基于Hadoop公存式計(jì)算的遙感產(chǎn)品生產(chǎn)系統(tǒng).pdf

1、遙感技術(shù)是對(duì)地觀測(cè)的重要手段，種類(lèi)繁多的生態(tài)環(huán)境遙感產(chǎn)品從不同角度反應(yīng)了區(qū)域和全球范圍內(nèi)森林、草原、水等重要資源的狀態(tài)信息，使得有效掌握全球生態(tài)環(huán)境的變化趨勢(shì)及其相應(yīng)影響成為可能。當(dāng)前世界許多國(guó)家均發(fā)射了數(shù)量不等的對(duì)地觀測(cè)遙感衛(wèi)星，如美國(guó)的Landsat、Terra、Aqua，法國(guó)的Spot等等，這些衛(wèi)星每天將產(chǎn)生海量的對(duì)地觀測(cè)數(shù)據(jù)，為生產(chǎn)全球范圍的生態(tài)環(huán)境遙感專(zhuān)題產(chǎn)品提供了豐富的數(shù)據(jù)源。然而，面對(duì)海量的遙感數(shù)據(jù)以及復(fù)雜的專(zhuān)題產(chǎn)品生產(chǎn)算

2、法模型，傳統(tǒng)的串行生產(chǎn)方式由于較低的運(yùn)行效率，已逐漸不能滿(mǎn)足對(duì)大規(guī)模遙感數(shù)據(jù)及時(shí)、高效處理的要求。
　　針對(duì)此問(wèn)題，論文利用Hadoop在分布式計(jì)算方面的優(yōu)勢(shì)，結(jié)合生態(tài)環(huán)境遙感專(zhuān)題產(chǎn)品的生產(chǎn)需求，構(gòu)建了一套具有較高生產(chǎn)效率的遙感產(chǎn)品生產(chǎn)系統(tǒng)，實(shí)現(xiàn)快速、按需生產(chǎn)生態(tài)環(huán)境遙感專(zhuān)題產(chǎn)品。論文的主要研究?jī)?nèi)容包括：
　?。?）論文以全球環(huán)境監(jiān)測(cè)指數(shù)和草原干旱指數(shù)產(chǎn)品為例，使用 MapReduce編程模型設(shè)計(jì)并實(shí)現(xiàn)了產(chǎn)品并行生產(chǎn)算法。結(jié)

3、合MapReduce模型的工作原理和具體生產(chǎn)算法的特點(diǎn)，研究并設(shè)計(jì)了MapReduce模型的輸入鍵、輸入值和分區(qū)函數(shù)。針對(duì)具有多個(gè) MapReduce任務(wù)的復(fù)雜生產(chǎn)作業(yè)，使用工作流技術(shù)解決各MapReduce模型間的依賴(lài)關(guān)系，確保專(zhuān)題產(chǎn)品的高效生產(chǎn)。
　?。?）基于構(gòu)建的生態(tài)環(huán)境專(zhuān)題產(chǎn)品 MapReduce生產(chǎn)模型，使用單節(jié)點(diǎn)和Hadoop集群以串行和分布式計(jì)算的方式生產(chǎn)了全球范圍內(nèi)的相應(yīng)產(chǎn)品，對(duì)比分析了串并行生產(chǎn)方式之間的效率差

4、異，以及在不同計(jì)算節(jié)點(diǎn)情況下Hadoop集群的運(yùn)算性能。
　?。?）基于 Hadoop分布式計(jì)算平臺(tái)，結(jié)合 Java2 Platform Enterprise Edition(J2EE)、WebGIS等技術(shù)，設(shè)計(jì)并實(shí)現(xiàn)了全球生態(tài)環(huán)境遙感專(zhuān)題產(chǎn)品生產(chǎn)與服務(wù)系統(tǒng)。針對(duì)用戶(hù)對(duì)于專(zhuān)題產(chǎn)品的生產(chǎn)需求，系統(tǒng)以接受訂單的方式，利用Hadoop集群快速生產(chǎn)出符合用戶(hù)要求的專(zhuān)題產(chǎn)品。系統(tǒng)圍繞 Hadoop生態(tài)環(huán)境專(zhuān)題產(chǎn)品生產(chǎn)，實(shí)現(xiàn)了從訂單管理、系統(tǒng)