雷 瑛

（1.甘肅省基礎(chǔ)地理信息中心，甘肅 蘭州 730000）

地理國情數(shù)據(jù)要素的空間表達(dá)是基于“所見即所得”的表現(xiàn)形式[9]，其矢量要素表達(dá)較為細(xì)碎和密集，給空間拓?fù)溆嬎銕碇笖?shù)級內(nèi)存壓力，同時隨著數(shù)據(jù)量的劇增及客戶端服務(wù)訪問需求的加大，會影響服務(wù)器端對矢量切片數(shù)據(jù)的訪問性能[1-10]。

針對以上問題，本文結(jié)合項目實踐，從3個方面改進(jìn)技術(shù)，優(yōu)化流程，提升矢量地圖服務(wù)的訪問效率，實現(xiàn)地理國情海量空間數(shù)據(jù)快速高效的展示。

1 矢量切片訪問性能提升方法研究

1.1 對空間矢量數(shù)據(jù)進(jìn)行空間壓縮

空間矢量數(shù)據(jù)壓縮本質(zhì)上是利用地圖綜合概念，采用道格拉斯—普克算法（douglas–peucker algo?rithm）[11]，通過線要素化簡方式，有選擇性地去掉線上的點，并對其他點進(jìn)行合理位移，以盡可能地保持曲線的形狀特征，最終實現(xiàn)矢量瓦片地圖在客戶端高效的多尺度漸進(jìn)式可視化[12-13]。

道格拉斯-普克算法是將曲線近似表示為一系列點，并減少點的數(shù)量的一種算法。算法的基本思路是對每一條曲線的首末點虛連一條直線，求所有點與直線的距離，并找出最大距離值（dmax），用dmax與限差D相比：若dmax＜D，這條曲線上的中間點則全部舍去；若dmax≥D，則保留dmax對應(yīng)的坐標(biāo)點，并以該點為界，把曲線分為兩部分，對這兩部分重復(fù)使用該方法[14-15]。

1.1.1 設(shè)置最大距離值

對線面圖形采用道格拉斯-普克算法進(jìn)行空間壓縮，不同地圖級別設(shè)置不同的最大距離值，如表1所示。最大距離值設(shè)置以經(jīng)緯度坐標(biāo)系為例說明。

表1 最大距離設(shè)置樣例

1.1.2 空間數(shù)據(jù)壓縮

壓縮方法如下：

1）在曲線首尾兩點間虛連一條直線，求出其余各點到該直線的距離，如圖1a。

圖1 空間數(shù)據(jù)壓縮算法

2）選其最大者與閾值相比較，若大于閾值，則離該直線距離最大的點保留，否則將直線兩端點間的各點全部舍去，如圖1b，第4點保留。

3）依據(jù)所保留的點，將已知曲線分成兩部分處理，重復(fù)第a、b步迭代操作，即仍選距離最大者與閾值比較，依次取舍，直到無點可舍去，最后得到滿足給定精度限差的曲線點坐標(biāo)，如圖1c、d依次保留第6點、7點，舍去其他點，即完成線的化簡。

1.2 MongoDB集群持久化切片技術(shù)

通過訪問數(shù)據(jù)庫的方式來實時獲取切片數(shù)據(jù)查詢時間較長，將已獲取的切片數(shù)據(jù)通過MongoDB進(jìn)行緩存處理，以減少數(shù)據(jù)庫訪問次數(shù)。MongoDB是一個基于分布式文件存儲的數(shù)據(jù)庫，與傳統(tǒng)文件存儲比較，具有高可用的二級索引（文本搜索和地理位置）、高聚合數(shù)據(jù)分析框架、高性能、存儲數(shù)據(jù)方便、支持查詢、使用高效的二進(jìn)制數(shù)據(jù)存儲、自動處理碎片、文件存儲格式為BSON等特點。為了防止單點故障，當(dāng)發(fā)生硬件故障或者其他原因造成的宕機(jī)時，需要使用副本進(jìn)行恢復(fù)，建立MongoDB副本集群。

1.2.1 集群架構(gòu)

不同場景下需要建立不同方式的集群，此處建立副本集群，共3個節(jié)點，一個主節(jié)點，另外2個副本節(jié)點，如圖2所示。

圖2 集群架構(gòu)圖

1.2.2 地圖服務(wù)數(shù)據(jù)集合

將每個地圖服務(wù)的矢量切片緩存數(shù)據(jù)存儲在MongoDB中的一個數(shù)據(jù)集合中。集合元素如表2所示。

表2 矢量切片緩存集合元素

1.3 Java-vector-tile-master算法優(yōu)化

復(fù)雜的圖形相交時，直接使用Java-vec?tor-tile-master開源算法計算切片會出現(xiàn)切片數(shù)據(jù)錯誤，導(dǎo)致前端頁面渲染出現(xiàn)異常，此時，應(yīng)對算法進(jìn)行優(yōu)化[16]，剔除錯誤情況。

1.3.1 錯誤情況

由于單張矢量切片的范圍是4 096×4 096的矩形面，地理國情監(jiān)測空間矢量線圖形與單張切片矩形范圍面相交有可能會出現(xiàn)相交結(jié)果為線或者點的情況；地理國情監(jiān)測空間矢量面圖形與切片矩形面相交有可能會出現(xiàn)相交結(jié)果為點的情況。如果產(chǎn)生的圖形類型與輸入的圖形類型不一致，會導(dǎo)致前端展示部分切片缺失的情況，如圖3所示。

圖3 Java-vector-tile-master算法錯誤情況

1.3.2 源碼優(yōu)化

原始開源代碼僅支持單部分要素的處理，不支持多部分要素，如遇到多部分要素，生成的矢量切片數(shù)據(jù)在前端展示時會出現(xiàn)切片缺失的情況，需修改開源代碼以支持多部分要素的情況。

2 實驗結(jié)果對比與分析

為驗證優(yōu)化效果，選取某縣的地表覆蓋數(shù)據(jù)作為測試數(shù)據(jù)，在相同軟硬件環(huán)境下，記錄優(yōu)化前和優(yōu)化后不同級別下單張切片的請求時間、切片大小和前端顯示結(jié)果來分析優(yōu)化效果，數(shù)據(jù)情況見表3。

表3 實驗數(shù)據(jù)說明

通過采用優(yōu)化前后的2個不同的矢量切片地圖服務(wù)，在相同的軟硬件環(huán)境下，對相同的數(shù)據(jù)調(diào)用，客戶端的響應(yīng)時間優(yōu)化前見表4和圖4，優(yōu)化后見表5和圖5。

表4 優(yōu)化前效率表

圖4 優(yōu)化前效果圖

表5 優(yōu)化后效率

圖5 優(yōu)化后效果圖

3 結(jié)語

采用Douglas–Peucker算法對地理國情監(jiān)測空間矢量數(shù)據(jù)進(jìn)行壓縮，確?？臻g圖形基本形狀不變的前提下，剔除圖形中多余的點，降低圖形的空間大小和空間復(fù)雜度，提升了切片計算的效率，降低了切片大小。

采用MongoDB集群持久化切片，將已獲取的切片數(shù)據(jù)進(jìn)行緩存處理，降低了訪問數(shù)據(jù)庫的次數(shù)，減少了獲取切片的時間，增強(qiáng)了獲取切片緩存數(shù)據(jù)的穩(wěn)定性。

采用優(yōu)化后的Java-vector-tile-master算法，剔除圖形在復(fù)雜相交情況下獲取切片數(shù)據(jù)錯誤的情況，確保切片數(shù)據(jù)的正確性，避免了前端頁面渲染出現(xiàn)異常的問題。

綜上所述，本文針對地理國情監(jiān)測海量數(shù)據(jù)高效可視化所提出的優(yōu)化矢量數(shù)據(jù)空間壓縮算法和Ja?va-vector-tile-master算法，結(jié)合MongoDB集群持久化切片技術(shù)，使得優(yōu)化后較優(yōu)化前不同級別請求響應(yīng)時間提升了50%~80%，不同級別切片大小壓縮了35%~60%，極大地提升了矢量瓦片地圖的訪問效率，實現(xiàn)了客戶端海量空間數(shù)據(jù)的高效可視化。