随着GIS空间数据采集技术的发展,地理空间数据迅速增长,体量愈加庞大。在进行路径分析、地形分析等空间分析服务时,面对的不再是小规模的数据集,而是大规模的数据集,导致在线空间分析服务效率低下,难以在短时间内响应用户请求。近年来,计算机科学发展迅猛,其中分布式计算技术的出现,为上述问题的解决带来了契机。本文基于实验室地图服务项目需求,为项目中的在线路径分析服务与地形分析服务提供预处理技术,帮助提升在线服务效率。由于项目中使用的空间数据规模较大,本文结合Hadoop分布式平台,提供了分布式的预处理技术,本文的主要工作如下:(1)针对大规模路网数据,基于其道路要素特性,设计并实现了一种结合Map Reduce的简单快速生成大规模路网图模型的方法,采用邻接表的数据结构作为这种稀疏图的表示方式。(2)基于路网图预先求解大规模图中点对间的最短路径。将MRA*算法实现并应用到路径分析中,结合实际,将路网图分割成基于圆的外包矩形的子图,Mapper阶段搜索各子图的最短路径,Reducer阶段合并生成最终的最短路径。预处理结果存储于HBase,以供在线路径分析服务查询。(3)基于地形DEM预先计算地形坡度坡向。设计并实现基于Map Reduce的地形坡度坡向分布式计算方法,Map阶段并行计算各DEM分片的坡度坡向,并且列切分为瓦片格式,在Reduce阶段存储瓦片到HBase,以供在线地形分析服务查询。最后,搭建Hadoop集群进行测试,从运行时间、加速比等方面进行对比分析,测试结果表明:本文的分布式路网图生成方式、分布式最短路径计算技术、分布式坡度坡向计算技术,较单机更高效更稳定;分布式方式,灵活可控,当数据规模增大时,可通过增加服务器节点数,方便地扩展计算资源,提升数据处理速度;本文的最短路径计算中引入了启发函数引导搜索,降低了搜索覆盖范围,避免了搜索许多不必要的顶点,较已有的Map Reduce-Dijkstra分布式方法计算用时更短。