作为解决方案厂商，MapGis是如何实现分布式大数据存储的呢?

MapGIS在传统关系型空间数据库引擎MapGIS SDE的基础之上，针对地理大数据的特点，构建了MapGIS DataStore分布式数据库引擎，其集成整合了多种开源分布式数据库和文件系统，分别用来存储和管理关系型数据，切片型数据，实时型数据和非结构化数据，形成针对地理大数据应用场景相关的解决方案。

传统关系型数据库在存储海量矢量数据时，只能部署在单个服务器上，无法承受海量数据的存储和查询请求，尤其是对于对象个数超过千万条的复杂空间数据，其性能会急剧下降。PostgreSQL是一个功能强大的开源关系型数据库，其具备矢量点线面的高效存储和查询的的能力，并且可以构建分布式的数据库集群。MapGIS将PostgreSQL集成和融入到MapGIS DataStore中，将其作为海量矢量数据的存储引擎，可实现海量矢量数据的分布式存储，将传统数据库的复杂表进行数据分块分节点，同时可控制每个存储节点的数据量在千万左右，在此基础之上利用空间索引分区技术实现快速查询，最终有效解决传统关系型数据存在的瓶颈问题。

对于栅格数据，传统关系型数据库存储海量切片数据时，存在硬盘I/O读写瓶颈，另外为了维护数据的一致性，也会牺牲很大的读写效率，从而导致切片数据的并发读取速度无法满足应用需求。MongoDB是一个基于分布式存储的NoSQL型数据库，其介于关系型数据库和非关系型数据库之间。MapGIS集成MongoDB并且融入到MapGIS DataStore中，将其作为切片数据的存储引擎，实现亿级切片数据的存储，可方便的复制迁移以及秒级的并发访问，实现了切片数据的高性能存储和读取，有效解决切片数据的高并发读取瓶颈。

问:实时数据的存储和分析存在哪些问题？它和传统的GIS数据有什么区别？

对象存储方式。Elasticsearch。