分布式空间数据库是空间数据技术以及分布式数据库技术领域中比较受研究者关注的科学研究内容之一,目前已经应用在各行各业。由于空间数据具有数据量大,属性数据与空间数据密切相关,空间计算复杂等特点,空间数据库的查询效率始终是权衡、量度其性能的重要指标。由此Apache基金会所开发了以分布式系统架构为平台的Hadoop,它是一个能够让用户轻松架构和使用的分布式平台。用户可以轻松地在Hadoop上开发和运行处理海量数据的应用程序,而它正是基于Hive这一可靠,高效的数据仓库工具。本文对分布式空间数据库工具Hive的关键技术进行了学习与研究,分布式空间数据库系统hadoop与传统的数据库相比,其通过强大的分布式性能实现了空间计算的高效性,更加适合大数据量的空间数据的计算。主要工作如下:(1)通过对空间数据的理论基础的了解以及认识,对基于HDFS的数据仓库工具Hive框架、基于Hive的分布式计算模型MapReduce、分布式文件系统HDFS框架进行分析。(2)模拟对空间数据的检索以及对基于HDFS的数据仓库工具Hive框架的扩展设计并实现,把SQL进行扩展使之更便于对Hive查询支持,实现Hive用以分布式空间数据查询。(3)在对分布式空间数据库DSQ(Distributed Spatial Querier)的设计完成后,进行初步实现,部分性解决了Hive在查询过程中经常出现的数据倾斜问题,并对在分布式计算时造成的数据倾斜问题的原因进行了详细分析,并采取一些优化方式来提高HDFS对数据的处理效率。(4)通过实验验证了所提出的基于Hive的分布式空间查询系统在查询效率方面与同等计算性能的大型计算设备进行综合性能比较具有明显的优势。