Relationale Datenbanken die Architektur von ArcSDE

Präsentation zum Thema: "Relationale Datenbanken die Architektur von ArcSDE"—  Präsentation transkript:

1 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 ,

2 Übersicht Relationale Datenbanken ArcSDE Architektur Datenintegrität
Datenspeicherung Räumliche Anfragen

3 RELATIONALE GEODATENBANKEN

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

5 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),…

6 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

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

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

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

10 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

11 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

12 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

13 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

14 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

15 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

16 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

17 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

18 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

19 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

20 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

21 ArcSDE

22 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

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

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

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

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

27 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

28 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

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

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

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

32 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

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

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

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

36 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)

37 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

38 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!

39 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!

40 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‘

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

42 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

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

44 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

45 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

46 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

47 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

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

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

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