PC集群环境下地图切片的并行计算方法_杨轶

《PC集群环境下地图切片的并行计算方法_杨轶》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第３９卷第３期测绘科学Ｖｏｌ．３９Ｎｏ．３２０１４年０３月ＳｃｉｅｎｃｅｏｆＳｕｒｖｅｙｉｎｇａｎｄＭａｐｐｉｎｇＭａｒ．ＰＣ集群环境下地图切片的并行计算方法杨轶（云南省测绘工程院，昆明６５００３３）摘要：ＷｅｂＧＩＳ的地图服务普遍采用地图数据切片的发布策略，切片数量随着地图渲染精细程度的加大以几何级数增长，以单机或单服务器的计算方式已经无法满足地图切片生成与更新的效率需求，而构建高性能计算机集群或采用高端分布式环境增加了计算的成本和复杂度。本文以相同条件进行ＰＣ集群环境下地图切片的并行计算实验与分析，随着计算节点的加入，并行计算执行时间相对于串行计算缩短了２－６倍。实验结

2、果表明，ＰＣ集群环境下进行地图切片的并行计算，是一种成本相对较低、具有伸缩性和提升效率的解决方法。关键词：计算机集群；地图切片；并行计算；ＭＰＩ【中图分类号】Ｐ２０８【文献标识码】Ａ【文章编号】１００９－２３０７（２０１４）０３－０１２０－０４访问性能；文献［１１］以ＡｒｃＧＩＳＳｅｒｖｅｒ分布式技术１引言实现了企业级ＧＩＳ应用程序的综合平台，并对Ａｒｃ－近年来随着网络及多核计算机技术的发展，并ＧＩＳＳｅｒｖｅｒ的性能进行最小的服务器资源占用率、行计算从一直以其展现的高端性开始向低端的个人最小化的数据传输量、最合适的图像格式和最佳的［１］高性能机扩展，并在空间信息处理方面得

3、到广泛代码执行效率的优化，提升整个系统的性能。［２］应用。根据数据处理类型的不同，大致分为两类：在如“数字城市”建设的工程实践中，对快［３－５］①基于栅格影像数据的并行空间分析应用；②基速高效生成与更新地图切片的需求迫切，以单机［６－８］于矢量数据的并行存取和空间分析应用。其中以或单服务器的计算方式效率低下，而构建高性能栅格影像数据并行计算的研究和应用较多。计算机集群或采用高端分布式环境增加了计算的当前，ＷｅｂＧＩＳ的地图服务普遍采用地图数据成本和复杂度，低端多计算资源整合的伸缩性与切片（Ｔｉｌｅ，也称瓦片）的发布策略，相对传统的可用性的期望越来越高。本文讨论置于相对成本Ｗ

4、ｅｂＧＩＳ地图实时请求服务，无论在服务器端、网较低的ＰＣ集群环境下地图切片的并行计算生成，络与客户端的负荷都相对较小，从而提高了请求并以相同的条件进行实验与对比分析。实验结果数量和访问速度。地图服务平台提供不同分辨率表明该方法满足地图切片生成的大量计算资源需（不同比例尺）的地图切片数据支持时，切片数量求，并呈现出良好的扩展伸缩性。呈现金字塔结构并以几何级数增长，越精细的地图渲染则切片数量巨大。文献［９］中，提出了一２地图切片与并行计算种基于并行计算熵迁移策略的并行多分辨ＤＯＭ数１）地图切片据生成算法，并在由１２８个节点，２５６个处理器构地图切片是按照一定的数学规则，把连续比

5、成的集群式高性能计算机仿真实验环境中，获得例的地图划分为多级离散比例，并将每个比例的了较高的加速比和并行效率；文献［１０］在ｈａ－地图切分成具有一定规格的图片矩阵保存在服务ｄｏｏｐ分布式文件系统环境中，提出并实现了新一器端，建立图片名称与地图坐标的映射关系，当代的地图瓦片缓存方案，提升了大量并发用户的客户端请求地图服务时，服务器直接返回当前请［１２］求坐标区域所对应的地图切片，并以开放式地作者简介：杨轶（１９７６），男，云南大姚理空间信息联盟（ＯＧＣ）制定的Ｗｅｂ描绘服务标准人，高级工程师，硕士，主要从事“数字ＷＭＴＳ（ＷｅｂＭａｐＴｉｌｅＳｅｒｖｉｃｅ）进行发布。此方式城

6、市”建设方面的工作和研究。不涉及服务器端地图的动态解析生成，为客户端Ｅ－Ｍａｉｌ：ｄａｂｉａｏ＿ｌｉ＠１２６．ｃｏｍ切片图像按对应关系的下传加载，是电子地图浏览方式的一种降低负载的简化策略。地图切片按收稿日期：２０１３－１－１４金字塔模型由顶部向底部表达空间实体分辨率（详细程度）呈离散形式逐渐增高，目前我国的“数字第３期杨轶ＰＣ集群环境下地图切片的并行计算方法１２１城市”建设提供从０级到１９级的细节层次的地图１：ｄｅｆｉｎｅｉｎｔｅｒｇｅｒｐｒｏｃｓ，ｒａｎｋ／／定义并行计渲染，每级切片数量为２的级数次方乘积，地图切算进程数、进程号片的映射生成与更新上所需计算资源巨大。２：

7、ｄｅｆｉｎｅｄｏｕｂｌｅｘｌｌ＿ｃｏｒｎｅｒ，ｙｌｌ＿ｃｏｒｎｅｒ，２）并行计算与集群ｘｒｕ＿ｃｏｒｎｅｒ，ｙｒｕ＿ｃｏｒｎｅｒ／／定义切片范围左下角、并行计算是将一项大的数据处理与数值计算右上角坐标任务分解为多个可相互独立、同时进行的子任务，３：ｉｎｐｕｔｘｌｌ＿ｃｏｒｎｅｒ，ｙｌｌ＿ｃｏｒｎｅｒ，ｘｒｕ＿ｃｏｒ－并通过这些子任务相互协调的运行，实现快速、ｎｅｒ，ｙｒｕ＿ｃｏｒｎｅｒ／／输入切片范围高效的问题求解。并行计算的主要目的之一是解４：ＣＡＬＬＭＰＩ＿Ｉｎｉｔ（）／／ＭＰＩ环境初始化决大规模密集计算问题，