面向时空大数据的高性能并行计算策略对比.pdfVIP

面向时空大数据的高性能并行计算策略对比.pdf

第39卷第4期北京测绘Vol.39No.4

2025年4月BeijingSurveyingandMappingApril2025

引文格式：王思敏，王斌，徐佳沅，等.面向时空大数据的高性能并行计算策略对比［J］.北京测绘，2025，39（4）：456-461.

Referenceformat:WANGSimin，WANGBin，XUJiayuan，etal.Acomparationofhigh-performanceparallelcomputing

strategiesforspatiotemporalbigdata［J］.BeijingSurveyingandMapping，2025，39（4）：456-461.

DOI:10.19580/j.cnki.1007-3000.2025.04.009

面向时空大数据的高性能并行计算

策略对比

1，2，31，2，31，2，31，2，3

王思敏王斌徐佳沅陈旭

（1.广东省国土资源测绘院，广东广州510663；

2.自然资源部华南热带亚热带自然资源监测重点实验室，广东广州510663；

3.广东省地理科学数据中心，广东广州，510663）

［摘要］测绘地理信息数据作为国家重要资源，其数据量级在不断增长，空间矢量数据的复杂结构促

使高性能并行计算成为必然需求。当前研究多侧重单一数据模型和固定计算模式，综合分析对比等研究较

少。本文提出高性能空间分析并行计算策略，将其分解为数据、算子、并行、环境四类综合模块并设计相应策

略。通过试验对比，结果表明在计算密集型和数据密集型场景中，并行计算优于传统单线程计算。分布式并

行计算架构性能提升显著，空间数据库并行计算策略在处理大型数据时优势明显，能支持并发操作解决关键

问题。同时，空间计算分析性能与中央处理器（CPU）核数并非完全线性相关，受磁盘输入输出（I/O）资源限制

和任务数据依赖性影响。本文为测绘地理信息服务提供了高性能计算和数据处理的理论依据和实践参考。

［关键词］高性能并行计算；时空大数据；分布式计算架构；对象关系型数据库

［中图分类号］P208［文献标识码］A［文章编号］1007-3000（2025）04-0456-06

［3］

时代，空间信息数据体量较大，涉及多样的数据

0引言

类型，导致空间查询处理更加复杂，而空间分析

测绘地理信息数据是国家重要的基础性、战通常要求在短时间内完成，高性能计算成为海量

［4-5］

略性资源。随着空间信息获取手段和数据资源地理空间数据处理分析快速响应的重要保障。