مقاله ترجمه شده درباره طرح نقشه برداری موازی داده فضایی بزرگ بر مبنای بردار – سال 2014
مشخصات مقاله:
عنوان فارسی مقاله:
طرح نقشه برداری موازی داده فضایی بزرگ بر مبنای بردار: ادغام محاسبات ابری با واحد پردازش گرافیکی
عنوان انگلیسی مقاله:
Parallel map projection of vector-based big spatial data: Coupling cloud computing with graphics processing units
کلمات کلیدی مقاله:
طرح نقشه، داده های فضایی بزرگ، پردازش ابری، واحد پردازش گرافیکی، محاسبات موازی
مناسب برای رشته های دانشگاهی زیر:
مهندسی کامپیوتر و مهندسی عمران
مناسب برای گرایش های دانشگاهی زیر:
نقشه برداری و رایانش ابری و سیستم های اطلاعات جغرافیایی (GIS)
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1. مقدمه
2. پیشینه
2.1 محاسبات ابری
2.2. محاسبات عملکرد بالا GPU های فعال شده
3. مواد و روش ها
3.1. طراحی چارچوب
3.2 محاسبات با کارایی بالا شتاب دهندهGPU
3.3. ماشین های مجازی مبتنی بر ابر
3.4. پورتال وب GIS
3.5. پیاده سازی و محاسبات منابع
4. آزمایشات
4.1. آزمایش 1: عملکرد GPU در پاسخ به اندازه مسئله
4.2. آزمایش 2: اثر توازن بار
5- نتیجه گیری
قسمتی از مقاله انگلیسی و ترجمه آن:
Abstract
The objective of this article is to present a framework that couples cloud and high-performance computing for the parallel map projection of vector-based big spatial data. The past few years have witnessed a tremendous growth of a variety of high-volume spatial data—i.e., big spatial data. Map projection is often needed, for example, when we apply these big spatial data into large-scale spatial analysis and modeling approaches that require a common coordinate system. However, due to the size of these data and algorithmic complexity of map projections, the transformation of big spatial data between alternative projections represents a pressing computational challenge. Recent advancement in cloud computing and highperformance computing offers a potential means of addressing this computational challenge. The parallel map projection framework presented in this study is based on a layered architecture that couples capabilities of cloud computing and high-performance computing accelerated by Graphics Processing Units. We use large LiDAR data as an example of vector-based big spatial data to investigate the utility of the parallel map projection framework. As experimental results reveal, the framework provides considerable acceleration for re-projecting vector-based big spatial data. Coupling high-performance and cloud computing, which complement to each other, is a suggested solution for the efficient processing and analysis of big spatial data.
چکیده
هدف از این مقاله ارائه یک چارچوبی است که محاسبات ابری و محاسبات کارایی بالا را برای طرح نقشه برداری موازی داده های بزرگ فضایی را بر مبنای بردار ادغام می کند. در چند سال گذشته شاهد رشد فوق العاده ای از انواع حجم بالای داده های فضایی بودیم به عنوان مثال، داده های فضایی بزرگ.
طرح نقشه کشی اغلب مورد نیاز است، به عنوان مثال، زمانی که ما این داده های فضایی بزرگ را در تجزیه و تحلیل فضایی و رویکردهای مدل سازی بزرگ مقیاس به کار می بریم به یک سیستم مختصات معمولی نیاز داریم. با این حال، با توجه به اندازه این داده ها و پیچیدگی الگوریتمی از پیش بینی های نقشه برداری، تبدیل داده های فضـــــایی بزرگ بین پروژه های متناوب یک فشار چالش محاسباتی را نشان می دهد.
پیشرفت های اخیر در محاسبات ابری و محاسبات کارآیی بالا یک مفهوم نهادی برای پرداختن به این چالش محاسباتی ارائه می دهد. چارچوب طرح نقشه های موازی ارائه شده در این مطالعه بر اساس یک معمـــاری لایه ای است که توانایی های محاسبات ابری و محاسبات با کارایی بالا را به سرعت توسط شتاب واحدهای پردازش گرافیکی GPU ادغام کرده است.
ما با استفاده از داده های LIDAR بزرگ به عنوان نمونه ای از داده های بزرگ فضایی برداری بر مبنای بردار به بررسی استفاده از چارچوب طرح نقشه برداری موازی پرداختیم.
همانطور که نتایج تجربی نشان می دهد، چارچوب سرعت قابل توجهی را برای طرح ریزی دوباره داده بزرگ فضایی بر مبنای بردار فراهم کرده است. اتصال محاسبات عملکرد بالا و محاسبات ابری، که مکمل یکدیگرند، یک راه حلی را برای پردازش کارآمد و تجزیه و تحلیل داده های بزرگ فضایی پیشنهاد داده است.
