Evaluating computational geometry libraries for big spatial data exploration
Evaluating computational geometry libraries for big spatial data exploration
复制标题
评估大空间数据探索的计算几何库
DOI：
10.1145/3403896.3403969
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Eldawy, Ahmed
中科院分区：
文献类型：
--
作者：
Zhang, Yaming;Eldawy, Ahmed
随着大数据的兴起，在Hadoop、Spark、Storm、Flink等类似的大数据系统上开发了许多系统来处理大数据。在所有这些系统的核心，它们使用计算几何库来表示点、线和面，并对它们进行处理以计算空间谓词和空间分析查询。本文评估了四个计算几何库，即GEOS、JTS、Esri GeometryAPI和GeoLite，以评估它们对大数据勘探中各种工作负载的适应性。后者是我们专门为本文构建的库，目的是测试其他库中没有的一些想法。对于所有四个库，我们在Spark上结合使用微观和宏观基准来评估它们的计算效率和内存使用情况。对如何利用这些库进行大空间数据的探索提出了建议。
With the rise of big spatial data, many systems were developed on Hadoop, Spark, Storm, Flink, and similar big data systems to handle big spatial data. At the core of all these systems, they use a computational geometry library to represent points, lines, and polygons, and to process them to evaluate spatial predicates and spatial analysis queries. This paper evaluates four computational geometry libraries to assess their suitability for various workloads in big spatial data exploration, namely, GEOS, JTS, Esri Geometry API, and GeoLite. The latter is a library that we built specifically for this paper to test some ideas that are not present in other libraries. For all the four libraries, we evaluate their computational efficiency and memory usage using a combination of micro- and macro-benchmarks on Spark. The paper gives recommendations on how to use these libraries for big spatial data exploration.
UCR-STAR：UCR 时空活动存储库
DOI：
10.1145/3377000.3377005
发表时间：
2019
期刊：
SIGSPATIAL Special
影响因子：
--
作者：
Ghosh, Saheli;Vu, Tin;Eskandari, Mehrad Amin;Eldawy, Ahmed
通讯作者：
Eldawy, Ahmed
空间大数据基准测试
DOI：
--
发表时间：
2012
期刊：
Workshop on Big Data Benchmarking
影响因子：
--
作者：
S. Shekhar;Michael R. Evans;Viswanath Gunturi;Kwangsoo Yang;D. C. Cugler
通讯作者：
D. C. Cugler