Cloud Geospatial Analysis: Scaling Raster Data Processing

Khi các tập dữ liệu địa lý phát triển quá lớn cho máy tính địa phương của bạn, phân tích ngừng và bộ nhớ hết. Chuyển đổi các luồng công việc raster của bạn sang đám mây mở khóa năng lượng xử lý và lưu trữ không giới hạn. Lớp học chỉ có văn bản này hướng dẫn bạn qua các khái niệm cơ bản của phân tích không gian dựa trên đám mây, cho bạn thấy cách lưu trữ, truy cập và xử lý các tập dữ liệu raster lớn một cách hiệu quả mà không làm hỏng hệ thống của bạn. Bạn sẽ học được gì: Hiểu các khái niệm lưu trữ đám mây cơ bản và cách quản lý các tập dữ liệu địa lý lớn; Apply Cloud Optimized GeoTIFF (COG) tiêu chuẩn để truyền dữ kiện mà không cần tải xuống toàn bộ các tập tin; Tìm kiếm siêu dữ lượng hiệu quả bằng cách sử dụng SpatioTemporal Asset Catalogs (STAC); Cấu hình các luồng công việc tính toán phân tán với thư viện Python như Dask và Xarray; Thực hành tối ưu hóa sử dụng bộ nhớ khi xử lý hình ảnh độ phân giải cao; Thiết kế các luồng công việc có thể mở rộng chạy trơn tru trên cơ sở hạ tầng đám mây. Bạn sẽ bắt đầu với thuật ngữ đám mây cốt lõi và định dạng dữ liệu không gian trước khi chuyển sang các chiến lược thực tế cho xử lý song song và phân tích raster phân phối. Lớp học này được thiết kế cho các nhà phân tích địa lý, chuyên gia GIS và các nhà khoa học dữ liệu mới đến với điện toán đám mây và muốn tăng quy mô các luồng công việc của họ vượt quá giới hạn phần cứng địa phương. Bắt đầu đọc hôm nay để nâng cấp khả năng phân tích không gian của bạn lên đám mây.