along/paper-writing
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

I/O查询与读取的难点是什么？还需要思考

Browse Source
This commit is contained in:
along
2026-01-22 21:07:04 +08:00
parent 4a1c921a9c
commit 870ab27f21
2 changed files with 10 additions and 5 deletions
Download Patch File Download Diff File Expand all files Collapse all files

14
一种IO高效的大规模遥感影像数据并发时空范围查询的方法.md
View File

@@ -2,17 +2,21 @@
## 传统遥感影像数据时空范围查询策略及其问题 ## 传统遥感影像数据时空范围查询策略及其问题
1. 这篇论文要解决的问题是什么 1. 这篇论文要解决的问题是什么:
高并发场景下，如何面向大规模遥感影像，实现快速的时空范围查询。
2. 为什么要解决这个问题 2. 为什么要解决这个问题
由于地球观测任务的快速发展，以高空间、时间和光谱分辨率为特征的海量遥感数据正以前所未有的速度生成。例如，nasa的AVIRIS-NG每小时获取近9gb的数据，而EO-1Hyperion传感器每小时产生超过9gb的数据1。6TB每日。除了庞大的数据量之外，这些数据集越来越多地受到来自全球研究社区和实时应急响应系统（例如，自然灾害期间的多部门协调）的密集并发访问。因此，现代遥感平台不仅需要提供大容量的存储空间，还需要提供高吞吐量的查询能力，以满足多种时空分析任务的同步需求。
3. 解决这个问题的难点是什么 3. 解决这个问题的难点是什么
？？
4. 前人是怎么解决这个问题的 4. 前人是怎么解决这个问题的
5. 前人的工作有哪些局限性 5. 前人的工作有哪些局限性
6. 本文打算怎么解决这个问题 6. 本文打算怎么解决这个问题
7. 新方法有什么优势 7. 新方法有什么优势
8. 新方法的技术细节有哪些 8. 新方法的技术细节有哪些
9. 实验是怎么设计的 9. 实验是怎么设计的
10. 结果如何 10. 结果如何
11. 对实验结果如何比较分析 11. 对实验结果如何比较分析
12. 最后的结论是什么 12. 最后的结论是什么

1
写作模板.md
View File

@@ -5,5 +5,6 @@ Hydra: Deadline-Aware and Efficiency-Oriented Scheduling for Deep Learning Jobs
2. 方法A直接用在B领域会存在问题， 2. 方法A直接用在B领域会存在问题，
代表论文：MultiRAG: A Knowledge-Guided Framework for Mitigating Hallucination in Multi-Source Retrieval Augmented Generation; 代表论文：MultiRAG: A Knowledge-Guided Framework for Mitigating Hallucination in Multi-Source Retrieval Augmented Generation;
TrajMesa: A Distributed NoSQL-Based Trajectory Data Management System TrajMesa: A Distributed NoSQL-Based Trajectory Data Management System
NALSpatial: A Natural Language Interface for Spatial Databases
3. 论文A考虑了A因素，论文b考虑了B因素，联合考虑A+B， 3. 论文A考虑了A因素，论文b考虑了B因素，联合考虑A+B，
代表论文： 代表论文：