空间数据获取能力的提升,使得空间数据的时空分辨率不断提高,空间数据规模急剧增长。与此同时,基于位置的空间信息应用呈现爆炸式增长的态势。在此背景下,海量的空间数据提供了丰富的应用支撑能力,但大数据量以及高并发的读写请求也给空间数据库带来了新的巨大挑战。传统的空间数据库受磁盘访问速度以及ACID特性的限制,难以应对这种大规模、高并发的应用,而计算机集群及大容量内存为空间数据库系统支撑这种应用提供了新的硬件基础。为提高空间数据库的查询性能,基于高性能集群环境,以NoSQL内存数据库为基础,对如何在集群分布式内存中进行空间矢量数据的高效存储与检索进行了研究。分析比较了NoSQL内存数据库数据存储模型、并发处理性能和适用场景,研究了空间扩展的可行性,为实现基于内存数据库的高效空间查询处理提供实验数据支撑。基于key-value存储结构设计实现了集群分布式内存中的矢量数据分层组织模型,提出了基于Geohash空间编码的空间数据划分策略,保证了空间邻近的数据相近存储。针对Geohash无法直接表达矢量线、面要素编码的问题,提出了一种自适应的空间编码方法,能有效兼顾编码的精确性与编码冗余性。基于自适应空间编码,设计实现了适用于内存空间数据库的高效、易于维护的空间索引结构。在以上研究的基础上,基于内存数据库Redis进行空间扩展,实现了一个集群环境下内存空间数据库系统Spedis,并与开源空间数据库PostGIS进行了查询性能对比,实验表明Spedis具有优于传统空间数据库的性能,特别是在多并发访问时具有明显优势。最后,将内存空间数据库Spedis与高性能地理计算平台HiGIS进行了集成,验证了在高性能地理信息系统中,可采用内存数据库提高空间数据管理、查询和处理的并发性能。