王梅紅，侯笑宇，賀 風(fēng)

（中國地圖出版社，北京 100054）

0 引言

隨著大數(shù)據(jù)、物聯(lián)網(wǎng)、云計(jì)算等技術(shù)的不斷成熟與普及，各個(gè)行業(yè)都產(chǎn)生了海量的數(shù)據(jù)資源，這些資源大多與人類活動(dòng)息息相關(guān)，隱含著地理空間位置信息，蘊(yùn)含著巨大的價(jià)值。然而，這些數(shù)據(jù)缺乏在空間位置和時(shí)間序列方面地展示管理和分析應(yīng)用，缺乏基于時(shí)空位置的信息挖掘和成果可視化方法。

以Hadoop，Greenplum為代表的大數(shù)據(jù)技術(shù)的蓬勃發(fā)展為海量地圖數(shù)據(jù)的存儲(chǔ)、管理和共享提供了新的解決方案。為了充分發(fā)揮地理空間信息的基礎(chǔ)性、公共性和載體性功能，越來越多的企業(yè)開始搭建自己的地圖數(shù)據(jù)云平臺(tái)。

1 平臺(tái)建設(shè)目標(biāo)和技術(shù)路線

本文擬設(shè)計(jì)和實(shí)現(xiàn)集數(shù)據(jù)入庫融合、存儲(chǔ)管理、共享分發(fā)于一體的云平臺(tái)，提供多尺度多維度的地圖數(shù)據(jù)服務(wù)。

平臺(tái)整體技術(shù)路線基于大數(shù)據(jù)技術(shù)，使用分布式集群數(shù)據(jù)庫Greenplum結(jié)合空間擴(kuò)展插件PostGIS實(shí)現(xiàn)結(jié)構(gòu)化海量地圖數(shù)據(jù)的存儲(chǔ)，使用分布式文件存儲(chǔ)系統(tǒng)HDFS存儲(chǔ)相關(guān)文件。

2 平臺(tái)關(guān)鍵技術(shù)

2.1 基于Greenplum集群實(shí)現(xiàn)海量數(shù)據(jù)存儲(chǔ)技術(shù)

Greenplum是一款開源的分布式集群數(shù)據(jù)庫，采用大規(guī)模并行處理(MPP）架構(gòu)，具有PB級(jí)海量數(shù)據(jù)的存儲(chǔ)、處理和實(shí)時(shí)分析能力。支持上百臺(tái)集群、支持標(biāo)準(zhǔn)SQL，能夠部署在廉價(jià)的機(jī)器上降低企業(yè)成本，能夠根據(jù)數(shù)據(jù)規(guī)模隨時(shí)擴(kuò)展節(jié)點(diǎn)，并采用存儲(chǔ)冗余數(shù)據(jù)方式保證數(shù)據(jù)安全，具有可擴(kuò)展、高容錯(cuò)等優(yōu)點(diǎn)。

2.2 結(jié)合PostGIS高效處理海量地圖數(shù)據(jù)技術(shù)

PostGIS是運(yùn)行在Greenplum集群上的空間擴(kuò)展插件，支持空間對(duì)象存儲(chǔ)、空間索引、空間操作函數(shù)和空間操作符等一系列功能，能夠滿足大規(guī)?？臻g數(shù)據(jù)的索引、存取和計(jì)算等要求。

2.3 使用Spark SQL實(shí)現(xiàn)海量時(shí)空數(shù)據(jù)計(jì)算和分析

Spark SQL是一個(gè)開源集群運(yùn)算框架，基于內(nèi)存并行計(jì)算。使用Spark SQL和GIS技術(shù)研發(fā)業(yè)務(wù)引擎能夠滿足海量時(shí)空數(shù)據(jù)的計(jì)算和分析需求。

3 平臺(tái)設(shè)計(jì)方案

3.1 總體架構(gòu)

總體設(shè)計(jì)為5層架構(gòu)。(1）基礎(chǔ)設(shè)施層：包括服務(wù)器集群、網(wǎng)絡(luò)環(huán)境、HDFS、Greenplum、Spark等大數(shù)據(jù)環(huán)境。(2）數(shù)據(jù)融合層：將各類結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)抽取融合。(3）數(shù)據(jù)存儲(chǔ)層：存儲(chǔ)原始數(shù)據(jù)、預(yù)處理后的數(shù)據(jù)、挖掘分析后的數(shù)據(jù)等。(4）挖掘分析與服務(wù)層：為應(yīng)用層服務(wù)，包括地圖資源、空間檢索、計(jì)算和分析等業(yè)務(wù)引擎。(5）應(yīng)用層：提供各類地圖數(shù)據(jù)資源可視化查詢、空間特性動(dòng)態(tài)可視化展示；接受客戶請(qǐng)求，調(diào)用服務(wù)層的業(yè)務(wù)引擎將請(qǐng)求指標(biāo)和時(shí)空大數(shù)據(jù)聚合分析，最終形成分析結(jié)果返回給客戶。

3.2 時(shí)空數(shù)據(jù)庫設(shè)計(jì)

數(shù)據(jù)庫采取“縱向分尺度、橫向分區(qū)域、內(nèi)容分領(lǐng)域”的分庫分表原則，統(tǒng)一數(shù)據(jù)表命名規(guī)范，統(tǒng)一時(shí)間、空間基準(zhǔn)，為矢量要素分別構(gòu)建唯一身份編碼，將時(shí)間屬性、空間屬性與其他屬性整理融合，并建立高效的空間檢索引擎，實(shí)現(xiàn)時(shí)空信息一體化存儲(chǔ)。

3.3 時(shí)空地圖資源建設(shè)

平臺(tái)以分要素分尺度、實(shí)體化矢量化并能夠掛接各類大數(shù)據(jù)為原則建設(shè)地圖資源。

(1）時(shí)空行政區(qū)劃資源：全國建設(shè)到區(qū)縣級(jí)，重點(diǎn)城市到街道/鄉(xiāng)鎮(zhèn)級(jí)。建設(shè)內(nèi)容包括政區(qū)面、行政中心點(diǎn)等空間信息，也包括名稱、代碼、人口、面積、駐地等屬性信息。保存政區(qū)的完整生命周期、可還原追溯歷史時(shí)間點(diǎn)的政區(qū)邊界、輪廓等信息。數(shù)據(jù)入庫前進(jìn)行空間拓?fù)錂z查，包括行政界線無懸掛點(diǎn)、偽節(jié)點(diǎn)，同等級(jí)拓?fù)涿鏌o重疊、無縫隙，飛地結(jié)合等。

(2）城市地表全覆蓋的地理區(qū)塊：建設(shè)尺度為區(qū)域級(jí)和樓宇級(jí)。建設(shè)原則為各地理區(qū)塊能夠正確表示樓宇和區(qū)塊范圍，形狀流暢、美觀，各地理區(qū)塊、道路、水系之間無重疊壓蓋，拓?fù)潢P(guān)系正確。同時(shí)，制定命名規(guī)范和分類規(guī)范，針對(duì)使用場景將分類細(xì)化為機(jī)關(guān)單位、住宅小區(qū)等17個(gè)大類67個(gè)小類。以北京市為例，共建成區(qū)塊個(gè)數(shù)4.3萬個(gè)，數(shù)據(jù)精細(xì)度如圖1所示。

圖1 地理區(qū)塊數(shù)據(jù)

4 平臺(tái)的功能設(shè)計(jì)和實(shí)現(xiàn)

4.1 時(shí)空數(shù)據(jù)入庫融合流程

入庫過程包括數(shù)據(jù)準(zhǔn)備、庫體創(chuàng)建、入庫前數(shù)據(jù)質(zhì)量檢查、時(shí)空標(biāo)識(shí)處理、規(guī)范化處理、空間化處理、數(shù)據(jù)入庫、入庫后檢查、數(shù)據(jù)歸檔等步驟。入庫存儲(chǔ)流程規(guī)范如圖2所示。

圖2 時(shí)空地圖數(shù)據(jù)的入庫存儲(chǔ)流程

4.2 時(shí)空數(shù)據(jù)存儲(chǔ)管理功能

系統(tǒng)除了滿足海量地理數(shù)據(jù)的入庫存儲(chǔ)、高吞吐隨機(jī)讀寫和高效檢索，還具有數(shù)據(jù)空間化、坐標(biāo)及投影變換、入庫質(zhì)量檢查、地理實(shí)體批量更新、歷史數(shù)據(jù)版本管理等功能。

4.3 時(shí)空數(shù)據(jù)共享分發(fā)功能

平臺(tái)發(fā)布了一套訪問與共享城市地圖數(shù)據(jù)的標(biāo)準(zhǔn)接口，解決了海量數(shù)據(jù)傳輸效率、傳輸安全和客戶訪問安全性問題。

接口功能包括獲取各級(jí)政區(qū)的當(dāng)前、歷史、上級(jí)、下轄政區(qū)信息和政區(qū)內(nèi)的地理區(qū)塊信息，支持用戶拉框(矩形、正方形）搜索、緩沖區(qū)搜索。

政區(qū)內(nèi)容包括政區(qū)的邊界、拓?fù)涿?、行政中心點(diǎn)的坐標(biāo)串，以及區(qū)劃名稱、代碼、級(jí)別、人口、面積、政府駐地等。地理區(qū)塊內(nèi)容包括空間面坐標(biāo)串、名稱、分類、面積、所在政區(qū)等。

4.4 系統(tǒng)實(shí)現(xiàn)

云平臺(tái)共包含6臺(tái)服務(wù)器、1臺(tái)負(fù)載均衡和1個(gè)硬件防火墻。5臺(tái)服務(wù)器作為存儲(chǔ)和計(jì)算節(jié)點(diǎn)，安裝和部署Hadoop，Spark，Greenplum環(huán)境，1臺(tái)服務(wù)器作為Web服務(wù)器。系統(tǒng)研發(fā)的通用框架采用B/S架構(gòu)和前后端分離技術(shù)，服務(wù)端以Spring Boot框架為核心，通過JDBC連接和操作Greenplum集群中的數(shù)據(jù)資源。大規(guī)模數(shù)據(jù)的計(jì)算和分析基于Spark和地理信息技術(shù)，研發(fā)各類引擎實(shí)現(xiàn)億級(jí)矢量地圖數(shù)據(jù)的存取、計(jì)算和時(shí)空聚合等功能，計(jì)算性能指標(biāo)控制在毫秒級(jí)。

5 平臺(tái)的示范應(yīng)用

平臺(tái)于2017年底上線運(yùn)行，平臺(tái)成果與手機(jī)信令大數(shù)據(jù)深度融合，形成反映城市實(shí)際人口規(guī)模數(shù)量和空間分布特征的人口屬性標(biāo)簽云，并建成“時(shí)空洞察服務(wù)”“渠道選址大師”等多項(xiàng)人口大數(shù)據(jù)分析系統(tǒng)。

圖3 渠道選址大師

6 結(jié)語

本文基于大數(shù)據(jù)技術(shù)設(shè)計(jì)和實(shí)現(xiàn)了集數(shù)據(jù)入庫融合、存儲(chǔ)管理、數(shù)據(jù)安全、共享分發(fā)于一體的云平臺(tái)，解決了海量數(shù)據(jù)資源的存儲(chǔ)管理和分發(fā)共享難題，為開展面向城市管理和商企洞察等方向的大數(shù)據(jù)分析提供了地理信息支撐。