بهینه سازی ذخیره و بازیابی داده های رستری
عموماً دو نوع چالش هنگام ارائه و نمایش دادههای مکانی حجیم و در رابطه با بهینه سازی ذخیره و بازیابی داده های رستری ، مطرح میباشند:
1-نمایش تمام دادهها با مقیاس کوچک 2- نمایش بخشی از دادهها با مقیاس بزرگ،
و برای هر مورد، روش بهینهسازی ویژهای پیش بینی میگردد. در این مقاله به روشهای بهینهسازی دادههای رستری برای هریک از دو مورد فوق خواهیم پرداخت و موضوع بهینه سازی داده های برداری را به مقاله ای مجزا اختصاص خواهیم داد.
نمایش قسمتی از داده با مقیاس بزرگ
با استفاده از روش تکههای تصویری (Image Tiling)، حجم عظیمی از دادههای رستری میتوانند ذخیرهسازی شده، با سرعت بسیار مناسبی بازیابی گردند. در این روش، تصاویر به تکههای کوچک تقسیم شده، ذخیره میگردند. عموماً از تکههایی به ابعاد 128در 128 و یا 256 در 256 پیکسل استفاده میشود. تصاویر گوگل در تکههای 256 در 256 پیکسل ذخیره میگردند.
برای بازبینی این تصاویر، تنها با موزائیک نمودن (Image Mosaic) تکههای مربوطه، تصویر مورد نظر آماده و ارائه میگردد، و نیازی به پردازش تمام تصویر اصلی (که فرض میشود بسیار حجیم بوده و زمانبر خواهد بود) نمیباشد.
روش تکههای تصویری برای زمانی مناسب است که قرار است قسمتی از تصویر با مقیاس بزرگ نمایش داده شود و برای حالتی که قرار است تمام تصویر در مقیاس کوچک نمایش داده شود، تاثیری ندارد. ارزش دیگر این روش در این است که آخرین تکههای تصویری که مورد استفاده قرار گرفتهاند در حافظه، باقی مانده و باعث تسریع در نمایش مجدد آنها میشود.
نمایش تمام دادهها با مقیاس کوچک
برای حالتی که قرار است تمام تصویر در مقیاس کوچک نمایش داده شود، از روش هرم تصویری (Image Pyramid) استفاده میشود. در روش هرم تصویری، تعدادی تصویر با قدرت تفکیکهای کمتر از تصویر اصلی تهیه میگردند و از هرکدام، باتوجه به بزرگنمایی موردنیاز استفاده میشود.
با این عمل تعداد پیکسلهایی که درگیر پردازش میشوند کاهش پیدا کرده و سرعت دسترسی افزایش پیدا میکند. هرمهای تصویری قادر به ذخیرهسازی هر حجم از دادههای تصویر با انواع مقیاسهای مختلف میباشند.
برای تصمیم آنکه ساختار هرم مربوط به یک تصویر دارای چند سطح باشد، از رابطه زیر استفاده میشود.
در نرمافزار ArcGIS هنگامیکه یک فایل رستری باز میشود، با تائید کاربر، اقدام به ساخت هرم تصویری میشود و بهرهبرداری بسیار سریعتر میگردد. در سیستم مدیریت پایگاه داده مکانی اوراکل و بعضی از سیستمهای دیگر نیز پیش بینی تابعی برای اعمال این ساختار به دادههای رستری شده است. در تصاویر گوگل، این ساختار با 20 سطح بزرگنمایی مختلف پیادهسازی شده است که جزئیات هریک حدودا دو برابر سطح قبلی خود میباشد.
همانطور که از ساختار آن مشخص است ارزش این ساختار هرمی عمدتاً در ارائه کل تصویر با مقیاس کم میباشد، چون در آن حالت بجای پردازش بر روی تصویر اصلی که بسیار حجیم است، میتوان از تصویر بسیار کوچک موجود در بالاترین سطح هرم استفاده نمود و این امر باعث تسریع نمایش داده ها به بهترین نحو میگردد.
امتیاز دیگر این ساختار در تعریف دسترسیهای مختلف است. برای کاربرانی که کمترین مجوز را دارند فقط دسترسی به سطوح بالای هرم تعریف میشود و برای کاربرانی که بیشترین مجوز را دارند، دسترسیها تا سطوح پایین هرم تعریف میشوند. با ترکیب توأم دو روش هرم تصویری و تکههای تصویری میتوان برای هر مقیاس با سرعت مناسب، تصویر مورد نظر را ارائه نمود.
از جناب آقای دکتر علی مدد برای تدوین این مقاله و در اختیار قرار دادن آن کمال تشکر را داریم. برای ایشان آرزوی سربلندی و طول عمر داریم و امیدواریم مانند قبل فعال و پویا باشند.