宋关福：面对爆发式增长的空间数据，GIS的“分布式”战术
|
9月9日下午，2020 GIS 软件技术大会主题大会在北京国际会议中心举行。会上，超图集团总裁、董事宋关福博士作《分布式GIS与空间区块链技术探索》报告，分享了超图“BitDC”五大技术体系之分布式GIS技术体系，并介绍了超图在空间区块链方面的最新探索。
宋关福在GTC 2020主题大会作报告 宋关福认为，GIS软件技术的发展史，就是不断与膨胀的空间数据战斗的历史。2011年-2015年，超图先后在64位计算、多线程计算、GPU计算等高性能计算技术方面进行了探索，以满足不断激增的空间数据处理需求。这一阶段，利用单机算力提升GIS性能的集中式GIS是主流。 随着数据采集技术的不断进步，新一代测绘与设计数据和空间大数据愈发膨胀，GIS软件对其存储、处理和分析面临巨大挑战：分析处理性能骤降，基本无法管理类似手机信令的流式空间大数据。超图在GIS高性能计算上开辟新路径：从集中式GIS转向分布式GIS。 分布式GIS技术是利用多机分布式协同技术和计算资源的横向扩展能力，完成大量并发请求，或分解完成单一复杂任务的GIS技术。事实上，“分布式GIS”不是新概念，20年前就有学者提出，但一直未有真正商业化产品。 今天的分布式GIS技术由多项零散的技术演化而成。超图整合2004年至今的研究成果，构建了分布式GIS技术体系，结构如下：
分布式GIS技术体系的五大技术 1、边缘GIS技术 宋关福用一幅有趣的章鱼图来比喻边缘GIS技术：章鱼只有40%神经元在大脑里，60%分布在八个爪里，所以它的思考是“分布式”的。边缘GIS技术跟章鱼类似，在经典的云和端环境中，分布式的边缘服务器是对云中心的补充，是一种协同。 “过去，端直接访问云中心，会有一定的网络延时，效率比较低。为了解决这个问题，我们就在靠近端的边缘地带部署了边缘服务器，一些访问、数据、计算不再直接发往云中心，而是交给边缘服务器去处理，如有处理不了的，边缘服务器再发往云中心，如此就可以降低网络延时，提高响应效率。 相比带宽消耗较高、实时性比较差的集中式的云GIS，边缘GIS在边缘的地方分解了带宽的压力，有着低带宽消耗、低网络延时的特点，大大提升了系统响应的速度，整体价值体现为：高性能。” SuperMap GIS 10i(2020)新版本中的边缘服务器，新增支持三维数据分发的工具，包括地形瓦片、S3M瓦片、影像瓦片，可以大幅提升三维服务器的性能。 2、云原生GIS技术 早在三年前，超图就发布了云原生GIS技术：原生为云设计、充分发挥云的弹性和分布式优势的GIS技术，可以让云更好地发挥作用。微服务、容器化、自动编排、持续交付、DevOps是云原生GIS五要素。 早期的Web GIS是单体架构，所有操作在一个程序中启动。微服务化把它拆成若干个模块，每个模块都可以单独部署、单独启动。 容器化部署就是让微服务的小模块在不同的机器上协同开展工作。这样的架构有着细粒度、高弹性、相互独立、故障隔离的特点，大大提高了可用性。 在2018年第一次推出微服务后，今年超图推出了更微的GIS服务：此前，组件和C++内核未解耦分包，现在，组件和C++内核可实现解耦分包。分解得更细致之后，资源消耗更低。如下图三个指标对比：
SuperMap iServer微服务资源消耗 假设单体架构2017为100%，更微的GIS服务出现之后，部署包大小减少至42%，占用内存减少至47%，启动时间缩减至28%。 以云原生的云南地质大数据系统为例，系统有着400TB数据、400+服务实例，数据量非常大。如何调度成百上千的服务实例?这就需要应用SuperMap GIS云原生技术，用SuperMap iManager和kubernetes来实现自动化编排，对多个容器自动化运维管理，可以做到负载均衡、服务自愈、弹性伸缩。 云原生的价值可总结为：高弹性、高可用、高并发。所谓高弹性，就是粒度小了，弹性就高了，当某一个模块访问量大的时候，只要重新启动模块容器即可;高可用，指的是故障发生的频率降低，不容易宕机;高并发是指同样多的计算资源，可以支撑更多的实例运行，并发能力提高。 3、分布式空间分析与处理技术 分布式空间分析与处理技术是基于Spark并行计算框架，把单一复杂的任务分解成多个子任务，发送到不同的服务器中去协同计算，再把结果汇总起来，这样可以数量级提升分析处理性能。
分布式空间分析与处理技术的外延 SuperMap GIS 10i(2020)新版本中，分布式空间分析与处理技术新增支撑对三维数据的分布式处理，例如地形、影像数据等多元数据，在数据接入、数据处理、服务发布环节，都可以使用分布式的技术来提升性能。 这其中不得不提支持Web和分布式计算的Geoprocessing，它提供了一种图示化的、所见即所得的方式，用来构建空间数据分析流程、处理建模，还支持分布式处理算子，可用分布式的算法提高性能。同时，它提供了纯Web版本(Web GP)，可以与桌面的GP协同。这在国际范围内是一种创新的尝试。 分布式空间分析与处理技术的价值体现为：高性能，即提高分析处理算法的性能，降低时间消耗。 超图做了某省土地利用(矢量数据)区域汇总分析的测试，4389万记录数据+省区划面数据，如此大量的数据采用传统单机方法需要耗时14.5小时，改为6节点的分布式计算模式后，只需要耗时22分钟，性能提升了40倍。 4、分布式空间数据引擎技术 分布式空间数据引擎技术，就是利用多机协同的分布式数据存储技术，突破空间数据库容量瓶颈。以前数据库记录数超过一个亿时，性能就急剧下降。这就需要分布式空间数据引擎技术，来提高空间数据存储管理性能。
SuperMap分布式空间数据引擎 SuperMap GIS 10i(2020)新版本中，分布式空间数据引擎技术新增支持分布式三维缓存瓦片存储。如倾斜摄影建模数据、点云数据等多源数据，可以把三维瓦片数据存放在MongoDB中，以提高缓存读写的性能。 同时，分布式还能赋能三维GIS游戏引擎，“实力派”三维GIS可以为游戏引擎提供大场景三维数据和GIS分析处理能力，“偶像派”游戏引擎可以为三维GIS提供高仿真渲染效果。 （编辑：焦作站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
