GIS大数据存储预研

文章版权由作者李晓晖和博客园共有，若转载请于明显处标明出处：http://www.cnblogs.com/naaoveGIS/

1. 背景

在实际项目运行中，时常会出现希望搜索周边所有数据的需求。但是以常规的存储方案，每种资源均为一个图层或一个表，比如人员轨迹表、车辆轨迹表、各类空间图层表等。在进行全文空间收索时，基于传统空间关系库或后台图层服务的遍历查询则过于耗时。这里，我们研究基于ElasticSearch来进行所有数据的整合，以及全文查询服务的提供，并且分别从查询效率、查询精度、查询类型、存储空间四个维度来进行方案的验证。

2.实验数据准备

试验数据包含5个行政面图层、3个线图层（一、二、三级道路中心线）以及75个点图层。一共83个图层。

3.存储设计和对比

a.一个shp对应一个索引。索引中记录shp图层的属性信息和几何信息。

b.增加wkt字段以保存原始坐标。由于ES的空间查询仅支持wgs84坐标，在导入数据时我们将即利用wkt字段保留原始坐标,而es的location字段则保存转换后的wgs84坐标数据结构设计:

以下为点、线、面的存储结构：

点

线

面

83张图层的占用存储空间变化：

表名	Shp大小	储存占用空间
灯	9.91mb	3.3mb
行道树	25.3mb	8.3mb
X1井盖	23.6mb	7.7mb
X2井盖	24.1kb	10kb
X3井盖	729 kb	458.8kb
…	…	…
合计	198mb	72.5mb

4.查询验证（类型、效率、精度）

4.1查询类型—面查点

以网格面fid为122的面进行查询。

http请求

GET /_all/_search

{

"query":{

"bool": {

"filter": {

"geo_shape": {

"location": {

"shape": wkt,

"relation": "within"

}

}

}

}

}

}

效率：

查询到137个结果，耗时517毫秒

精度：

4.2查询类型—面查线

以街道面fid为2的面进行查询三种道路中心线。

http请求

GET /一级道路中心线,二级道路中心线,三级道路中心线/_search

{

"query":{

"bool": {

"filter": {

"geo_shape": {

"location": {

"shape": wkt,

"relation": "within"

}

}

}

}

}

}

效率：

35条结果，耗时151毫秒

精度：

4.3查询类型—面查面

同样以街道面fid为2的面进行查询社区面

http请求

GET /社区面/_search

{

"query":{

"bool": {

"filter": {

"geo_shape": {

"location": {

"shape": wkt,

"relation": "within"

}

}

}

}

}

}

效率：

7条结果，耗时1406毫秒

精度：

4.4查询类型—点查面

查找井盖fid为10929的点落在哪一块网格、社区、街道内。

http请求

GET /index/_search

{

"query":{

"bool": {

"filter": {

"geo_shape": {

"location": {

"shape": wkt

}

}

}

}

}

}

效率和精度：

查询结果是正确的，耗时都在5毫秒以内。

5.总结

利用ES来进行空间大数据的存储和运用无论从精度、效率、存储利用空间上均是非常合适的选择。但是从项目实施的角度，仍然有以下内容需要完成：

a.elasticsearch的脚本化搭建。

b.入库工具开发

c.后台服务接口封装，对输入参数（坐标等）以及输出结果（坐标等）根据对应环境转换

d.前端将全文检索——文本或空间，以标准功能开发

　　　　　　　　　　　　　　　　　　　　-----欢迎转载，但保留版权，请于明显处标明出处：http://www.cnblogs.com/naaoveGIS/

如果您觉得本文确实帮助了您，可以微信扫一扫，进行小额的打赏和鼓励，谢谢 ^_^