右的時間，如果使用多臺機(jī)器進(jìn)行任務(wù)分解操作，基本上可滿足快速更新部署的需求。

4 基于重要區(qū)域信息的擴(kuò)展應(yīng)用

4.1 地圖快速更新

如果有新的影像地圖數(shù)據(jù)產(chǎn)生，可優(yōu)先對重要區(qū)域內(nèi)的地圖數(shù)據(jù)進(jìn)行處理，達(dá)到數(shù)據(jù)快速更新的目的。

4.2 提升并發(fā)性能

眾所周知，對于大多數(shù)系統(tǒng)來說，最頭疼的就是大規(guī)模的小文件存儲與讀取，因?yàn)榇蓬^需要頻繁的尋道和換道，因此，在讀取上容易帶來較長的延時。在大量高并發(fā)訪問量的情況下，簡直就是系統(tǒng)的噩夢[4]。海量瓦片地圖就是這樣的情況，圖片數(shù)據(jù)可達(dá)數(shù)十億張以上，如果沒有比較好的存儲策略，在高并發(fā)訪問時，文件IO勢必成為系統(tǒng)瓶頸。當(dāng)前比較簡單且有效的方法是將訪問頻率較高或者隨機(jī)讀寫比例較高的數(shù)據(jù)文件放在固態(tài)硬盤SSD上，而將訪問頻率較低或者順序讀寫比例較高的數(shù)據(jù)文件存放在機(jī)械硬盤上[5]。

根據(jù)本文提出的數(shù)據(jù)縮減方法，就可以把重要地圖放置在SSD硬盤上，把剩余的地圖放置在機(jī)械硬盤上，可大大提升高并發(fā)時的地圖訪問速度。并且根據(jù)當(dāng)前主流的存儲器價格數(shù)據(jù)，SSD存儲的價格大約是SATA盤的10～20倍，昂貴的高速存儲器只有比較小的存儲空間，把訪問量高的數(shù)據(jù)放在高速存儲上，訪問量低的數(shù)據(jù)放在低速存儲上，也可以達(dá)到節(jié)約成本的目的?？傊?，使用本文的數(shù)據(jù)縮減存儲方法，可達(dá)到節(jié)約成本、提高并發(fā)訪問性能的目的。

4.3 原理通用性

本縮減方法，還可適用于平面地圖、地形圖等各種瓦片地圖或者其他地圖數(shù)據(jù)的存儲策略，便于對訪問需求量比較高的“重要地圖”進(jìn)行優(yōu)先考慮。

5 結(jié)語

本文提出的海量影像地圖數(shù)據(jù)縮減存儲方法，可有效的降低數(shù)據(jù)存儲量，特別是當(dāng)數(shù)據(jù)有多機(jī)備份時，具有非常明顯的效果；進(jìn)一步，基于此方法產(chǎn)生的重要區(qū)域信息數(shù)據(jù)，本文還提出了其可能的一些擴(kuò)展應(yīng)用，例如解決數(shù)據(jù)多級存儲、高并發(fā)訪問、成本控制以及快速更新部署的問題。

參考文獻(xiàn)

[1] 王華斌，唐新明，李黔湘.海量遙感影像數(shù)據(jù)存儲管理技術(shù)研究與實(shí)現(xiàn)[J].測繪科學(xué)，2008，33（6）：156-157.

[2] 宋江洪，趙忠明.圖像分塊分層結(jié)構(gòu)在海量數(shù)據(jù)處理中的應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用，2004（33）.

[3] 許輝，馬曉鵬.基于WEB墨卡托投影地理信息系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].電腦編程技巧與維護(hù)，2011（8）.

[4] 章文嵩.揭秘淘寶286億海量圖片存儲與處理架構(gòu)[EB/OL].http：//storage.it168.com/a2010/0829/1096/000001096373_all.shtml，2010.

[5] 李俊杰.面向海量存儲系統(tǒng)的分層存儲技術(shù)研究[D].華南理工大學(xué)，2013.endprint

從部署和更新時間上考慮，163.8GB的瓦片地圖數(shù)據(jù)進(jìn)行切片、壓縮、打包、上傳、解壓等完整步驟，在單臺普通計(jì)算機(jī)上只需要20天左右的時間，如果使用多臺機(jī)器進(jìn)行任務(wù)分解操作，基本上可滿足快速更新部署的需求。

4 基于重要區(qū)域信息的擴(kuò)展應(yīng)用

4.1 地圖快速更新

如果有新的影像地圖數(shù)據(jù)產(chǎn)生，可優(yōu)先對重要區(qū)域內(nèi)的地圖數(shù)據(jù)進(jìn)行處理，達(dá)到數(shù)據(jù)快速更新的目的。

4.2 提升并發(fā)性能

眾所周知，對于大多數(shù)系統(tǒng)來說，最頭疼的就是大規(guī)模的小文件存儲與讀取，因?yàn)榇蓬^需要頻繁的尋道和換道，因此，在讀取上容易帶來較長的延時。在大量高并發(fā)訪問量的情況下，簡直就是系統(tǒng)的噩夢[4]。海量瓦片地圖就是這樣的情況，圖片數(shù)據(jù)可達(dá)數(shù)十億張以上，如果沒有比較好的存儲策略，在高并發(fā)訪問時，文件IO勢必成為系統(tǒng)瓶頸。當(dāng)前比較簡單且有效的方法是將訪問頻率較高或者隨機(jī)讀寫比例較高的數(shù)據(jù)文件放在固態(tài)硬盤SSD上，而將訪問頻率較低或者順序讀寫比例較高的數(shù)據(jù)文件存放在機(jī)械硬盤上[5]。

根據(jù)本文提出的數(shù)據(jù)縮減方法，就可以把重要地圖放置在SSD硬盤上，把剩余的地圖放置在機(jī)械硬盤上，可大大提升高并發(fā)時的地圖訪問速度。并且根據(jù)當(dāng)前主流的存儲器價格數(shù)據(jù)，SSD存儲的價格大約是SATA盤的10～20倍，昂貴的高速存儲器只有比較小的存儲空間，把訪問量高的數(shù)據(jù)放在高速存儲上，訪問量低的數(shù)據(jù)放在低速存儲上，也可以達(dá)到節(jié)約成本的目的?？傊褂帽疚牡臄?shù)據(jù)縮減存儲方法，可達(dá)到節(jié)約成本、提高并發(fā)訪問性能的目的。

4.3 原理通用性

本縮減方法，還可適用于平面地圖、地形圖等各種瓦片地圖或者其他地圖數(shù)據(jù)的存儲策略，便于對訪問需求量比較高的“重要地圖”進(jìn)行優(yōu)先考慮。

5 結(jié)語

本文提出的海量影像地圖數(shù)據(jù)縮減存儲方法，可有效的降低數(shù)據(jù)存儲量，特別是當(dāng)數(shù)據(jù)有多機(jī)備份時，具有非常明顯的效果；進(jìn)一步，基于此方法產(chǎn)生的重要區(qū)域信息數(shù)據(jù)，本文還提出了其可能的一些擴(kuò)展應(yīng)用，例如解決數(shù)據(jù)多級存儲、高并發(fā)訪問、成本控制以及快速更新部署的問題。

參考文獻(xiàn)

[1] 王華斌，唐新明，李黔湘.海量遙感影像數(shù)據(jù)存儲管理技術(shù)研究與實(shí)現(xiàn)[J].測繪科學(xué)，2008，33（6）：156-157.

[2] 宋江洪，趙忠明.圖像分塊分層結(jié)構(gòu)在海量數(shù)據(jù)處理中的應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用，2004（33）.

[3] 許輝，馬曉鵬.基于WEB墨卡托投影地理信息系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].電腦編程技巧與維護(hù)，2011（8）.

[4] 章文嵩.揭秘淘寶286億海量圖片存儲與處理架構(gòu)[EB/OL].http：//storage.it168.com/a2010/0829/1096/000001096373_all.shtml，2010.

[5] 李俊杰.面向海量存儲系統(tǒng)的分層存儲技術(shù)研究[D].華南理工大學(xué)，2013.endprint