随着以互联网为代表的信息网络和移动计算技术的发展,空间数据资源出现了爆炸式的增长和累积,如何利用云计算技术对这类数据进行高效的空间连接查询处理,已成为当前空间数据管理领域的研究热点之一。传统的集中式处理方式已经不能满足快速增长的空间大数据的查询需求,现有的分布式多路空间连接查询算法主要是基于MapReduce实现的Controlled-Replicate算法,虽然在一定程度上提高了多路空间大数据的查询效率,但还存在过滤能力弱、过度复制等问题,这就带来了额外的CPU和I/O开销。针对上述存在的问题,本文结合当前最为流行的Spark云计算和大数据处理平台,就空间大数据多路连接查询处理算法进行了深入研究,主要做了以下工作:1.提出了一种基于网格过滤的多路空间连接查询算法BSMW-1。该算法针对Controlled-Replicate算法中存在的过度复制的问题,通过采用网格过滤的方式,过滤掉无用的连接对象,并通过缩小复制范围,来减少连接对象的多余复制,从而提高了云环境下多路连接查询处理的性能。2.提出了一种迭代式的多路空间连接算法BSMW-2。该算法采用迭代处理方式,每次仅对两个数据集进行连接计算,然后再对中间结果进行处理,并采用了网格划分和编码的方式来对空间数据进行预处理,从而避免了一次性把大量数据放到内存当中,加快了查询速度,提高了算法的性能。3.基于合成数据集进行了大量的实验,对本文所提出的两个云环境下的多路空间数据连接查询算法的性能进行了测试分析。实验结果表明,本文所提出的两个多路连接算法的性能要明显优于Controlled-Replicate算法,具有较好的适应性。