CyberGIS‐Jupyter for reproducible and scalable geospatial analytics
CyberGIS‐Jupyter for reproducible and scalable geospatial analytics
复制标题
CyberGIS – Jupyter 用于可重复和可扩展的地理空间分析
DOI：
10.1002/cpe.5040
复制
发表时间：
2018
期刊：
影响因子：
--
通讯作者：
Wang, Shaowen
中科院分区：
文献类型：
--
作者：
Yin, Dandong;Liu, Yan;Hu, Hao;Terstriep, Jeff;Hong, Xingchen;Padmanabhan, Anand;Wang, Shaowen
cyberGIS（基于先进网络基础设施的地理信息科学和系统（GIS））的跨学科领域主要关注数据和计算密集型地理空间分析。许多应用和科学领域对基于不同地理空间大数据的此类分析的需求迅速增长，这对传统 GIS 方法提出了重大挑战。本文介绍了 CyberGIS-Jupyter，这是一种创新的网络 GIS 框架，用于使用基于 ROGER（第一台网络 GIS 超级计算机）的 Jupyter Notebook 实现数据密集型、可重复且可扩展的地理空间分析。该框架采用内置网络GIS功能的Notebook来加速网关应用程序的开发和共享，同时相关的数据、分析和工作流运行时环境被封装到可以通过云计算方法弹性复制的应用程序包中。作为理想的结果，数据密集型和可扩展的地理空间分析可以在新型网络GIS科学网关环境中在多学科用户之间有效地开发和改进并无缝复制。
The interdisciplinary field of cyberGIS (geographic information science and systems (GIS) based on advanced cyberinfrastructure) has a major focus on data‐ and computation‐intensive geospatial analytics. The rapidly growing needs across many application and science domains for such analytics based on disparate geospatial big data poses significant challenges to conventional GIS approaches. This paper describes CyberGIS‐Jupyter, an innovative cyberGIS framework for achieving data‐intensive, reproducible, and scalable geospatial analytics using Jupyter Notebook based on ROGER, the first cyberGIS supercomputer. The framework adapts the Notebook with built‐in cyberGIS capabilities to accelerate gateway application development and sharing while associated data, analytics, and workflow runtime environments are encapsulated into application packages that can be elastically reproduced through cloud‐computing approaches. As a desirable outcome, data‐intensive and scalable geospatial analytics can be efficiently developed and improved and seamlessly reproduced among multidisciplinary users in a novel cyberGIS science gateway environment.
登录
查看更多内容
使用 Jupyter 和 Jupyterhub 的交互式 HPC 网关
DOI：
10.1145/3093338.3104159
发表时间：
2017
期刊：
Proceedings of the Practice and Experience in Advanced Research Computing 2017 on Sustainability, Success and Impact
影响因子：
--
作者：
M. Milligan
通讯作者：
M. Milligan
Wrangler的用户环境：用于管理数据密集型计算系统的软件框架
DOI：
10.1109/bigdata.2015.7364043
发表时间：
2015
期刊：
2015 IEEE International Conference on Big Data (Big Data)
影响因子：
--
作者：
Christopher Jordan;David Walling;Weijia Xu;S. Mock;N. Gaffney;D. Stanzione
通讯作者：
D. Stanzione
影响因子：
2.7
作者：
Wang, Shaowen
通讯作者：
Wang, Shaowen
MoSGrid Science Gateway - 分子模拟的完整解决方案。
影响因子：
5.5
作者：
Jens Krüger;Richard Grunzke;S. Gesing;Sebastian Breuers;A. Brinkmann;Luis de la Garza;O. Kohlbacher;Martin Kruse;W. Nagel;Lars Packschies;R. Müller;Patrick Schäfer;Charlotta P. I. Schärfe;T. Steinke;Tobias Schlemmer;K. Warzecha;A. Zink;S. Herres‐Pawlis
通讯作者：
S. Herres‐Pawlis
用于大规模地理空间分析的 CyberGIS-Jupyter 框架
DOI：
10.1145/3093338.3093378
发表时间：
2017
期刊：
Success and Impact
影响因子：
--
作者：
Yin, Dandong;Liu, Yan;Padmanabhan, Anand;Terstriep, Jeff;Rush, Johnathan;Wang, Shaowen
通讯作者：
Wang, Shaowen