基于Spark的3D点云数据空间索引技术

• 作者: 孟小峰 赵尔平
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: Spark 多维空间索引 3D点云数据 数据使用权重 细节层次 虚拟旅游
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 软件与数据库技术
• 页码范围: 213-219
• 页数: 7页
• 分类号: TP392
• 字数: 9428字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2018.09.035

摘要

针对Spark引擎不支持多维空间查询的问题,提出基于R树的二级空间索引,即在每个Worker节点上创建R子树,并将这些子树作为孩子,在Master节点上创建R树.针对LRU算法内存替换粒度粗、结果不够精确的问题,提出基于数据使用权重的内存替换方法.该方法将每次实际使用数据量与其总量的比值作为替换权重,将热点场景数据以RDD形式持久化至内存中,提高了基于内存查询的效率.根据远粗近细的视觉原理提出细节层次查询,该方法将最能代表物体特征的点云数据先传输给客户端,或者仅把简化模型点数据传给客户端,以解决网络带宽不足和数据加载延迟的问题.实验证明,文中方法能有效解决Spark多维空间的查询问题,查询效率得到了明显提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孟小峰	中国人民大学信息学院	135	6213	41.0	77.0
2	赵尔平	西藏民族大学信息工程学院	40	111	7.0	8.0