背景
中国科学院“地球大数据迷信工程”A 类战略性先导科技专项（简称“地球大数据专项”）于 2018 年 1 月 1 日正式立项。该工程以建成具备寰球影响力、国际化、开放式的国内地球大数据迷信核心为指标，致力于推动并实现地球大数据技术创新、重大迷信发现和一站式全方位宏观决策零碎。
地球大数据专项一个典型的利用例子是：定量统计分析黄河三角洲过来 40 年的变动，包含湿地海岸线、河岸生态系统以及土地利用类型等。传统的做法是差遣科研人员到实地考察，这是简直不能实现的工作。咱们心愿通过该工程，基于对地检测卫星过来 40 年拍摄到的黄河三角洲的遥感图片，利用深度学习和海量天文数据处理技术，准确地量化具体变动指标。
产品状态上，地球大数据专项的指标是打造中国版的“谷歌地球”，设置了包含地球大数据卫星、数据一路一带、全景漂亮中国和大数据云服务平台等在内的共 9 个子我的项目。其中，大数据云服务平台是整个专项的技术基座，通过将资源、环境、生物、人文、生态等畛域的数据汇聚起来，构建一个数据存储、剖析解决和共享平台，并在此基础上提供数字地球迷信服务。
面临挑战
作为一个雄心勃勃的我的项目技术基座，地球大数据云服务平台天然面临着一系列技术挑战：
数据规模宏大，构造泛滥：
• 反对 38PB 根底存储量，每年新增 5PB 数据；• 对地观测、高空观测、根底天文等多种业务模式；• 涵盖结构化、半结构化、非结构化格局；利用场景宽泛：
• 反对 33 个院系、129 个单位应用；• 涵盖资源、环境、生物、生态多个畛域，不同学科的交融；科学计算个性：
• 满足高性能计算需要及数据格式多样化；数据存储和拜访：
• 反对 100+PB 的数据规模及灵便拜访形式；共享与隔离：
• 不便数据共享及计算性能的隔离；解决方案
作为地球大数据专项的外协单位，咱们与中科院网络核心、中科院计算所一起参加布局建设了大数据云服务平台，利用 HashData 数据仓库为整个工程提供海量数据的存储和解决剖析能力。大数据云平台整体架构图如下：
通过集成到地球大数据云平台的 HashData 数据仓库服务，科研院所单位用户能够在几分钟内创立启动一个数据仓库，规模从几个到上百个节点，数据加载后立刻开始数据分析工作。随着数据量和剖析工作负载的变动，还能够动静地对数据仓库集群进行弹性伸缩。同时，因为是齐全托管的云服务，HashData 治理控制台承当了所有的集群资源配置、数据备份、继续监控、网络迁徙、故障复原、高可用和降级等纷繁复杂、易出错的运维工作，让用户（特地是思考到地球大数据云平台的次要用户是科研人员，而不是 IT 人员）专一于科研数据分析上。
其次，对象存储作为整个地球大数据云平台的数据长久层，可能以非常低的老本存储提供海量存储能力，包含结构化、半结构化和非结构化数据，有很高的可用性和持久性，满足专项日益增长的数据量。联合 HashData 湖仓一体的能力，用户能够通过对立的 SQL 接口对各种数据进行高性能的交融剖析解决。
再次，借助 HashData 数据仓库元数据、计算和存储三者拆散、多集群对立数据存储的架构（参考文章《HashData 多集群共享对立存储架构》），每个科研院系单位都能够创立本人的计算集群，确保计算性能隔离的同时，又可能实现数据在不同院系之间的充沛共享，减速科研进度。
最初，通过基于 HashData 的 MPP 计算引擎实现分布式 PostGIS 性能，进行矢量和栅格数据解决，架构示意如下：
整体实现了分布式 GIS 空间数据处理, 反对矢量、栅格数据分布式加载入库，并在库内针对空间数据建设索引, 栅格数据入库可主动切割瓦片，依据瓦片边界建设索引。在外部实现的 GIS 空间数据高效分布式计算，反对空间范畴查问、矢量数据叠加剖析。
总结
HashData 数据仓库云服务已于 2020 年 12 月 30 号在地球大数据云平台上线，可为 130 余家科研院所提供大数据分析服务。除了为大数据云平台包含地球共享服务零碎、CASEarth Databank 零碎和数据丝路地球大数据系统等其它零碎提供撑持外，同时还为科学院外部院系提供通用的数据仓库服务，用于多种利用场景，包含寒旱所的地表观测数据处理，遥感所的植被散布统计，和地质所的地质勘探数据分析。在地理信息数据处理性能方面，绝对于之前的解决方案，HashData 数据仓库也有很大的晋升，例如数据加载提速近 100 倍，栅格数据叠加剖析提速近 70 倍。
随着地球大数据云平台的逐渐成熟稳固，HashData 数据仓库将撑持越来越多的数据存储、剖析和共享工作，为中科院数字地球科学研究做出更多奉献。