文献

J-GLOBAL ID：201902213133803079   整理番号：19A0885939

大規模地球空間ラスタデータ処理のためのオープンソースデータコンテナの評価【JST・京大機械翻訳】

Evaluating the Open Source Data Containers for Handling Big Geospatial Raster Data

著者 (9件)： Hu Fei (NSF Spatiotemporal Innovation Center and Department of Geography and GeoInformation Science, George Mason University, Fairfax, VA 22030, USA) ,  Xu Mengchao (NSF Spatiotemporal Innovation Center and Department of Geography and GeoInformation Science, George Mason University, Fairfax, VA 22030, USA) ,  Yang Jingchao (NSF Spatiotemporal Innovation Center and Department of Geography and GeoInformation Science, George Mason University, Fairfax, VA 22030, USA) ,  Liang Yanshou (NSF Spatiotemporal Innovation Center and Department of Geography and GeoInformation Science, George Mason University, Fairfax, VA 22030, USA) ,  Cui Kejin (NSF Spatiotemporal Innovation Center and Department of Geography and GeoInformation Science, George Mason University, Fairfax, VA 22030, USA) ,  Little Michael M. (NASA Goddard Space Flight Center, Greenbelt, MD 20771, USA) ,  Lynnes Christopher S. (NASA Goddard Space Flight Center, Greenbelt, MD 20771, USA) ,  Duffy Daniel Q. (NASA Goddard Space Flight Center, Greenbelt, MD 20771, USA) ,  Yang Chaowei (NSF Spatiotemporal Innovation Center and Department of Geography and GeoInformation Science, George Mason University, Fairfax, VA 22030, USA)
資料名： ISPRS International Journal of Geo-Information (Web)  (ISPRS International Journal of Geo-Information (Web))
巻： 7  号： 4  ページ： 144  発行年： 2018年 
JST資料番号： U7212A  ISSN： 2220-9964  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 大規模地理空間ラスタデータは,効果的な大規模データ質問と処理のためのデータ管理技術に対して大きな挑戦をもたらす。これらの課題に対処するために,データ蓄積,検索,および分析を容易にするために,様々な大規模なデータ容器ソリューションが開発され,あるいは強化されている。データ容器も開発され,地球空間データを扱うために強化された。例えば,Rasdamanはラスタデータを扱うために開発され,GeoSpar/SpatalHadoopはSpar/Hadoopから強化されて,ベクトルデータを扱った。しかし,これらのポピュラーなデータ容器の特徴と性能を系統的に比較し評価する研究はほとんどない。本論文は,多次元,配列ベースの地球空間ラスタデータセットを扱うために,6つの一般的なデータコンテナ(すなわち,Rasdaman,SciDB,Spark,Climent Spk,Hibe,およびMontoDB)の包括的評価を提供した。それらのアーキテクチャ,技術,能力,および性能を比較し,2つの観点から評価した。(a)システム設計とアーキテクチャ(分散アーキテクチャ,論理データモデル,物理的データモデル,およびデータ操作);そして,(b)実用的利用経験と性能(データ前処理,データ負荷,質問速度,および資源消費)。4つの主要な結論を提供した。(1)クライアントパークを除いて,データ容器は,本論文で使用したHDFデータフォーマットのために良いサポートを持って,負荷データへの時間と資源消費データ前処理を必要とした。(2)科学DB,Rasdaman,およびMongoDBは,データ質問の小さい/仲介量をうまく扱うが,一方,公園とクライアントパークは,安定した資源消費で大量のデータを扱うことができる。(3)科学DBとRasdamanは,成熟したアレイベースのデータ操作と解析機能を提供するが,他のものはユーザに対してこれらの機能を欠いている。そして,(4)科学DB,公園,およびHibeは,システム能力を拡張するために,ユーザ定義機能(UDF)のより良いサポートを持っている。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： データ管理 ,  *ラスタ ,  データ蓄積 ,  高次元 ,  システム設計 ,  データモデル ,  計算機アーキテクチャ ,  地理学 ,  *地球 ,  *データ処理 ,  *コンテナ ,  データフォーマット
準シソーラス用語： Hadoop ,  空間データ ,  *オープンソース , 【Automatic Indexing@JST】

著者キーワード (4件)： ビッグデータ ,  データコンテナ ,  地理空間ラスタデータ管理 ,  GIS

分類 (3件)： 電子航法一般  (ND14010O) ,  その他の情報処理  (JE15050M) ,  計算機網  (JC03000K)

引用文献 (42件)：

• Demchenko, Y.; Grosso, P.; De Laat, C.; Membrey, P. Addressing big data issues in scientific data infrastructure. In Proceedings of the 2013 International Conference on Collaboration Technologies and Systems (CTS), San Diego, CA, USA, 20-24 May 2013; pp. 48-55.
• Lynch, C. Big data: How do your data grow? Nature 2008, 455, 28-29.
• Camara, G.; Assis, L.F.; Ribeiro, G.; Ferreira, K.R.; Llapa, E.; Vinhas, L. Big earth observation data analytics: Matching requirements to system architectures. In Proceedings of the 5th ACM SIGSPATIAL International Workshop on Analytics for Big Geospatial Data, Burlingame, CA, USA, 31 October 2016; ACM: New York, NY, USA, 2016; pp. 1-6.
• Skytland, N. What Is NASA Doing with Big Data Today? 2012. Available online: https://open.nasa.gov/blog/what-is-nasa-doing-with-big-data-today/ (accessed on 6 April 2018).
• Das, K. Evaluation of Big Data Containers for Popular Storage, Retrieval, and Computation Primitives in Earth Science Analysis. In Proceedings of the 2015 AGU Fall Meeting Abstracts, San Francisco, CA, USA, 14-18 September 2015.

タイトルに関連する用語 (5件)： 大規模 ,  地球 ,  ラスタ ,  データ処理 ,  評価