Welche Empfehlungen gelten für die Raster-Speicherung?

Die Anzahl der Benutzer, die auf die Raster-Daten zugreifen müssen, sollten den Geodatabase-Typ bestimmen, der zum Speichern der Daten verwendet wird. Eine Personal- oder File-Geodatabase ist besser für einzelne Benutzer oder kleine Arbeitsgruppen mit nur einem Autor geeignet, je nach Größe der gespeicherten Daten. Solche Daten können auf einem freigegebenen Netzlaufwerk gehostet werden, wobei Leser über UNC-Pfade auf die Daten zugreifen. Eine auf einem Server gehostete Enterprise-Geodatabase wird verwendet, wenn viele Benutzer mit Schreibberechtigungen Zugriff benötigen und die Daten ändern.

Einen Vergleich der unterschiedlichen Geodatabase-Typen zum Speichern von Raster-Daten finden Sie in der folgenden Dokumentation: Speichern und Verwalten von Raster-Daten.

Wenn der Zugriff auf Daten kein wichtiger Faktor ist, nutzen Sie einen herkömmlichen ordnerbasierten Ansatz. Weitere Informationen finden Sie in der folgenden Dokumentation: Should I load my raster data into a geodatabase?

 

Die Größe der Daten kann die Komprimierungsmethode und den (ggf.) zu verwendenden Geodatabase-Typ vorgegeben. Bei jedem Geodatabase-Typ gilt ein Größenlimit für die Speicherung von Daten. Am kleinsten ist die Personal-Geodatabase und am größten die Enterprise-Geodatabase.

Die Größe der Raster-Daten kann durch Komprimierung verringert werden, dadurch wird aber auch die Genauigkeit der Daten reduziert, wenn Pixelwerte geändert werden. Wenn Sie nach einem Kompromiss zwischen Größe und Genauigkeit suchen, wählen Sie zwischen verlustfreier oder verlustbehafteter Komprimierung. Für die Analyse von Daten empfiehlt sich die verlustfreie Komprimierung. Die verlustbehaftete Komprimierung ist dagegen nützlich, um die Zeit zur Generierung eines Datasets für die Anzeige zu verkürzen, wenn keine hohe Genauigkeit erforderlich ist.

Weitere Informationen und einen Vergleich zwischen verlustfreier und verlustbehafteter Komprimierung finden Sie in der folgenden Dokumentation: Raster-Komprimierung.

Hinweis:
Beim Speichern von Raster-Daten in der Cloud gibt es einen weiteren Komprimierungstyp, nämlich LERC (Limited Error Raster Compression). Weitere Informationen zu diesem Komprimierungstyp finden Sie in der folgenden Dokumentation: Storing large volumes of imagery and raster in the cloud.

Die Größen von Raster-Dataset können nicht nur durch Komprimierung verringert werden, sondern auch durch Downsampling des Datasets. Durch das Downsampling der Daten werden die Anzeigegeschwindigkeit und die Performance verbessert. Mithilfe von Downsampling wird ein Dataset mit einer Größe von 2 bis 10 Prozent des ursprünglichen Datasets erstellt.

Weitere Informationen finden Sie in der folgenden Dokumentation: Komprimierung, Pyramiden und Kachelgröße.

 

Die Entscheidung, ob bei Raster-Daten Performance oder Portabilität Vorrang hat, ist ein weiterer Faktor bei der Bestimmung des gewünschten Speichermodells für Raster-Daten. Hat Portabilität Priorität, empfiehlt sich das einfachste Datenspeichermodell: Raster-Datasets, die auf einem Datenträger oder in einer Geodatabase gespeichert werden. Raster-Datasets sind nützlich für eine schnelle Anzeige oder umfangreiche Raster-Daten, die nur selten geändert werden.

Mosaik-Datasets ermöglichen eine bessere Performance, insbesondere wenn die Raster-Daten abgefragt werden, wenn Metadaten gespeichert werden und wenn Raster-Daten überlappen.

Weitere Informationen und einen Vergleich zwischen Raster-Datasets und Mosaik-Datasets finden Sie in der folgenden Dokumentation: Vergleichen von Raster-Datenspeichermodellen.