江翠云，吴 然，方 杰

（1.广东省测绘工程公司，广东 广州 510300；2.广州市城市规划勘测设计研究院，广东 广州 510300；3.国家海洋局南海调查技术中心，广东 广州 510300）

随着5G技术的日益成熟，万物互联的概念逐步深入我国各行各业的改革与发展中，这一点在地理空间信息领域影响尤为显著。传统的空间数据获取方法具有流程复杂、耗时较长、成本较高的弊端，在这一背景下，部署简单、耗时短、成本较低的各类新型空间数据获取方法出现，如常见的用户移动终端、船只车辆上的轨迹跟踪设备等，这使得空间数据体量急速膨胀，呈现出大数据所具备的规模性（volume）、多样性（variety）、高速性（velocity）等特点[1]，如何更为高效地分析和利用这么大体量的空间数据，提取当中的价值应用到现实实践指导工作中，是当前地理数据分析领域的重点研究任务[2]。

传统的空间数据库在通常的空间数据存储与分析任务中有着较为良好的表现，如常见的PostGIS、Oracle Spatial等空间数据存储框架提供了多种满足OGC标准的空间数据存储与管理，并提供了大量空间运算和分析功能。但在这类基于行式存储架构的数据库在面对空间大数据的存储与分析任务时容易遇到效率瓶颈，特别是在遇到TB级甚至PB级空间数据时，大量的文件 I/O操作使其难以获得满足业务需求的运行效率。针对这个问题，相关学者基于当前主流的大数据框架进行一系列空间特性的改造尝试，较为典型的有基于Apache Hadoop分布式文件系统的内部数据文……