[发明专利]基于希尔伯特曲线的大规模区域目标实时查找方法

权利要求书

1.一种基于希尔伯特曲线的大规模区域目标实时查找方法，提供相互连接的数据源服务器、大数据集群及缓存服务器，所述大数据集群包括kafka服务器及Spark streaming服务器，其特征在于，包括如下步骤：

步骤一，所述数据源服务器接收数据源发送的位置信息；

步骤二，所述数据源服务器向所述kafka服务器传输所述位置信息，所述kafka服务器将所述位置信息存储于所述缓存服务器并生成kafka消息队列；

步骤三，所述Spark streaming服务器从所述kafka消息队列中拉取所述位置信息，并利用Google S2算法实时计算目标单位在所述位置信息周围的数量及距离，并生成查询结果；

步骤四，所述Spark streaming服务器将所述查询结果储存至所述缓存服务器，并通过SSM技术将所述查询结果渲染。

2.根据权利要求1所述的大规模区域目标实时查找方法，其特征在于，所述Sparkstreaming服务器包括拉起模块及计算模块，所述拉起模块与所述缓存服务器连接并用于拉取所述位置信息，所述计算模块用于实时计算。

3.根据权利要求2所述的大规模区域目标实时查找方法，其特征在于，所述Google S2算法包括经纬度转弧度、球面坐标转换、球面变平面、球面矩形投影修正、点与坐标轴点相互转换、坐标轴点与希尔伯特曲线上的CellID相互转换六个步骤。

4.根据权利要求1所述的大规模区域目标实时查找方法，其特征在于，所述数据源服务器、所述大数据集群及所述缓存服务器之间采用通讯连接。

5.根据权利要求1所述的大规模区域目标实时查找方法，其特征在于，在所述步骤一中，所述数据源为HDFS。

6.根据权利要求1所述的大规模区域目标实时查找方法，其特征在于，在所述步骤一中，所述数据源为FLUME。

7.根据权利要求1所述的大规模区域目标实时查找方法，其特征在于，在所述步骤三中，所述目标单位为提前存储于数据库中的餐厅等信息。

8.根据权利要求1所述的大规模区域目标实时查找方法，其特征在于，所述缓存服务器为REDIS或MYSQL。