如何进行高性能的地理计算是摆在地理信息系统领域的一道难题。用户使用地理信息系统相关的场景越来越多,对地理计算的响应时间要求却越来越短,传统的地理信息系统已经难以满足用户的需求。因此研究者们通过使用集群计算技术、内存计算技术等,不断更新着地理信息系统的内核。我们需要一个高性能的计算平台和任务调度平台,对地理信息系统的算法进行快速的调度。本文结合高性能计算平台Spark,从地理计算的算法调度框架的设计实现、基于Spark集群的时空数据聚集算法的提出、算法调度策略的选择以及Spark同MPI的混合使用等四个方面展开了研究。1.研究了地理计算调度框架结构。论文研究和讨论了调度框架的整体架构和组成,以及每个部分的功能,对其中的计算和调度模型进行了形式化的表述。2.提出了面向Spark集群的时空数据聚集算法。我们以常用的时空数据聚集算法为基础,根据Spark集群的中的弹性分布式数据集技术,提出了基于时空数据聚集算法进行改进的算法。3.针对地理计算的特性,研究了地理计算算法调度的调度策略。我们在先进先出调度策略,公平共享调度策略的基础上,根据地理计算的特殊性,提出了基于比例公平性的公平共享调度策略。通过实验对不同调度策略下地理计算的性能和适用场景进行了初步的分析探讨。并且根据任务调度过程中调度算法的表现,提出了其优化方法。4.针对以MPI为平台的地理信息系统,将新的以Spark为核心的调度框架同系统内以MPI为核心的调度框架混合运行,设计并实现了两者在同一个地理信息系统集群内混合运行的方法。