随着智能手机和其他设备的普及,已经产生了大量细节丰富的空间数据。目前,传统的方法不能很好的应对大规模空间数据的快速存取、处理、分析。因此,对大规模空间数据的快速存取、处理、分析已经成为了必然趋势。但由于空间数据特有的地理特性,使得现有分布式系统的默认分片方式无法很好的应对数据的跨节点以及高并发查询,同时针对数据的在线分析与可视化,采用的是不同的技术方法,还未有统一的底层结构来同时支撑这两种处理。本文首先研究了面向分布式空间数据库的空间数据模型,研究了空间数据在分布式数据库中分片存储的策略,提出了基于Geohash编码的矢量数据索引结构,实现了将具有空间临近关系的空间对象划分到同一数据块的意图并讨论了在分布式空间数据库上实现全局索引与局部索引以达到高性能查询大规模空间数据的目的。其次,基于分布式空间数据库以及空间数据的固有特性,提出了基于Geohash编码的矢量数据分片存储方式,从而支持空间数据的并行导入和并行查询,提高了大规模矢量数据集在分布式空间数据库上的读写、查询处理以及高并发查询性能。然后,设计了多级索引结构Geo-gap tree,实现了高效的并行多级索引构建和更新方法,利用数理统计的相关方法,对矢量面数据集进行采样和查询结果的误差估计,实现了空间统计的渐进式查询,并随着层级的增加,可以得到不断趋于精确结果的估计值。最后,基于矢量线数据的特性,利用制图综合的相关原理,对仅支持矢量面数据渐进式可视化的Geo-gap tree索引进行改进,使其能够对矢量线数据集进行渐进式可视化,同时基于Geo-gap tree的思想,对矢量线数据进行相关的数理统计操作,实现渐进式可视化与近似查询的结合。