GIS中8 种图层级多核并行多边形叠置分析工具的实现及优化方法.pdfVIP

第32 卷 第12期 地 理 科 学 进 展 Vol.32, No.12 2013 年12月 PROGRESSINGEOGRAPHY Dec., 2013 GIS中8种图层级多核并行多边形叠置分析工具 的实现及优化方法 1,2 1 3 1 1,2 范俊甫 ，马 廷 ，季 民 ，周玉科 ，许 涛 (1. 中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室，北京 100101； 2. 中国科学院大学，北京 100049；3. 山东科技大学测绘学院，青岛266590) 摘 要：GIS 中基于简单要素模型的非加权多边形叠置分析有交、差、并、交集取反、联合、更新、标识和空间连接8 个基本工具。明确目标图层与叠加图层间多边形的数量对应关系，是实现图层级别并行多边形叠置工具集的首 要前提。多边形差、交、标识、更新和空间连接操作需要处理目标多边形到叠加多边形间“一对多”的映射关系；合 并、交集取反和联合操作需要处理“多对多”的映射关系。本文从多核数据并行角度，分析了8 种多边形叠加分析 工具并行实现方法的异同，提出基于改进的分组关联最小化方法实现数据划分，基于顶点数量作为指标的负载平 衡计算策略和多种并行优化方法和策略，实现了包含8 种操作的并行多边形叠置分析工具集。实验结果表明，改 进的分组关联最小化数据划分方法能为多边形联合操作带来约92% 的并行加速性能和更鲁棒的并行性；以顶点 数量作为负载平衡指标，能以极小的代价为并行求差算法获得约21%的性能提升；二路归并能有效解决多边形并 行合并过程中潜在的性能瓶颈；动态调度策略下多边形求交与合并工具具有更高的加速比；使用R 树进行要素预 过滤能为并行求差获得超过20 倍的加速；结构化存储的矢量数据批量加载策略能有效降低因磁盘I/O 带来的性能 损失。 关 键 词：OpenMP ；多边形并行叠置；数据划分；负载平衡；任务调度；并行优化 doi: 10.11820/dlkxjz.2013.12.012 1 引言 处理以及大规模空间可视化的重要手段(Turton et al, 1998; Clarke, 2003; 王结臣等, 2011) 。多核并行 GIS 中基于简单要素模型的矢量叠置分析是将 和GPU 并行是在个人计算平台上实现串行算法加 两层或多层地图要素进行叠加产生一个新要素层 速的主要方法(Lin et al, 2009; 赵斯思等, 2013) 。其 的操作(陈述彭等, 1999) ，多边形图层间的叠置分析 中多核环境下基于OpenMP 的共享内存架构，为用 是其中复杂而重要的核心问题(Goodchild, 1978; 户提供了一个友好的角度，对全局地址空间进行编 Wang, 1993) 。非加权的多边形叠加包括求交、求 程操作。同时CPU 对内部存储的直接快速访问能 差、合并、交集取反、联合、更新、标识和空间连接等 力也使任务间的数据共享变得快速而统一，因此多 8 个基本操作，均具有典型的计算密集性特征 核环境下的OpenMP 编程模型是实现并行多边形 (Agarwal et al, 2012; Shi, 2012) 。近年来，随着空间 叠加操作的便捷途径(Geer, 2005; Cramer, 2012) 。 数据获取能力的提高，各种具有空间特质的应用所 数据并行和功能并行是实现高性能地学计算的两 需应对的数据规模快速增加，给现有的计算资源带 种有效手段(Breshears, 2009) 。Wang( 1993)指出，数 来了较大压力，传统的串行地学计算方法在处理大 据并行往往适用于在大数据集上反复执行相同操 量矢量空间数据时的性能表现难