分布式存储算法 GIS云计算人才培养模式探索

GIS是一门集地球科学、测绘学、计算机科学等多种学科融合的交叉性学科。随着社会与经济的不断发展，GIS在各个行业、领域发挥着越来越重要的作用，对掌握先进GIS技术能力的人才需求也不断增加。云计算是计算机科学和互联网技术发展的产物，也是引领未来信息产业创新的关键性技术和手段。近年来，云计算技术可谓发展的如火如荼，其高通用性、可靠性、高可拓展性以及低廉的成本吸引了越来越多行业领域的青睐。云计算的出现给传统的GIS行业技术、应用模式带来了强烈冲击和影响，传统的GIS软件通过融合服务形成基础GIS软件、云计算GIS软件和平台一体化的综合服务平台。以云计算技术为基础建立GIS软件系统及服务已成为未来10年的发展趋势。整个GIS行业亟须大量具备云计算技术基础的GIS人才。

目前，全国开设GIS和相关课程的高校已超过170所。GIS的主要课程主要涉及计算机语言、GIS原理及应用、图像处理等方面，，已经无法适应技术的革新和社会的需求。

对于GIS学生来讲，云计算技术能力是指学生需要掌握海量数据分布存储、海量数据管理、可视化、云计算平台管理等相关技术，能够运用各类云计算平台及工具，解决GIS实际需求和问题的能力。本文将围绕“以赛促学”的形式??探讨如何培养GIS学生的云计算技能。

1基于云计算技术的GIS知识模块分析

云计算的概念十分宽广，它所包含的知识体系、知识点也非常庞大。在地理信息系统中，GIS软件及数据服务主要以Paas和Saas为主，涉及的知识模块包括了云环境下的海量空间数据存储管理技术、分析处理技术、空间大数据可视化技术三大类。

1.1云环境下的空间数据存储知识模块

在空间数据管理与存储中，由于空间数据具有海量、异构、多源、多尺度和多时空等特点，导致系统的空间数据通常是无序、杂乱、动态的，因此地理信息云平台的数据采用分布式存储方式，通过冗余存储的方式来保证数据的可靠性。其中包含的知识点主要有:分布式存储技术、数据序列化技术、数据压缩技术、性能优化技术、数据安全技术等方面。

对于GIS学生而言，需要从分布式存储技术入手，了解分布式系统的生态圈，掌握分布式存储系统的部署方式及数据的导入导出；数据序列化模块中则需要了解常见的序列化格式，掌握大数据的序列化格式，以处理文本文件及其他格式的文件；数据压缩技术则需要能在不同数据平台中进行数据压缩，掌握提高数据存储效率的方法。对于性能优化及数据安全模块，则仅需在后期能力提高或项目需要时进行学习即可。

1.2云环境下的数据处理分析知识模块

云计算平台不仅需要存储海量的数据，而且还要提供面向海量数据的处理分析功能。其中，主要的分布式计算模型包括谷歌开发的MapReduce及Apache开发的Spark。在数据处理分析知识模块中，有分布式计算技术、编程模型、流数据处理技术、机器学习技术、图计算技术等知识点。

GIS学生在学习大数据分析时，首先需要了解大数据处理框架，掌握大数据处理的编程模型。然后对于不同的数据处理需求，有针对性地学习掌握流数据处理技术、机器学习技术以及图计算技术，以面对不同需求灵活的编写程序，对海量数据进行处理与分析。

1.3空间大数据可视化知识模块

数据可视化为人类洞察数据的内涵、理解数据蕴藏的规律提供了重要的手段。随着大数据时代的来临，大数据的可视化已经成为信息技术发展的迫切需求。空间大数据可视化技术中的知识点包含视觉编码原理、可视化设计原则、时空数据可视化技术、三维可视化技术以及可视化交互技术。

本文来自电脑杂谈，转载请注明本文网址：
https://www.pc-fly.com/a/jisuanjixue/article-65642-1.html