Relationale Datenbanken die Architektur von ArcSDE P r o s e m i n a r Geoinfo II Relationale Datenbanken die Architektur von ArcSDE C a r s t e n H i m p l e r B o n n , 0 3 . 0 2 . 2 0 0 3

Übersicht Relationale Datenbanken ArcSDE Architektur Datenintegrität Datenspeicherung Räumliche Anfragen

RELATIONALE GEODATENBANKEN

Was ist eine relationale Geodatenbank? Datenbank, die räumlich bezogene geographische Daten enthält

Was ist eine relationale Geodatenbank? Datenbank, die räumlich bezogene geographische Daten enthält Repräsentation von Dingen als Objekte mit Eigenschaften, Verhalten und räumlichen Beziehungen; Rhein Name, Gesamtlänge… Flussrichtung Breite (x,y), Tiefe (x,y),…

Was ist eine relationale Geodatenbank? Datenbank, die räumlich bezogene geographische Daten enthält Repräsentation von Dingen als Objekte mit Eigenschaften, Verhalten und räumlichen Beziehungen; Definition von Beziehungsregeln zwischen Objekten möglich (referentielle Integrität) Rhein Name, Gesamtlänge… Flussrichtung Breite (x,y), Tiefe (x,y),… Mindestabstand Gebäude - Ufer

Inhalte und Daten in einer Geodatenbank feature datasets (spatial reference) Domains Validation rules Raster datasets Rasters TIN datasets Locators

Inhalte und Daten in einer Geodatenbank feature datasets (spatial reference) Objekt classes Domains Validation rules Raster datasets Rasters TIN datasets Locators

Inhalte und Daten in einer Geodatenbank feature datasets (spatial reference) Objekt classes Feature classes Domains Validation rules Raster datasets Rasters TIN datasets Locators

Inhalte und Daten in einer Geodatenbank feature datasets (spatial reference) Objekt classes Feature classes Relationship classes Domains Validation rules Raster datasets Rasters TIN datasets Locators

Inhalte und Daten in einer Geodatenbank feature datasets (spatial reference) Objekt: nichträumlich z.B.Grundstückseigentümer Objekt class: Datentabelle von Objekten Objekt classes Feature classes Relationship classes Domains Validation rules STEFAN BURGHAUS Raster datasets Rasters TIN datasets Locators

Inhalte und Daten in einer Geodatenbank feature datasets (spatial reference) Feature: räumlich, koordiniert (x,y) Typen: Punkt, Linie, Kurve, Polygon, Fläche z.B. Grundstück Feature Class: Tabelle von Features des gleichen Types enthält feature attributes (Adresse, m²,..) unabhängig von anderen f.classes Alle feature classes eines featuredatasets haben das gleiche Koordinatensystem! (spatial reference) Objekt classes Feature classes Relationship classes Domains Validation rules STEPHAN GRAU Raster datasets Rasters TIN datasets Locators

Inhalte und Daten in einer Geodatenbank feature datasets (spatial reference) Relationship: verlinkt räumliche und nicht räumliche Dinge z.B. Zuordnung von Grundstück und Eigentümer Relationship class: speichert Beziehungen zwischen classes in Tabellen Objekt classes Feature classes Relationship classes Domains Validation rules TIM DOLENGA Raster datasets Rasters TIN datasets Locators

Inhalte und Daten in einer Geodatenbank feature datasets (spatial reference) Objekt classes Feature classes Relationship classes Geometric networks: Benutzerdefinierte Sammlung von feature classes feature classes bilden ein geometrisches Netzwerk aus Kanten, Knoten und Schritten („turn“) Geom. networks Domains Validation rules KLEMMT Raster datasets Rasters TIN datasets Locators

Inhalte und Daten in einer Geodatenbank feature datasets (spatial reference) Objekt classes Feature classes Relationship classes Geom. networks Planar topologies: verbinden faetures zu kontinuierlichen Flächenobjekten erlauben faetures gemeinsame Grenzen Planar topologies Domains Validation rules NICO DIRKORTE Raster datasets Rasters TIN datasets Locators

Inhalte und Daten in einer Geodatenbank feature datasets (spatial reference) Objekt classes Feature classes Relationship classes Geom. networks Planar topologies Domains: Definition von wahren Attributwerten (text, numerisch) Domains Validation rules STEPHAN BURGHAUS Raster datasets Rasters TIN datasets Locators

Inhalte und Daten in einer Geodatenbank feature datasets (spatial reference) Objekt classes Feature classes Relationship classes Geom. networks Planar topologies Validation rules: erzwingen Datenintegrität durch Domänen, relationship rules, connectivity rules Bsp.: Verbindungsregeln für verschieden dicke Wasserleitungen Domains Validation rules Raster datasets Rasters TIN datasets Locators

Inhalte und Daten in einer Geodatenbank Raster data: kopierte Karte, Oberfläche, Gitterdaten (Temp.), Luftbilder Pyramidenform Problem: Datengrösse!!! Speicherform: Tabelle feature datasets (spatial reference) Objekt classes Feature classes Relationship classes Geom. networks Planar topologies Domains Validation rules THOMAS ARTZ Raster datasets Rasters TIN datasets Locators

Inhalte und Daten in einer Geodatenbank feature datasets (spatial reference) TIN datasets: trianguliert, unregelmäßig verteilte Punkte mit z-Werten Speicherungsform: in coverage workspaces  Speicherung noch nicht in Geodatenbanken!!! Objekt classes Feature classes Relationship classes Geom. networks Planar topologies Domains Validation rules ARTZ Raster datasets Rasters TIN datasets Locators

Inhalte und Daten in einer Geodatenbank feature datasets (spatial reference) Objekt classes Feature classes Locators: Definition von Konvertierungsprozessen, die alphanumerische Beschreibungen geographischen features zuordnen (Bsp.: Zuordnung Adresstabelle - Orte) Relationship classes Geom. networks Planar topologies Domains Validation rules Raster datasets Rasters TIN datasets Locators

ArcSDE

Was ist ArcSDE? ArcSDE ist keine Datenbank! Schnittstelle zu relationalen Datenbanken Tool zum Speichern, Verwalten und Bearbeiten von eigenen und fremden Daten ArcView ArcEditor ArcInfo ArcExplorer (Java edition) HTML Viewer ArcGIS Desktop ArcIMS ArcSDE Gateway ArcIMS Server Dateien Datenbank

ArcSDE Hauptproblem: Wie verwalte und bearbeite ich eine so große Datenmenge bei gleichzeitiger Reduzierung des Rechenaufwands?

ArcSDE Lösung: Hauptproblem: Wie verwalte und bearbeite ich eine so große Datenmenge bei gleichzeitiger Reduzierung des Rechenaufwands? Lösung: Systemorientierte Datenverwaltung

Die ArcSDE Architektur Three-tier-Architektur (application server) Two-tier-Architektur (direct connection)

Die Three-tier-Architektur client application Anfrage Ergebnis server handhabt mehrere Anfragen versch. user ArcSDE application server DBMS

Die Three-tier-Architektur client application Verteilung der Anwendungen auf server und client cooperative processing Anfrage Ergebnis server handhabt mehrere Anfragen versch. user FRAMERATE!!! ArcSDE application server DBMS

Die Three-tier-Architektur Probleme: Serverausfall Datenklammerung Viele Clients: Versionen client application Anfrage Ergebnis server handhabt mehrere Anfragen versch. user FRAMERATE!!! ArcSDE application server DBMS

Two-tier-Architektur ArcSDE Client (+ server) direct connection FRAMERATE DBMS

Two-tier-Architektur Performance-Vorteile bezüglich Zugriff Verwaltungsaufwand Serverausfall ABER: Hardwareanforderungen ArcSDE Client (+ server) direct connection DBMS

Die ArcSDE Architektur Vorteil dieser Architekturen: Datenverwaltung auf dir zur Verfügung stehende Hardwareleistung abstimmbar.

Datenspeicherung ArcSDE Datenintegrität Integritätsverwaltung von: a) Punkt, Linie, Bogen, Polygon b) speziellen Beschränkungen (in Datenbank nicht sinnvoll) z.B. Mindestbandbreite oder Polygon mit höchstens 5 Seiten

Datenspeicherung in Datenbank: indizierte Tabellen bisher: nur FID (siehe GIS I: Redundanzfreiheit) jetzt: FID + Typenindex zur Suchbeschleunigung

Datenspeicherung Binary Large Object (BLOB) Binärcode Normalized Schema Koordinaten Geometry Type Geometrie

Räumliche Anfragen Eigenschaften räumlicher Objekte:  i.d.R. hoher Speicherplatzbedarf  komplexe Berechnungen (steigende Kosten und CPU-Anforderungen)

Räumliche Anfragen Eigenschaften räumlicher Objekte:  i.d.R. hoher Speicherplatzbedarf  komplexe Berechnungen (steigende Kosten und CPU-Anforderungen) Prinzip:  angenäherte Repräsentation eines Objektes  Filter- und Verfeinerungstechniken (umgesetzt durch SQL)

Räumliche Anfragen Eigenschaften räumlicher Objekte:  i.d.R. hoher Speicherplatzbedarf  komplexe Berechnungen (steigende Kosten und CPU-Anforderungen) Prinzip:  angenäherte Repräsentation eines Objektes  Filter- und Verfeinerungstechniken (umgesetzt durch SQL) Ergebnis:  Lieferung eines wahrscheinlichen Ergebnisses  schnellere und effektivere Suche

Räumliche Anfragen Window queries Join queries Problem: Finde alle Bonner Straßen, die den Hofgarten durchqueren Join queries Finde alle öffentlichen Gebäude der Stadt Bonn, die mehr als 8000 m² Büroflächen haben, und innerhalb von 10 min vom Hauptbahnhof mit öffentlichen Verkehrsmitteln erreichbar sind. Problem: Wegen Größe der Ergebnismenge exakte Fragestellung notwendig!

Räumliche Anfragen Window queries Join queries Problem: Finde alle Bonner Straßen, die den Hofgarten durchqueren Join queries Finde alle öffentlichen Gebäude der Stadt Bonn, die mehr als 8000 m² Büroflächen haben, und innerhalb von 10 min vom Hauptbahnhof mit öffentlichen Verkehrsmitteln erreichbar sind. Problem: Wegen Größe der Ergebnismenge exakte Fragestellung notwendig!

Umsetzung: Spatial Indexing (SQL) Räumliche Anfragen Umsetzung: Spatial Indexing (SQL) SELECT Parks.Name FROM Parks, Roads WHERE MDSYS.SDO_RELATE (Parks.Geometry, Roads.Geometry, ‘MASK=OVERLAPBDYINTERSECT‘) = TRUE AND Roads.Name = ‚A555‘

Spatial Indexing Ziel: schnelle Lieferung eines Datenpfades durch Erleichterung räumlicher Selektion

Spatial Indexing Ziel: schnelle Lieferung eines Datenpfades durch Erleichterung räumlicher Selektion Prinzip: Durchsuchung von Teildatensätzen 1. Hinzufügen von best. räuml. Datenstrukturen zum System (vgl. Binärer Suchbaum bei Standartattributen) 2. Kartierung von räuml. Objekten in einem eindimensionalen Raum  Speicherung in einem eindimensionalen Index, wie binärer Suchbaum Räumliche Anfragen erfolgen nur anhand von Tabellen

Spatial Indexing Umsetzung: Quad-Tree-Indexing R-Tree-Indexing

kontinuierliches Datenmodel , d.h. keine Datenaufspaltung Spatial Indexing Vorraussetzung: kontinuierliches Datenmodel , d.h. keine Datenaufspaltung Bsp.: Speicherung eines Grundstückes als Polygon oder Speicherung mehrerer Polygone zu einer kontinuierlichen feature class

Quad-Tree-Indexing QUAD Prinzip: Anbringung eines eines numerierten Gitters an eine feature class Anlegung einer Indextabelle Inhalt: welches feature in welchen Quadranten fällt Index Grid QUAD

Quad-Tree-Indexing hierarchiches Muster TREE Prinzip: Anbringung eines eines numerierten Gitters an eine feature class Anlegung einer Indextabelle Inhalt: welches feature in welchen Quadranten fällt Index Grid hierarchiches Muster TREE

Quad-Tree-Indexing INDEXING Prinzip: Anbringung eines eines numerierten Gitters an eine feature class Anlegung einer Indextabelle Inhalt: welches feature in welchen Quadranten fällt Index Grid INDEXING

R-Tree-Indexing Prinzip: kleinstes umschließendes Viereck sinnvoll bei n-dimensionaler Datenindizierung (dynamisch) Bsp.: Ölförderung (zeitabhängig)

R-Tree-Indexing root b a A c A B root e d B a b c d e

Resumé Was ist anders als bisher? Informationsmenge Genauere Suchergebnisse Schnellere (bzgl. Datenmenge) Suchergebnisse Datenverwaltung auf Hardware abstimmbar Projektbildung (Versionen) ABER: höhere Hardwareanforderungen