Przyszłość przestrzennych baz danych?

To może być trochę nie na temat. Zależy mi na tym, aby poznać specyficzne dla branży znaczenie przestrzennych baz danych.

Czy baza danych przestrzennych jest bardzo ważną częścią dowolnego systemu GIS? Czy wykorzystamy inne technologie do przechowywania i odzyskiwania danych przestrzennych w najbliższej przyszłości?

Chcę wiedzieć te rzeczy, ponieważ wkrótce zamierzam kontynuować MS na Spatial Database Optimization.

Przestrzenne bazy danych zapewniają usługi przechowywania i manipulowania geometriami, zwykle umieszczonymi w systemie geodezyjnym. Znaczenie przestrzennej bazy danych za GIS będzie zależeć głównie od użycia, ale ogólnie rzecz biorąc, trudno mówić o GIS, jeśli nie masz odpowiedniej przestrzennej bazy danych do przechowywania danych.

Ponieważ komputery mogą manipulować tylko liniowymi, jednowymiarowymi danymi, można podzielić przestrzenne bazy danych na dwie logiczne części:

• Manipulowanie i indeksowanie geometrii z obsługą geodezji
• Technologia przechowywania

Algorytmy i logika używane do manipulacji geometrią są naprawdę specyficzne, a następnie odwzorowane na „klasyczne” dane jednowymiarowe, aby były bezpośrednio kompatybilne z komputerami do przechowywania. Jedyną cechą, która ma jedną stopę na każdym świecie, są indeksy świadome przestrzennie, które wykorzystują algorytmy podobne do R-drzew .

Jeśli chodzi o pamięć, każda podstawowa technologia może się zmieścić i nie zmieni się znacząco w sposobie manipulowania danymi przestrzennymi. Może to być baza danych SQL (i zasymilowana technologia), jakiś rodzaj pamięci noSQL lub coś innego. Najważniejsze, co się zmieni, to indeksowanie przestrzenne, każda inna funkcja może zostać zaimplementowana bez poważnych wad (no oprócz sporadycznych dodatkowych prac).

Oto mój wniosek: jeśli nauczysz się, jak skutecznie manipulować danymi przestrzennymi, i, w zależności od twojej umiejętności uczenia się nowych technologii, będziesz w stanie dostosować wszystko, co faktycznie jest używane. Poznanie ogólnych pojęć związanych z danymi przestrzennymi, szczególnie w przypadku manipulacji relacyjnych, jest trudną częścią i wykorzystuje dojrzałe koncepcje, które prawdopodobnie się nie zmienią.

Nie mam tak dokładnej odpowiedzi jak Valise, ale myślę, że przyszłość w korzystaniu z baz danych Graph (NoSQL) do przechowywania i wyszukiwania danych przestrzennych. Struktura wykresu jest już dość szeroko stosowana w danych GIS (pomyśl o węzłach i łukach). Są już pewne wysiłki, ale ich nie wykorzystałem. Zobacz Neo4j spatial na przykład: http://wiki.neo4j.org/content/Neo4j_Spatial . Wykresy można również wykorzystać do przechowywania wyżej wymienionych indeksów ...

Tylko moje dwa centy...

Systemy zarządzania przestrzennymi bazami danych są bardzo ważne w GIS (wystarczy spojrzeć na tę stronę w celu uzyskania dowodu). Zawsze kładziono nacisk na przestrzenne bazy danych oparte na modelu relacyjnym . Istnieje jednak wiele przykładów różnych modeli danych i metod przetwarzania, które można zastosować:

• Dane rastrowe wykorzystują struktury oparte na macierzach.
• Indeksy przestrzenne wykorzystują struktury danych drzewa .
• Analiza sieci wykorzystuje struktury danych i algorytmy związane z teorią grafów .

Wszystkie te podejścia mają swoje miejsce w GIS i mają zalety i wady. Z perspektywy użytkownika GIS Spatial Database to abstrakcja, która ukrywa określoną strukturę danych i zestaw algorytmów. Nie trzeba znać zawiłości logiki predykatów, aby wykonać zapytanie pola ograniczającego.

Osobiście postrzegam przyszłość przestrzennych baz danych jako rozbieżną. Ukrywamy więcej podstawowych technologii i ułatwiamy użytkownikom zadawanie pytań do GIS i tworzenie map. Dobrym przykładem są SimpleGeo , interfejsy API Map Google i tabele Fusion. Z drugiej strony pobieramy kod z innych domen, takich jak używanie R do analizy rastrowej i używanie baz danych graficznych, jak wspomniano dslamb.