Analiza geoprzestrzenna w chmurze: skalowanie przetwarzania danych rastrowych

Gdy zbiory danych geoprzestrzennych stają się zbyt duże dla komputera lokalnego, analiza zatrzymuje się i wyczerpuje się pamięć. Przeniesienie przepływów pracy rastrowej do chmury udostępnia nieograniczoną moc obliczeniową i pamięć masową. Ten kurs tekstowy przeprowadzi Cię przez podstawowe koncepcje analizy przestrzennej opartej na chmurze, pokazując, jak przechowywać, uzyskiwać dostęp i przetwarzać ogromne zestawy danych rastrowych bez awari systemu. Co nauczysz się: Zrozumienie podstawowych koncepcji przechowywania w chmurze i zarządzania dużymi zbiorami danych geoprzestrzennych; Zastosuj standardy Cloud Optimized GeoTIFF (COG) do przesyłania strumieniowego danych bez pobierania całych plików; Wydajne zapytanie metadanych za pomocą katalogów zasobów przestrzenno-czasowych (STAC); Konfiguruj rozproszone przepływy pracy obliczeniowej za pomoca bibliotek Pythona, takich jak Dask i Xarray; Ćwicz optymalizację wykorzystania pamięci podczas przetwarzania obrazów o wysokiej rozdzielczości; Projektuj skalowalne przepływy pracy, które działają bezproblemowo w infrastrukturze chmury. Zaczniesz od podstawowej terminologii chmury i formatów danych przestrzennych, zanim przejdziesz do praktycznych strategii przetwarzania równoległego i rozproszonej analizy rastrowej. Ten kurs jest przeznaczony dla analityków geoprzestrzennych, specjalistów GIS i naukowców zajmujących się danymi, którzy są nowicjuszami w przetwarzaniu w chmurze i chcą skalować swoje przepływy pracy poza lokalne ograniczenia sprzętowe. Zacznij czytać już dziś, aby skalować możliwości analizy przestrzennej do chmury.