计算机技术的快速发展推动了地理信息空间数据的快速采集、处理与应用。海量空间数据在Web端与移动端得到了广泛应用。基于金字塔技术的瓦片地图将空间数据应用于导航、地图显示、基于位置的互联网服务等领域,取得了巨大的成功。巨大的需要对瓦片地图的显示渲染与生产等提出了更高的要求。传统的栅格瓦片具有数据量庞大、样式不可定制、数据更新耗时等缺点,因此基于矢量瓦片的高效构建与应用端查询检索是现今发展趋势与研究方向。Hadoop是主流的商业级大数据处理架构,其利用MapReduce编程模型分析处理各类海量数据,并且借助HDFS存储海量空间数据。因此利用Hadoop解决海量矢量瓦片的生产与数据更新是一种可行性很高的方案。本文基于Web矢量瓦片地图的基本原理与相关的瓦片剖分模型,提出了一种顾及矢量要素空间分布的稠稀矢量瓦片构建算法,并借助KD树进行海量瓦片的空间索引构建与查询。同时基于矢量瓦片构建算法,设计实现了基于MapReduce的分布式矢量瓦片切片算法。并讨论分析了并行计算中的数据倾斜解决方法及各参数对并行算法耗时的影响。基于此,本文做了如下工作:(1)针对现阶段矢量瓦片在Web端渲染与调用传输的局限,提出了一种顾及矢量要素空间分布的瓦片剖分模型。依据空间索引KD树的二叉树思想建立瓦片的剖分模型,进行稠稀矢量瓦片的构建并建立四维KD树索引模型。与格网矢量瓦片进行对比实验,最终可知与格网矢量瓦片相比具有更好的瓦片数据均衡性与更短的网络传输耗时。(2)基于矢量瓦片的理论基础,研究矢量瓦片的分布式构建。针对传统矢量数据的局限实现了基于GeoCSV的海量空间数据模型,并实现了 Shapefile向GeoCSV的转换算法。根据MapReduce并行构建任务分解将矢量瓦片的并行构建分为Map、Combiner、Reducer三个阶段,进行MapReduce分布式数据处理。(3)实现了通过在Reducer阶段对数据进行采样的方案解决数据倾斜问题,并提出了利用空间数据的最小外包矩形降低Map阶段函数的运算次数的优化算法,提高矢量瓦片批量构建的速度。