基于MongoDB的气象数据存储检索系统#br#

doi:10.3969/j.issn.1006-2475.2020.08.016

计算机与现代化 ›› 2020, Vol. 0 ›› Issue (08): 100-104.doi: 10.3969/j.issn.1006-2475.2020.08.016

基于MongoDB的气象数据存储检索系统#br#

（安徽省公共气象服务中心,安徽合肥230031)

收稿日期:2020-04-16 出版日期:2020-08-17 发布日期:2020-08-18
作者简介:陈浩（1978-），男，安徽全椒人，工程师，学士，研究方向：气象信息技术，E-mail: 2091142541@qq.com; 张亚（1980-),男，高级工程师，学士，E-mail: 2793905312@qq.com; 罗希昌（1986-），男，工程师，硕士，研究方向：计算机应用，人工智能，E-mial: 591047875@qq.com；张亚力（1990-），女，助理工程师，硕士，研究方向：计算机应用技术：E-mail: zhangyaliit@163.com; 刘文静（1982-），女，工程师，硕士，研究方向：行业气象服务，E-mail: 3270293240@qq.com。
基金资助:
国家自然科学基金资助项目（41575155）；安徽省气象局新技术集成项目（AHXJ201805）

Meteorological Data Storage and Retrieval System Based on MongoDB

(Anhui Public Meteorological Service Center, Hefei 230031, China)

Received:2020-04-16 Online:2020-08-17 Published:2020-08-18

摘要/Abstract

摘要： 近年来气象数据呈现多源化和爆炸式增长的态势，传统的关系型数据库已不能满足气象数据发展的需求。结合气象数据的地理空间特点，提出一种基于MongoDB的气象数据存储检索系统。本系统对气象数据建立空间索引，加快了气象数据的查询效率，为精细化、格点化预报提供了有力的支撑。实验结果表明，对于海量的气象数据，MongoDB具有强大的存储和检索能力，各个方面的性能明显优于关系型数据库。

关键词: 气象数据, MongoDB, 存储, 检索

Abstract: In recent years, meteorological data shows a trend of multi-source and explosive growth, the traditional relational database can not meet the needs of meteorological data development. In combination with the geospatial characteristics of meteorological data, a MongoDB-based meteorological data storage and retrieval system is proposed. The system establishes spatial index of meteorological data, which speeds up the query efficiency of meteorological data and provides a strong support for fine and lattice forecast. The experimental results show that MongoDB has strong storage and retrieval capability for massive meteorological data, and its performance in all aspects is obviously better than that of relational database.

Key words: meteorological data, MongoDB, storage, retrieval

中图分类号:

TP311.132.4

陈浩, 张亚, 罗希昌, 张亚力, 刘文静. 基于MongoDB的气象数据存储检索系统#br#[J]. 计算机与现代化, 2020, 0(08): 100-104.

CHEN Hao, ZHANG Ya, LUO Xi-chang, ZHANG Ya-li, LIU Wen-jing. Meteorological Data Storage and Retrieval System Based on MongoDB[J]. Computer and Modernization, 2020, 0(08): 100-104.

参考文献

［1］马廷淮,穆强,田伟,等. 气象数据挖掘研究［J］. 武汉理工大学学报, 2010,32(16):110-114．
［2］张霭琛. 现代气象观测［M］. 北京:北京大学出版社, 2000.
［3］ KOGAN F, KUSSUL N, ADAMENKO T. Winter wheat yield forecasting in Ukraine based on earth observation, meteorological data and biophysical models［J］. International Journal of Applied Earth Observation and Geoinformation, 2013,23:192-203.
［4］彭昱忠,王谦,元昌安,等. 数据挖掘技术在气象预报研究中的应用［J］. 干旱气象, 2015,33(1):19-27.
［5］王若曈,黄向东,张博,等. 海量气象数据实时解析与存储系统的设计与实现［J］. 计算机工程与科学, 2015,37(11):245-2054.
［6］ MASELLI F, PASQUI M, CHIRICI G, et al. Modeling primary production using a 1 km daily meteorological data set［J］. Climate Research, 2012,54(3):271-285.
［7］师春香,潘旸,谷军霞,等. 多源气象数据融合格点实况产品研制进展［J］. 气象学报, 2019,77(4):774-783.
［8］王海军,杨志彪,杨代才,等. 自动气象站实时资料自动质量控制方法及其应用［J］. 气象, 2007,33(10):102-109.
［9］ BARTOK J, HABALA O, BEDNAR P, et al. Data mining and integration for predicting significant meteorological phenomena［J］. Procedia Computer Science, 2010,1(1):37-46.
［10］孟执中,李卿. 中国气象卫星的进展［J］. 中国航天, 2001(5):7-17.
［11］李恒年. 地球静止卫星轨道与共位控制技术［M］. 北京:国防工业出版社, 2010.
［12］张晓虎,陆风,窦芳丽,等. 国外地球同步轨道气象卫星成像观测模式发展分析［J］. 气象科技进展, 2016,6(1):126-130.
［13］王旻燕. CIMISS中气象卫星数据存储和服务模型［J］. 安徽农业科学, 2012,40(8):4785-4789.
［14］王立,冯海霞,胡宪林,等. 自动气象站与人工观测数据差异的原因分析［J］. 成都信息工程学院学报, 2006,21(4):567-570.
［15］陈海泉,陈立宏,曾祥标,等. 雷达和自动气象站资料在GIS中的同步显示［J］. 广东气象, 2011,33(1):64-66.
［16］CHODOROW K, DIROLF M. MongoDB: The Definitive Guide［M］. USA:OReilly, 2010.
［17］郭殿升,吴小竹,巫建伟,等. 基于MongoDB的矢量空间数据云存储与处理系统［J］. 地球信息科学学报, 2014,16(4):507-516.
［18］GU Y H, WANG X, SHEN S, et al. Analysis of data storage mechanism in NoSQL database MongoDB［C］// IEEE International Conference on Consumer Electronics-Taiwan. 2015.
［19］KANADE A, GOPAL A, KANADE S. A study of normalization and embedding in MongoDB［C］// 2014 IEEE International Advance Computing Conference. 2014:416-421.
［20］VATHY-FOGARASSY A, HUGYAK T. Uniform data access platform for SQL and NoSQL database systems［J］. Information Systems, 2017,69:93-105.
［21］金安,程承旗,宋树华,等. 基于Geohash 的面数据区域查询［J］. 地理与地理信息科学， 2013,29(5):31-35.
［22］MOUSSALLI R, SRIVATSA M, ASAAD S W, et al. Fast and flexible conversion of Geohash codes to and from Latitude/Longitude Coordinates［C］// IEEE International Symposium on Field-Programmable Custom Computing Machines. 2015:179-186.
［23］DIMIDUK N, KHURANA A． HBase in Action［M］． New York: Manning Publications, 2012:203-235．

[1]	刘洋1, 黄志2, 徐娟1, 高鹏1, 陈旭辉1. 基于分布式的省级气象数据中心硬件监控告警系统[J]. 计算机与现代化, 2024, 0(07): 41-46.
[2]	李俊晓1, 张小琳1, 石静2. 基于区块链增强的车辆边缘计算网络安全数据存储和共享[J]. 计算机与现代化, 2024, 0(07): 69-75.
[3]	郭泽昕, 钟国韵, 何剑锋, 张军. 基于深度学习的超市果蔬检索方法[J]. 计算机与现代化, 2024, 0(04): 60-65.
[4]	余春雷1, 2, 刘笃晋1, 朱华伟1, 杨佳蓉3. 基于Petersen图的部分重复码[J]. 计算机与现代化, 2024, 0(03): 122-126.
[5]	王鸿, 葛红. 基于注意力机制和语义相似度的跨模态哈希检索[J]. 计算机与现代化, 2023, 0(08): 44-53.
[6]	王欣怡, 尹四清, 洪军. 融合注意力机制的非对称深度监督哈希[J]. 计算机与现代化, 2023, 0(05): 26-31.
[7]	王哲, 王玉玫, 吴亚非, 臧义华. 基于RDMA的分布式键值存储系统性能优化[J]. 计算机与现代化, 2023, 0(02): 24-27.
[8]	邱金水, 庄会富, 金涛. 面向海量植物图像的智能检索系统设计[J]. 计算机与现代化, 2022, 0(10): 62-67.
[9]	曾奕斌, 葛红. 基于语义融合和多重相似性学习的跨模态检索[J]. 计算机与现代化, 2022, 0(08): 50-56.
[10]	单珂, 张一鸣, 刘瑞霞, . 面向中原城市群的科技服务资源池研究与设计[J]. 计算机与现代化, 2022, 0(07): 91-96.
[11]	王镇宇, 郑扬飞. 基于排序学习算法的智能检索系统[J]. 计算机与现代化, 2021, 0(10): 35-40.
[12]	刘铮, 吴柯桦, 叶春晓. 增强安全的云存储数据访问控制方案[J]. 计算机与现代化, 2021, 0(10): 119-126.
[13]	雷鸣, 姜罕盛, 武国良, 赵玉娟, 梁健. 基于HBase的大数据架构下负载平衡技术[J]. 计算机与现代化, 2021, 0(06): 91-95.
[14]	雷鸣, 赵玉娟, 姜罕盛, 武国良, 梁健. 基于分布式技术的气象系统数据服务平台构建[J]. 计算机与现代化, 2020, 0(11): 56-59.
[15]	曹永明. 一种无安全信道的模糊关键字搜索加密方案[J]. 计算机与现代化, 2020, 0(04): 42-.

基于MongoDB的气象数据存储检索系统#br#

Meteorological Data Storage and Retrieval System Based on MongoDB

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价