高性能地理计算

目录
第1章 绪论 1
1.1 地理计算与高性能计算概述 1
1.1.1 地理计算 1
1.1.2 高性能计算 3
1.1.3 GIS 与高性能计算 4
1.2 高性能地理计算概述 6
1.2.1 时空大数据分布式存储管理 8
1.2.2 时空大数据并行计算与流计算 10
1.2.3 时空大数据GIS 12
第2章 并行计算基础 14
2.1 概述 14
2.1.1 并行计算概念 14
2.1.2 计算机性能与发展 15
2.1.3 并行机分类 17
2.2 并行算法设计 21
2.2.1 并行分解方法 21
2.2.2 并行算法设计挑战 24
2.2.3 并行算法设计过程 24
2.3 并行算法性能评估 26
2.3.1 加速比与并行效率 27
2.3.2 可扩展性 27
2.3.3 加速比定律 28
第3章 并行编程基础 31
3.1 OpenMP 并行编程 31
3.1.1 进程与线程 31
3.1.2 OpenMP 指令 33
3.1.3 库函数与环境变量 40
3.1.4 OpenMP 环境运行 43
3.1.5 OpenMP 坡度计算 46
3.2 MPI 并行编程 57
3.2.1 MPI 概述 57
3.2.2 MPI 基础函数 58
3.2.3 MPI 通信 59
3.2.4 MPI 数据类型 63
3.2.5 MPI 环境运行与坡度计算 64
3.3 MapReduce 并行编程 72
3.3.1 MapReduce 计算模式 72
3.3.2 Hadoop 分布式系统 75
3.3.3 Spark 计算引擎 78
3.3.4 Spark 环境运行 80
3.4 GPU 并行编程 84
3.4.1 概述 84
3.4.2 CUDA 编程 85
3.4.3 CUDA 常用函数 88
3.4.4 CUDA 环境运行 89
第4章 并行地理计算 96
4.1 地理算法并行设计挑战 96
4.1.1 并行策略 96
4.1.2 负载均衡 100
4.1.3 数据I/O 104
4.1.4 通信 104
4.2 地理算法并行化 108
4.2.1 数据并行地理算法 108
4.2.2 任务并行地理算法 117
第5章 地理计算强度 124
5.1 概述 124
5.1.1 地理计算特征表达 125
5.1.2 计算强度评估 127
5.1.3 地理空间域分解 129
5.2 AI 地理计算强度预测 131
5.2.1 案例介绍 132
5.2.2 计算强度评估模型 135
5.2.3 地理空间域分解 137
5.2.4 实验结果分析 139
第6章 高性能空间数据存储 155
6.1 关系数据库与NoSQL 155
6.2 NoSQL 数据库 158
6.2.1 MongoDB 158
6.2.2 HBase 167
6.2.3 Redis 171
6.3 阵列数据库 177
6.3.1 概述 177
6.3.2 Rasdaman 179
6.3.3 SciDB 182
6.3.4 评测分析 187
6.4 时空数据立方 189
6.4.1 概述 189
6.4.2 时空立方体概念 191
6.4.3 GeoCube 设计与实现 195
第7章 地理云计算 206
7.1 概述 206
7.1.1 云计算简介 206
7.1.2 云平台介绍 208
7.1.3 边缘计算 214
7.2 地理云计算简介及地理信息处理云服务 215
7.2.1 地理云计算简介 215
7.2.2 地理信息处理云服务 216
第8章 云GIS 226
8.1 概述 226
8.2 云GIS 设计与实现 227
8.2.1 系统架构 227
8.2.2 分布式空间数据存储 228
8.2.3 分布式GIS 内核 231
8.2.4 结果分析 234
第9章 地理流计算 237
9.1 概述 237
9.1.1 技术背景 237
9.1.2 案例介绍 241
9.2 地理观测流 242
9.2.1 信息模型 242
9.2.2 计算模型 244
9.2.3 性能分析模型 245
9.2.4 系统架构 247
9.3 实时地理信息流处理 248
9.3.1 案例计算 248
9.3.2 结果分析 250
第10章 时空大数据平台 255
10.1 概述 255
10.2 时空大数据平台功能 256
10.2.1 平台概况 257
10.2.2 数据中心 257
10.2.3 计算中心 259
10.2.4 服务中心 260
10.2.5 管理中心 260
10.3 时空大数据平台应用 261
参考文献 274