大數據環境下全國地質鉆孔信息服務系統建設框架

王 斌，韓 健，岳 鵬，張立海，王勝海

(1.中國地質大學(北京)地球科學與資源學院，北京 100083；2.國土資源實物地質資料中心，河北 三河 065201；3.張家口弘基礦業有限責任公司，河北 張家口 075000)

隨著網絡化、虛擬化存儲、云計算等技術的發展與應用，大數據時代序幕已全面開啟。2008 年《Nature》和2011年《Science》先后出版“Big Data”和“Dealing with Data”專刊，從多個方面闡述大數據時代對人類產生的影響、數據處理帶來的問題、面臨的挑戰以及機遇等[1]。目前，大數據的發展與應用已成為國內外政府機構、科研結構和相關產業界共同關注的研究內容，并逐步從概念模型轉換為信息技術領域重要研究方向。2012 年美國政府發布“大數據研究與發展倡議”，部署開展“大數據技術研究計劃”。2012年美國地質調查局公布《美國地質調查局科學戰略(2013～2023年)》，作為未來 10 年科學發展方向。英國地質調查局構建基于數據發現、交換、挖掘的地學知識框架[1-2]。2013年日本印發《創建最高級IT國家宣言》，明確以大數據技術為核心IT國家戰略。與國外發達國家相比，我國起步相對較晚，2015年國務院發布《促進大數據發展行動綱要》，2016年國家發展和改革委員會發布《關于組織實施促進大數據發展重大工程的通知》，以此促進我國大數據技術研究與應用。

地質大數據是大數據的重要組成部分。地質大數據除具備大數據的“4V”特點外，還具有空間性、時間性、因果性、多尺度、多時態的特性。新中國成立以來，我國積累形成海量地質資料和數據。地質數據是地下地質情況的真實記錄和信息載體，是開展地質找礦、礦產資源評價、地質科學研究、環境保護、透明城市建設等所需的重要數據，具有重要應用價值，特別是地質鉆孔數據信息。但由于各方面原因，我國地質鉆孔資料分散保管在各個單位，造成地質鉆孔資料信息共享利用程度較低。2013年國土資源部組織建設全國地質鉆孔數據庫，目前已匯聚鉆孔數量達百萬級，地質元素信息達千億級，數據量已達TB級，累計達PB級，主要是圖表等非結構化數據。如何應用大數據技術實現多源異構地質鉆孔數據管理和便捷服務，構建地質鉆孔大數據平臺意義重大。本文根據地質鉆孔數據的結構和特點，闡述基于大數據技術全國地質鉆孔信息服務系統建設總體框架以及系統設計、集群機制、服務利用等，以此為下一步系統建設工作提供一些技術思路。

1 地質鉆孔數據信息特點

地質鉆孔數據是地質工作形成的最原始、最重要的地質資料之一。目前，已匯聚形成涉及區調、礦產、水工環、城市及科學研究等不同類別的海量地質鉆孔數據，主要包括鉆孔柱狀圖、工程布置圖或實際材料圖、勘探線剖面圖、地質屬性和空間數據等不同階段形成的數據，其中，鉆孔柱狀圖中包含進尺、分層、巖性、地質描述、巖礦石成分、結構、構造、年代、接觸關系、礦化、蝕變、測試分析數據、簡易水文地質觀測和地球物理測井成果等數據，勘探線剖面圖中包含鉆探布置、地質巖層、構造、蝕變、礦體分布等數據。

地質鉆孔數據類型包括結構化、半結構化和非結構化數據，具有多元、多源、異構、異質、時空性、相關性、隨機性等特征。非結構化數據主要是矢量圖、柵格圖、表格、文檔、影像等文件，呈碎片化狀態堆積，目前采用MS Access數據庫和文件目錄形式存儲，未進行結構化、半結構化和非結構化數據一體化存儲和管理，這對于地質鉆孔數據的共享利用和挖掘分析具有一定難度。利用大數據技術，解決海量非結構化地質數據信息的有序化存儲、處理和挖掘分析，加工處理應用于成礦規律、成礦系列、成礦體系、礦產預測等研究，指導未來地質找礦工作，這將是下一步全國地質鉆孔信息服務系統建設的一項重要工作內容。

2 全國地質鉆孔信息服務系統總體框架設計

2.1 地質大數據技術綜述

2.1.1 地質大數據處理工具

1) 云計算是大數據處理技術平臺，2006年由Google公司最早提出。Google公司的云計算主要是以可擴展的分布式文件系統GFS、非關系型的分布式數據庫Big Table、支持并行計算的批處理技術MapReduce為核心內容的大數據處理技術[1]。該平臺是一款商業化平臺。

2) Hadoop是面向塊的開源數據處理平臺，主要由分布式文件系統HDFS和MapReduce編程框架實現。HDFS負責海量數據存儲，MapReduce負責海量數據并行計算[3]。該平臺適合地質大數據處理、計算和分析。

3) HPCC是面向記錄的分布式數據處理平臺，主要由分布式文件系統Thor、查詢工具Roxie、系列中間件ECL和查詢接口平臺ESP組成[3]。該平臺適合以數據為中心的密集型數據處理。該平臺企業版收費。

4) Hadapt是開源數據處理分析平臺,其結合了關系型數據庫和Hadoop技術優點，可方便自動劃分查詢執行任務，但由于采用擴充性連接件方法將兩個系統進行連接，使系統在處理數據時帶來一定時間延遲，使用起來相對孤立，適用范圍相對有限[3]。

針對地質大數據的特點，通過對以上數據處理平臺的比較分析，本文認為Hadoop平臺比較適合地質大數據處理框架構建。

2.1.2 地質大數據處理技術論述

1) 分布式文件系統。為解決海量數據存儲問題，Google公司開發了GFS分布式文件系統，實現海量大數據文件的快速儲存。為解決海量小文件存儲，后期開發Colosuss分布式文件系統?；贕FS設計理念，分布式文件系統越來越多如Hadoop的HDFS、Cosmos、CloudStore、TFS等[4-5]。

2) 分布式數據庫系統。對于海量非結構化數據存儲，采用傳統關系型數據庫已不能滿足大數據存儲和分析挖掘的要求。為解決數據量巨大、數據類型多樣等問題，NoSQL非關系型數據庫應用而生。NoSQL數據庫可有效解決地質大數據的半結構化和非結構化數據存儲問題。對于NoSQL數據庫目前沒有準確的定義，但普遍存在以下特征：無需預定義數據模式和表結構；沒有共享架構；擴展性強；擁有簡單API接口；數據分區，支持海量數據存儲。目前，典型NoSQL非關系數據庫主要分為四類：一是鍵值存儲數據庫如Redis；二是列存儲數據庫如Cassandra、HBase；三是文檔型存儲數據庫如CouchDB、MongoDB；四是圖存儲數據庫如Neo4j、Pregel。對于地質鉆孔數據中圖表等非結構化數據較多問題，本文認為采用列存儲數據庫HBase較好。

3) 地質大數據處理技術。地質大數據應用類型很多，主要處理模式是流處理和批處理，但在實際應用中會將二者結合。地質大數據中對于需要流處理的數據相對較少，主要是地質災害類等數據，代表性的系統如Storm、S4等[5-6]。地質大數據中大部分數據采用批處理模式即可，最經典的數據處理技術就是Google公司開發的MapReduce批處理模式。

MapReduce數據處理是通過“Map”和“Reduce”兩個過程來實現：一是將所需要處理的數據集分為若干塊，每一塊都包含一個鍵值對；二是采用并行計算方式，將每一塊交給不同的Map任務區進行處理并產生系列中間結果鍵值對，并寫入本地硬盤；三是中間過程Shuffle將所有相同的Key值組成一個集合傳遞給Reduce；四是Reduce接收中間結果Key值，將具有相同Key值的組織在一起并合并，形成最終value值。此數據處理方式采用分而治之思路，簡化數據計算過程，提高數據處理效率。此方法已在數據挖掘分析、商業智能、機器學習、推薦系統等諸多方面進行應用。

4) 地質大數據挖掘技術。目前，大數據挖掘技術應用較多的主要有WEKA、RapidMiner、PMML、Mahout、Pregel等，其中Mahout技術是Hadoop分布式數據挖掘工具，具有平臺獨立性，擴展性高，能夠實現基于內容和用戶的大數據推薦算法，缺點是部分算法效率不高。對于數理統計、擴展集合論、數學地質理論、定量技術、定性分析等傳統技術方法也可應用于大數據信息挖掘。

5) 地質大數據分析技術。挖掘大數據價值需要建立在對大數據內容的分析與計算基礎之上，數據索引和查詢技術是實現大數據高效分析的基礎。但目前尚沒有一種有效的索引方案能夠直接應用到地質大數據。目前，一是采用并行查詢和建立分布式索引等方式優化多值查詢，二是采用一些大數據查詢分析技術來加快處理效率如Hive、R、Dremel等[4，7]。對于人工智能、深度學習、知識計算、聚類分析、因子分析、相關分析、回歸分析等傳統分析方法在大數據時代依然可用。

6) 地質大數據可視化技術?？梢暬夹g是地質大數據最有效的展示方式。地質大數據可視化技術是在應用計算機技術、圖像學技術、數學地質等理論和方法，將雜亂無章的抽象數據轉換為具有規律、可見的表格、圖像、圖形等，實現地質數據的直觀表達。地質三維可視化是一種較好的表達方式，主要涉及三維地質體模型、三維礦體模型、三維可視化儲量計算模型、隱伏礦三維立體預測成果表達模型等，從不確定性、多源異構地質數據中抽取有效特征和知識發現，挖掘地質大數據中潛在的地質規律、模式、相關性、趨勢性、異常等知識，提出新思路、新觀點、新認識、新知識，指導地質找礦。隨著互聯網技術的發展，網絡三維可視化展示將成為發展趨勢。對于標簽云、歷史流圖、空間信息流等可視化技術，也可應用于地質大數據成果展示，揭示地質年代規律、時代演化、蝕變、礦化等區域性地質特征。

2.2 全國地質鉆孔信息服務系統大數據基礎框架

當前經濟社會發展對地質數據信息需求越來越高，如何高效便捷地向政府、企事業、社會大眾提供地質數據服務尤為迫切。通過對大數據處理技術比較與研究，結合地質鉆孔數據特點，經探討，利用大數據技術搭建全國地質鉆孔信息服務系統，可有效解決海量地質鉆孔數據的管理與服務問題。服務系統建設應采用網絡信息技術、虛擬化存儲、GIS、云計算等技術進行總體設計，擬采用分布式文件系統HDFS、NOSQL數據庫Hbase、數據序列化格式與傳輸工具Avro、數據存儲工具Sqoop、分析工具Hive/Pig、檢索引擎Lucene、數據挖掘Mahout、機器學習Spark、流式計算Storm、日志處理Chukwa∥Scribe、圖數據庫Neo4j、文檔數據庫MongoDB、關系型數據庫PostgresSQL、分布式緩存技術Redis等大數據處理技術開發[8]，以此實現地質數據信息的智慧管理與服務利用。系統處理框架主要包括數據資源匯聚層、數據存儲層、數據挖掘分析層、數據應用層4層，總體框架設計如圖1所示。

1) 數據匯聚層為服務系統建設提供數據支持。目前，采用離線方式已完成歷史回溯性重要地質鉆孔數據的集中采集建庫，后續工作重點是采集查缺補漏、不同行業部門以及新形成的地質鉆孔數據。筆者認為，后續需要重點考慮采用在線方式，通過服務系統實時匯聚采集地質鉆孔數據等重要信息，達到數據實時更新。數據匯聚的內容主要包括地質鉆孔屬性、圖表、影像以及業務、流量、日志等數據。

圖1 全國地質鉆孔信息服務系統大數據處理總體架構設計

2) 數據存儲層為服務系統建設提供數據存儲、調用、轉換支撐。地質鉆孔數據從數據采集到分析處理應用，涉及大量空間數據、圖表、文檔、影像等海量文件存儲，應利用大數據技術將其存放在分布式文件系統HDFS中，實現海量文件快速、準確的并行提取和儲存。該層需要重點考慮地質文件數據的組織管理問題，可利用分布式數據庫Hbase、圖數據庫Neo4j、文檔數據庫MongoDB等結合方式，實現文件數據的快速發現和獲取。

3) 數據分析層是服務系統建設核心，負責海量地質數據的過濾、挖掘和分析。首先需要建立地質鉆孔屬性數據、文檔、圖件的索引，然后根據實際需要，利用Pig、Hive、Mahout、機器學習、Spark MLlib算法、統計建模工具等大數據分析技術，挖掘所需的地質數據并可視化展示。

4) 數據應用層是服務系統建設的最終目的，負責向用戶提供地質數據信息和產品。例如對于某區域成礦規律的研究問題，可利用大數據處理技術從區域地質背景、成礦年代、礦床成因、構造等角度對其進行智能化分析處理，利用數據挖掘、趨勢性分析、相關性分析等技術手段，挖掘有用地質信息及規律，通過成礦理論系統分析，揭示內在規律，利用三維可視化、圖、表等方式進行可視化表達，指導地質找礦工作[11]。

基于Hadoop平臺的地質鉆孔信息服務系統大數據處理框架，可實現地質結構化和非結構化數據的高效存儲，方便從海量、隨機、模糊的數據中快速提取出所需要的數據信息，并進行數據挖掘與并行處理，發現隱含的具有潛在利用價值的知識并對結果可視化表達，從而指導地質找礦、環境保護、災害防治等工作。

3 全國地質鉆孔信息服務系統建設與關鍵技術研究

3.1 系統總體設計

全國地質鉆孔信息服務系統建設應按照“標準統一、節點部署、集中管理、共享服務”的原則，依托Hadoop平臺，采用大數據虛擬化存儲、并行計算、數據自動對等、跨域節點集群等技術，搭建廣泛參與、廣域覆蓋、互聯互通的等權網狀結構的云計算平臺，建成以國土資源部為主節點，國家級地質資料館、省級地質資料館、委托保管單位為骨干節點，地勘單位和礦山企業為基礎節點的分布式系統[13]，實現多源(元)異構數據的統一化描述和分布式存儲、管理、發布、計算和服務，向政府、企事業單位、社會大眾提供不同粒度的地質知識服務。服務系統應實現的主要功能包括各節點數據有序化組織管理、數據發布、數據瀏覽、關鍵字和高級檢索、地圖空間檢索、導航檢索、數據處理、數據集成、空間拓撲分析、統計分析、圖表制作、專題產品開發及展示、地下三維地質模型創建及可視化展示、決策分析、數據接口、日志管理、用戶管理、安全分析等模塊。

3.2 系統數據處理流程和關鍵技術實現研究

1) 數據存儲。對文檔、圖表等地質數據進行預處理，轉化為統一定義的數據結構，保存到分布式文件系統HDFS中。對于地質鉆孔結構化數據管理，開源關系型數據庫PostgreSQL是個不錯選擇，具有以下優點：①具有分片擴展功能，支持橫向擴展、索引建立、半結構化數據存儲等功能；②支持點、線、面數據類型，適合地質工作中點線面的表達；③支持JSON數據類型，可建立基于鍵值對的快速檢索；④具有分布式數據庫系統功能，可實現數據的分布式并行處理；⑤擁有開源PostGIS空間數據庫引擎，可實現簡單空間運算和處理功能[12]。在Hadoop與PostgreSQL中數據之間的相關轉換和調用，可采用數據存儲工具Sqoop快速實現。

2) 數據集成。利用數據序列化工具Avro對地質數據進行數據格式轉化，轉為便于存儲和傳輸的數據格式，然后發布到分布式列存儲數據庫Hbase進行重新組織。為解決海量數據的高速存儲、高并發讀寫、低延時、實時訪問處理需要，可采用大數據分布式緩存技術Redis創建數據索引并儲存在Redis中，采用文本提取工具對保存在HDFS中的文檔、圖表、GIS文件中的數據提取出來，建立全文索引，實現地質數據信息匯聚，方便后續數據挖掘與分析[8]。對于圖表文件管理，可采用圖數據庫Neo4j進行存儲。對于日志文件的收集與處理，可采用Chukwa工具展示、監控和分析收集到的數據。

3) 數據分析。首先需要利用全文檢索引擎Lucene對Hbase數據庫中地質數據建立索引并對地質文檔文件建立全文索引，然后可利用MapReduce、Pig和Hive等分析方法對地質大數據進行處理、統計與分析。若是對地質數據信息進行離線分析采用Hive分析工具較為方便，對地質流式數據分析采用Pig工具效率較高，對索引數據訪問可直接訪問Hbase。對文本數據的分析，目前主要采用信息提取、主題模型、文本摘要、文本分類、文本聚類等方法，最后在Mahout框架中實現地質數據信息挖掘[7-8]。對于系統運行過程中形成的實時數據、網站流量實時統計分析等流式數據，可采用Storm系統進行處理分析。同時，也可利用大數據處理并行計算引擎Spark開展地質數據的交互式查詢、數據挖掘、機器學習以及需要迭代工作的數據處理工作等。Spark MLlib算法組件庫基本涵蓋了機器學習的常用算法，如線性回歸、邏輯回歸、貝葉斯分類、決策樹、關聯規則、協同過濾推薦、神經網絡等算法。對于聚類分析、相關分析、回歸分析、因子分析、遺傳算法、神經網絡等傳統數據分析方法也可繼續應用，但效率相對較低。

3.3 系統節點集群機制建設研究

分布式全國地質鉆孔信息服務系統應利用等權網狀架構運行框架模型，實現各地質資料館藏機構之間多元信息的協同共享，由主、子節點共同構成，見圖2。主節點部署于國土資源部(或中國地質調查局)，匯聚集成各子節點地質鉆孔數據資源，是服務系統唯一對外服務窗口。國家地質資料館分節點匯聚集成各省級地質資料館、委托保管單位的地質鉆孔數據資源；省級地質資料館負責匯聚集成本轄區地勘單位、礦山企業地質鉆孔數據資源[2]。主節點負責各子節點地質鉆孔元數據信息的自動對等、提取和匯聚，將地質鉆孔元數據信息自動提取匯總到全國地質鉆孔數據庫中形成鏡像副本數據并建立索引，不提取地質鉆孔實體數據，實體數據仍保存在各分節點。地質鉆孔數據的發布按照“誰保管、誰發布、誰維護”原則，各子節點負責地質鉆孔數據整理、管理、更新、授權、發布并提供服務利用。主節點主要從數據共享與服務方面優化數據管理，建立數據管理和服務共享機制，向社會提供元數據信息服務，地質鉆孔實體數據的提取與調用均由各子節點負責提供[2]。

圖2 全國地質鉆孔信息服務系統建設等權網狀結構模型

4 地質鉆孔數據信息服務方面幾個建議

4.1 數據源匯聚方面

通過集中開展地質鉆孔數據庫建設，已匯聚集成企事業單位保管的歷史形成的重要地質鉆孔數據，但對于后續開展地質勘探工作新形成的以及歷史遺漏的重要地質鉆孔數據不會再集中開展，需要建立地質鉆孔數據匯聚管理和服務共享規章制度，以及地質大數據信息分類、編碼、采集、整理、清洗、存儲、集成、發布、交換、語義共享、服務等方面的技術標準規范[14]，建立地質鉆孔數據更新維護共享服務利用與激勵機制，開發地質鉆孔數據信息采集和轉換工具，在不顯著增加地質數據擁有者工作量的情況下，方便快捷地將分散保管的、零星的地質數據資源按照統一標準整合匯聚集成到全國地質鉆孔信息服務系統，完成數據發布，保障地質鉆孔數據現勢性。

4.2 服務內容和方式方面

建成地質鉆孔信息服務系統，將實現由到館服務向網絡化服務模式變革，將實現以“服務”為核心的一站式檢索、查詢、下載利用、交互式服務和挖掘分析，實現高效服務。但由于地質數據的特殊性，一般分為公開類、保護類和涉密類數據。根據有關規定和要求，服務系統公開發布的數據僅能是公開類、保護類和經過脫密技術處理后的非涉密地質鉆孔數據信息，因此服務方式應分為線上服務和線下服務。對于線上服務也應通過設置用戶權限方式加以控制，不同用戶不同權限。首先需要地質數據利用人提出申請，然后審核認證。審核通過后申請人獲得登錄用戶名和密碼，并授予相應權限。申請人憑用戶名和密碼登陸平臺檢索查詢利用相應權限內的地質數據信息。如果申請人需要使用涉密類地質鉆孔數據信息，則應到相應地質資料館藏機構進行借閱。為促進地質鉆孔數據信息共享機制的建立，對于礦山企業或地勘單位提供地質數據服務可收取費用[13]。

4.3 服務應用方面

構建全國地質鉆孔信息服務系統，目的是向社會提供地質數據的網絡化檢索查詢，更重要的作用是提供地質大數據的挖掘、分析與應用，如何應用海量地質數據信息是地質大數據重點研究的問題。一是可利用大數據挖掘分析技術，從地質大數據中挖掘有用地質信息及其規律，通過成礦理論的系統分析[11]，發現相關性、趨勢性和異常性等，提出新知識，支撐區域成礦規律、成礦系列、成礦體系以及礦產資源評價等研究，更好地指導地質找礦工作。二是創新地質數據信息服務模式，加強主動服務意識，由“專業服務”向“專業與大眾科普服務”轉變，由“提供資料服務”向“提供知識服務”轉變，由“被動服務”向“主動服務”轉變，延伸地質信息服務深度和廣度，圍繞我國能源資源安全保障、生態環境保護、防災減災，以及三深一土、城市建設、地下空間開發利用等多元需求，積極開展地質數據信息的挖掘提取、分析利用、綜合編研等，建立地下三維地質空間格架模型，開發權威、便捷地服務產品，提供專題服務。

4.4 數據安全問題

在新形勢下，地質大數據安全面臨許多問題，目前采用的保障措施較多，如在Hadoop平臺上利用Kerberos進行節點驗證、文件加密、密鑰和證書等技術；在數據采集、存儲、發布、挖掘、分析等各環節，采用身份認證、權限控制、數據加密、隱私保護、安全審計等技術，以及大數據認證技術等[15]，但所有的安全技術和方法都是相對安全，為確保地質鉆孔數據的安全，在應用以上方法和技術的基礎上，更要提高數據安全保密意識，按照國家保密方面的法律法規要求，嚴格做到涉密數據不上網、上網數據不涉密，有效保護地質數據信息，使其合理開發利用。

5 結 語

大數據技術的飛速發展，改變了人們的思維和工作習慣。地質大數據是大數據的重要組成部分，全國地質鉆孔數據庫匯聚形成海量地質數據，囊括全國各區域的地質年代、地層、構造、結構、巖性、礦化、蝕變、元素化驗分析等各類地質數據。在大數據時代，如何利用云架構構建地質數據信息服務系統，如何利用大數據技術從海量地質信息中挖掘所需的看似毫不相干的地質數據信息及價值，利用相關性、區域性、相異性以及地質成礦等理論模型[11]，發現規律，開展區域成礦規律、成礦體系、礦床成因、礦產資源預測等研究，形成新認識和新知識，指導地質找礦工作，是需要重點研究的內容。目前，大數據技術應用于地質大數據領域相對較少，筆者在分析了大數據處理技術和地質鉆孔數據特點的基礎上，對基于大數據技術全國地質鉆孔信息服務系統建設進行探討，搭建起服務系統大數據總體框架，論述了地質大數據處理流程以及可應用的大數據關鍵技術及其在地質大數據存儲、分析方面的具體應用，并對系統建設、節點集群建設、服務應用等進行研究，可為下一步系統建設的技術路線和技術方法提供一定參考。全國地質鉆孔信息服務系統構建形成，對于后續地質數據的智能挖掘、智慧分析意義重大，可實現“地質數據服務”向“地質知識服務”變革。

參考文獻

[1] 劉智慧，張泉靈．大數據技術研究綜述[J]．浙江大學學報：工學版，2014,48(6)：957-973．

[2] 鄭嘯，李景朝，王翔，等．大數據背景下的國家地質信息服務系

統建設[J]．地質通報，2015，34(7)：1316-1323．

[3] 百度百科．Hadoop[EB/OL]．https:∥baike.baidu.com/item/Hadoop/3526507?fr=aladdin．

[4] 涂新莉，劉波，林偉偉．大數據研究綜述[J]．計算機應用研究，2014，31(6)：1612-1618．

[5] 程學旗，靳小龍，王元卓．大數據系統和分析技術綜述[J]．軟件學報，2014，25(9)：1889-1908．

[6] 李婧，陳建平，王翔．地質大數據存儲技術[J]．地質通報，2015，34(8)：1589-1595．

[7] 張引，陳敏，廖小飛．大數據應用的現狀與展望[J]．計算機研究與發展，2013,50(S2)：216-230．

[8] 李豐丹，李超嶺，吳亮，等．大數據環境下數字填圖數據集成服務技術[J]．地質通報，2015，34(7)：1300-1308．

[9] 李超嶺，李健強，張宏春，等．智能地質調查大數據應用體系架構與關鍵技術[J]．地質通報，2015，34(7)：1288-1299．

[10] 呂霞，李健強，龔愛華，等．基于云架構的中國地質調查信息網格平臺關鍵技術研究與實現[J]．地質通報，2015，34(7)：1323-1332．

[11] 王登紅，劉新星，劉麗君．地質大數據的特點及其在成礦規律、成礦系列研究中的應用[J]．礦床地質，2015，34(6)：1143-1154．

[12] 伍錦程，韓媛，張濤．淺談Hadoop和PostgreSQL在地質資料集群化中的適用性[J]．圖書情報導刊，2016(4)：131-134．

[13] 王斌，陳杰，張立海，等．關于地質鉆孔基本信息數據庫服務利用的思考[J]．中國礦業，2013，22(10)：134-136．

[14] 黃少芳，劉曉鴻．基于地質大數據的地質資料信息化與標準化[J]．中國煤炭地質，2016，28(7)：74-78．

[15] 楊曦，羅平．云時代下的大數據安全技術[J]．中興通訊技術，2017，22(1)：14-18．

[16] 譚永杰．地質大數據體系建設的總體框架研究[J]．中國地質調查，2016(3)：1-6．