空间数据获取技术的飞速发展使得空间数据规模以前所未有的速度累积,传统空间数据的存储、组织、处理、分析等解决方案已不能适应当前应用需求。在地理信息领域引入计算机技术领域的最新发展成果已成为大势所趋,随着高性能计算的发展,分布式并行计算和内存计算技术为大规模空间数据的分析处理提供了新的机遇。但针对分布式结构特点设计空间数据模型、空间索引结构、查询执行策略和任务调度算法,以充分利用分布式集群环境的计算和存储资源,尤其是充分利用大量分布于各个节点上的内存资源,提高空间数据处理与分析的效率,仍有许多理论和方法需要研究。本文首先综合当前分布式计算架构的特点,设计实现了Key-Value型空间数据模型,具有较好的内存适应性和索引扩展性。并提出一种自适应Geohash编码方法并以此为基础建立了支持多种空间数据类型的分布式空间编码索引。接下来在节点间建立了自适应空间网格索引,实现分布式空间混合索引,并成功应用于栅格数据可视化分析中的瓦片金字塔构建。然后,基于分布式计算平台Spark实现了空间分析中的缓冲区分析和空间叠置分析算法,在算法实现过程中充分利用网格结构和RDD内存数据模型提出了多种执行策略和算法调度方面的优化方法,大幅度提高了空间分析算法执行效率。接下来根据住房选址原则和众多影响因素抽象出住房选址的数学描述,设计实现了住房选址模型和求解方法,在长沙地区和北京地区的住房选址应用中验证了模型的有效性和涉及到的空间分析算法的高效性。最后,将基于分布式内存的空间分析算法和住房选址计算模型集成于高性能地理计算平台HiGIS中,提供了用户调用接口,实现了空间分析结果的可视化。