基于LBS的興趣點存儲及查詢的研究與優(yōu)化.pdf

1、伴隨著移動互聯(lián)網(wǎng)的迅猛發(fā)展，基于LBS的興趣點查詢成為各種主流APP的核心功能之一。與此同時，基于LBS興趣點數(shù)據(jù)的海量增長，使得原有技術越來越不能滿足如下兩方面的需求，一方面，現(xiàn)有關系型數(shù)據(jù)庫對興趣點數(shù)據(jù)的空間坐標屬性處理能力相對薄弱，另一方面，關系型數(shù)據(jù)庫無法有效地支持橫向擴展與海量規(guī)模數(shù)據(jù)的處理。這就需要引入一種新的解決方案，該解決方案對空間數(shù)據(jù)的處理支持良好，又適應于大規(guī)模數(shù)據(jù)的擴展。
　　HBase在數(shù)據(jù)庫橫向擴展及大規(guī)

2、模數(shù)據(jù)處理上具有先天優(yōu)勢；同時，Geohash支持將二維坐標轉換為一維字符串，且保留原有二維坐標的空間特性；HBase結合Geohash可有效地對海量規(guī)模的興趣點數(shù)據(jù)進行存儲與查詢。針對傳統(tǒng)關系數(shù)據(jù)庫處理海量空間數(shù)據(jù)的不足，本文結合HBase天生處理海量數(shù)據(jù)的特性以及興趣點數(shù)據(jù)特征，分別從興趣點索引的設計與構建、興趣點的區(qū)域查詢兩個方面展開研究。
　　首先，根據(jù)HBase存儲機制、主鍵設計原則以及興趣點數(shù)據(jù)特征，結合HBase和G

3、eohash，提出了一種新型的興趣點數(shù)據(jù)索引結構GH-Index，并基于GH-Index提出了基于BulkLoad模式的興趣點索引并行構建方案。
　　其次，采用最小包圍矩形近似策略，提出了基于GH-Index索引結構的矩形區(qū)域查詢算法、K近鄰區(qū)域查詢算法。另外，對興趣點區(qū)域查詢算法的過濾方案進行了改進和實現(xiàn)，提高了興趣點區(qū)域查詢算法的查詢效率。
　　最后，對興趣點的索引構建與區(qū)域查詢進行了測試與對比分析。通過一系列對比實驗證