마지막 업데이트: 2026년 8월 20일

Cloud-Native Geospatial Formats Explained - COG, GeoParquet, PMTiles & More

클라우드 네이티브 GIS 파일 포맷이란? 개발자를 위한 가이드

지리공간 파이프라인을 구축해 본 적이 있다면, “download-first” 병목 현상의 고통을 알고 있을 것입니다. 전통적으로, 애플리케이션이 15GB 위성 이미지에서 500x500 픽셀의 경계 상자를 필요로 하거나—4GB 시·군·구 토지 데이터셋에서 열 개의 행을 필터링하고자 할 때—전체 파일을 다운로드하고 메모리로 파싱한 뒤, 실제로 필요한 부분만 잘라내야 했습니다.

Shapefile, GeoJSON, 또는 표준 GeoTIFF 파일을 Amazon S3 버킷이나 Google Cloud Storage에 단순히 업로드한다고 해서 클라우드 네이티브가 되는 것은 아닙니다. 이는 단지 레거시 파일을 다른 사람의 하드 드라이브에 올리는 것에 불과합니다.

**클라우드 네이티브 GIS 파일 형식**은(는) 공간 데이터가 디스크에 조직되는 방식을 재구성함으로써 이 문제를 해결합니다. 클라이언트가 파일을 처음부터 끝까지 순차적으로 읽도록 강제하는 대신, 이러한 포맷은 네트워크를 통한 직접적이고 부분적인 읽기를 위해 설계되었습니다. 개발자에게는 서버리스 아키텍처를 열어주고, 데이터 전송 비용을 크게 줄이며, 웹 클라이언트가 정적 객체 스토리지에서 대용량 데이터셋을 직접 쿼리할 수 있게 합니다.

작동 원리: 클라우드 네이티브 지리공간이 실제로 작동하는 방식

특정 파일 확장자를 살펴보기 전에, 이를 작동하게 하는 기본 엔지니어링 패턴을 이해하는 것이 도움이 됩니다. 거의 모든 클라우드 네이티브 지리공간 형식은 세 가지 핵심 메커니즘에 의존합니다:

  1. HTTP Range Requests (GET with Range headers): 표준 HTTP/1.1 및 HTTP/2는 원격 파일에서 특정 바이트 범위를 요청하는 것을 지원합니다 (예: bytes=0-16383). AWS S3, Cloudflare R2, Azure Blob Storage와 같은 클라우드 객체 저장소는 이를 기본적으로 지원합니다.
  2. Front-Loaded (or Predictable) Metadata & Spatial Indexes: 지리 영역을 커버하는 정확한 바이트를 요청하려면, 클라이언트는 먼저 파일 내부 레이아웃의 맵이 필요합니다. 클라우드 네이티브 형식은 헤더 메타데이터와 공간 인덱스(예: R-트리 또는 경계 상자 계층 구조)를 예측 가능한 위치에 저장합니다—보통 파일의 아주 시작 부분이나 끝 부분에 위치합니다. 클라이언트는 인덱스를 읽기 위해 아주 작은 초기 요청을 하나 보내고, 대상 영역에 대한 정확한 바이트 오프셋을 계산한 뒤, 해당 청크만을 가져옵니다.
  3. 내부 타일링 및 청킹: 행별로 래스터를 저장하거나 벡터를 평평한 텍스트 벽처럼 저장하는 대신, 데이터는 자체 포함된 압축 블록(타일, 행 그룹 또는 N차원 청크)으로 분할되어 독립적으로 가져오고 압축을 풀 수 있습니다.

핵심 클라우드 네이티브 GIS 파일 포맷

모든 경우를 포괄하는 단일 포맷은 없습니다. 올바른 포맷을 선택하는 것은 이미지, 표형 벡터, 지도 타일, 다차원 배열, 혹은 LiDAR 포인트 클라우드 중 어떤 것을 다루는지에 따라 달라집니다.

1. 클라우드 최적화 GeoTIFF (COG) — 래스터 이미지용

COG는 새로운 독점 파일 형식이 아니라, 공식 OGC 표준으로 채택된 엄격한 내부 레이아웃을 가진 표준 GeoTIFF(.tif)입니다. 유효한 GeoTIFF이므로 QGIS와 ArcGIS와 같은 기존 데스크톱 도구에서도 문제 없이 열 수 있습니다.

  • 작동 방식: 전체 이미지를 가로 스캔라인으로 픽셀을 저장하는 대신, COG는 픽셀을 내부 타일(보통 512×512 픽셀)로 조직합니다. 또한 동일 파일에 오버뷰(미리 계산된 저해상도 이미지 피라미드)를 포함합니다. 사용자가 웹 지도에서 축소하면 클라이언트는 저해상도 오버뷰 타일을 가져오고, 확대하면 뷰포트와 교차하는 고해상도 타일만 가져옵니다.
  • 권장 대상: 위성 이미지, 항공 정사영상, 디지털 고도 모델(DEM), 및 동적 래스터 타일 서버(예: TiTiler).

GDAL을 사용한 COG 생성:

gdal_translate input.tif output_cog.tif \
  -of COG \
  -co COMPRESS=DEFLATE \
  -co OVERVIEWS=IGNORE_EXISTING

2. GeoParquet — 대규모 벡터 분석 및 데이터 웨어하우스를 위한

워크플로가 전통적인 지도 제작보다 데이터 엔지니어링에 가깝다면, GeoParquet (.parquet)가 강력한 선택입니다. Apache Parquet 위에 구축되어, 기하 정보를 ISO 표준인 Well-Known Binary (WKB) 형태로 저장하고 풍부한 테이블 속성을 함께 제공합니다.

  • 작동 방식: Shapefile이나 GeoJSON이 데이터를 행 단위로 저장하는 것과 달리, Parquet은 컬럼형입니다. population 열에 대해 5천만 개의 폴리곤을 집계하면, 엔진은 무거운 기하 바이트를 전혀 읽지 않습니다. GeoParquet은 또한 행 그룹당 경계 상자 메타데이터를 삽입하고(Hilbert 곡선이나 H3 인덱스를 통한 공간 정렬을 지원), 쿼리 엔진이 관련 없는 청크를 건너뛸 수 있게 합니다.
  • 권장 대상: 대규모 공간 분석, 클라우드 데이터 웨어하우스(Snowflake, BigQuery, Databricks), 및 DuckDB와 같은 서버리스 SQL 엔진.

DuckDB를 사용해 원격 GeoParquet 직접 쿼리:

INSTALL spatial;
LOAD spatial;

SELECT land_use, COUNT(*) AS parcel_count
FROM read_parquet('s3://example-bucket/parcels.parquet')
WHERE ST_Intersects(geometry, ST_MakeEnvelope(-122.5, 37.7, -122.3, 37.8))
GROUP BY land_use;

3. FlatGeobuf — 웹으로 스트리밍 벡터 피처를 위한

GeoParquet가 분석 엔진에서 뛰어나지만, 푸터 기반 메타데이터와 컬럼 지향 방식은 원시 벡터 기하 정보를 브라우저 지도에 직접 스트리밍하는 데 항상 이상적이지는 않습니다. FlatGeobuf (.fgb)를 소개합니다.

  • 작동 방식: Google의 FlatBuffers 바이너리 직렬화 라이브러리를 기반으로, FlatGeobuf는 파일 앞부분에 압축된 힐버트 R-트리 공간 인덱스를 배치합니다. 웹 클라이언트(MapLibre GL JS, Leaflet, OpenLayers 등)는 HTTP 범위 요청을 통해 경계 상자 쿼리를 실행하고, 나머지 바이트가 스트리밍되는 동안 화면에 피처를 렌더링하기 시작할 수 있습니다.
  • 추천 대상: 대용량 멀티메가바이트 GeoJSON 파일을 인터랙티브 웹 애플리케이션에서 PostGIS/GeoServer 백엔드를 구축하지 않고 교체할 때 적합합니다.

4. PMTiles — 서버리스 벡터 및 래스터 베이스맵을 위한

전통적으로, 인터랙티브 지도 타일(/{z}/{x}/{y}.pbf)을 제공하려면 전용 타일 서버(예: Martin 또는 Tileserver-GL)를 운영하거나 수백만 개의 작은 개별 .pbf 파일을 S3에 업로드해야 했으며, 이는 버킷 관리와 API 요청 비용 측면에서 악몽과도 같았습니다.

  • 작동 방식: Protomaps에서 만든 PMTiles (.pmtiles)는 Mapbox Vector Tiles (MVT) 또는 래스터 타일 전체 피라미드를 하나의 아카이브 파일에 압축합니다. 이 파일은 Hilbert 곡선 공간 지역성을 최적화한 클러스터형 디렉터리 구조를 사용하므로, 브라우저 지도 라이브러리가 S3 또는 Cloudflare R2의 단일 정적 파일에서 HTTP 범위 요청을 통해 직접 타일을 가져올 수 있습니다.
  • 추천 대상: 백엔드 없이 커스텀 베이스맵, 고트래픽 웹 지도, 그리고 오프라인 모바일 매핑 애플리케이션에 적합합니다.

5. Zarr — 다차원 과학 데이터용

NetCDF와 HDF5는 수십 년 동안 기상학, 해양학, 기후 모델링을 장악해 왔지만, 그들의 단일 파일 구조는 분산 클라우드 환경에서 어려움을 겪습니다. Zarr는 객체 스토리지를 위한 N차원 배열을 새롭게 설계합니다.

  • 작동 방식: Zarr 스토어는 거대한 다차원 배열(예: time × latitude × longitude × altitude)을 작고 균일한 크기의 압축 청크로 분할합니다. 각 청크는 배열 차원을 설명하는 JSON 메타데이터와 함께 개별 객체(또는 Zarr v3 샤딩을 통해 통합)로 저장됩니다. 수십 개의 병렬 작업자가 파일 잠금 충돌 없이 서로 다른 시간 슬라이스를 동시에 읽고 쓸 수 있습니다.
  • 추천 대상: 시계열 위성 데이터큐브, 날씨 예보, 기후 모델 및 분산 Xarray/Dask 파이프라인.

6. Cloud-Optimized Point Cloud (COPC) — LiDAR용

표준 LAZ 1.4 압축 LiDAR 형식의 확장으로 구축된 COPC (.copc.laz)는 3D 포인트 클라우드를 클러스터형 옥트리 구조로 조직합니다. COG와 마찬가지로 기존 LAS/LAZ 리더와의 하위 호환성을 유지하면서 웹 뷰어(예: Potree 또는 deck.gl)가 카메라 프러스텀 및 레벨 오브 디테일에 따라 포인트를 스트리밍하도록 하여 수 기가바이트 규모의 포인트 클라우드를 다운로드할 필요가 없습니다.

개발자 의사결정 매트릭스: 어떤 포맷을 선택해야 할까요?

데이터 유형주요 작업 부하최적 형식대체된 레거시 포맷
래스터 / 이미지동적 타일링, 픽셀 분석, 웹 시각화COG (.tif)인덱싱되지 않은 GeoTIFF, JPEG2000
벡터SQL 분석, 데이터 웨어하우스, 대규모 조인GeoParquet (.parquet)Shapefile, 파일 지오데이터베이스
벡터브라우저에 원시 피처를 직접 스트리밍FlatGeobuf (.fgb)대형 GeoJSON, KML
미리 스타일링된 타일서버리스 인터랙티브 웹 지도 및 모바일 오프라인PMTiles (.pmtiles)MBTiles, ZXY 폴더 트리
N차원 배열기후 데이터, 시계열 래스터, 병렬 컴퓨팅Zarr (.zarr)NetCDF4, HDF5
포인트 클라우드3D 웹 시각화 및 공간 LiDAR 서브셋팅COPC (.copc.laz)표준 LAS / LAZ

프로덕션 배포 시 주의해야 할 핵심 함정

클라우드 네이티브 포맷으로 전환하면 백엔드가 간소화되지만, 구성 책임이 클라우드 스토리지 계층으로 이동합니다. 다음 세 가지 일반적인 함정에 주의하세요:

  1. CORS 헤더 누락: 브라우저 애플리케이션(예: MapLibre, OpenLayers, 또는 geotiff.js)이 S3 버킷에 HTTP 범위 요청을 보낼 경우, 버킷의 교차 출처 리소스 공유(CORS) 정책은 AllowedHeaders에 Range 헤더를 명시적으로 허용하고 ExposeHeaders에 Content-Range, Content-Length, Accept-Ranges를 노출해야 합니다. 이를 설정하지 않으면 요청이 브라우저에서 조용히 실패합니다.
  2. 정렬되지 않은 GeoParquet 행 그룹: 지저분한 Shapefile을 바로 GeoParquet으로 변환한다고 해서 경계 상자 쿼리가 자동으로 빨라지지는 않습니다. 피처가 행 그룹에 무작위로 흩어져 있으면 쿼리 엔진이 모든 행 그룹을 스캔해야 합니다. 항상 기하학 데이터를 공간적으로 정렬하세요(예: geopandas 또는 DuckDB를 사용해 힐버트 곡선으로 정렬한 후 쓰기). 이렇게 하면 공간적으로 인접한 피처가 동일한 행 그룹에 위치합니다.
  3. 비효율적인 청크/타일 크기: 작은 청크(예: 64×64 픽셀)는 수천 개의 HTTP 요청을 유발해 지연 시간과 클라우드 API 비용을 증가시킵니다. 너무 큰 청크(예: 4096×4096 픽셀)는 클라이언트가 데이터를 과도하게 가져오게 합니다. 표준 기본값을 따르세요—COG의 경우 512×512 픽셀, Zarr 또는 GeoParquet 행 그룹의 경우 청크당 10 MB에서 100 MB.

마무리

클라우드 네이티브 GIS 파일 형식은 데이터를 컴퓨팅으로 이동하는 것에서 컴퓨팅(및 가벼운 범위 요청)을 데이터로 이동하는 근본적인 전환을 나타냅니다. COG, GeoParquet, FlatGeobuf, PMTiles와 같은 형식을 STAC (SpatioTemporal Asset Catalog) 메타데이터와 결합함으로써, 개발자는 저렴한 정적 객체 스토리지를 기반으로 탄력적이고 전 지구 규모의 매핑 및 분석 파이프라인을 구축할 수 있습니다—무거운 공간 데이터베이스가 필요 없습니다.

자주 묻는 질문 (FAQ)

Q1. 무엇이 GIS 파일 형식 "클라우드 네이티브"를 만들까요? 형식이 클라우드 네이티브가 되는 조건은 앞쪽에 공간 인덱스를 포함하고 내부 타일링 또는 청크화를 제공하여, 클라이언트가 전체 파일을 다운로드하지 않고도 HTTP 범위 요청을 통해 작은 지리적 부분집합을 가져올 수 있게 하는 것입니다.

Q2. COG, GeoParquet, 또는 PMTiles 파일을 호스팅하기 위해 전용 GIS 서버가 필요할까요? 아니요—AWS S3, Google Cloud Storage, Azure Blob Storage, Cloudflare R2와 같이 HTTP 범위 요청을 지원하는 표준 정적 객체 스토리지라면 어디든 호스팅할 수 있습니다.

Q3. 내 벡터 데이터에 GeoParquet 또는 FlatGeobuf를 사용해야 하나요? 무거운 분석 쿼리, SQL 엔진(예: DuckDB) 및 데이터 웨어하우스에는 GeoParquet을 사용하고, 브라우저 지도에 원시 벡터 피처를 직접 스트리밍할 때는 FlatGeobuf를 사용하세요.

Q4. 클라우드 최적화 GeoTIFF(COG)가 기존 데스크톱 GIS 소프트웨어와 호환되나요? 네, COG는 내부 타일과 개요 피라미드를 가진 표준 GeoTIFF이므로 QGIS, ArcGIS Pro, GDAL과 같은 레거시 도구에서도 문제없이 열립니다.

Q5. PMTiles는 MBTiles와 어떻게 다릅니까? MBTiles는 SQLite 데이터베이스에 의존하며(웹을 통해 쿼리하려면 서버 측 코드가 필요함), 반면 PMTiles는 타일을 정적 아카이브로 구성하여 웹 브라우저가 HTTP 범위 요청을 통해 직접 읽을 수 있습니다.

관련 항목

모바일 앱을 위한 최고의 GIS 파일 형식

FileFormat.com의 GIS 파일 형식

Google Maps용 상위 5개 GIS 파일 형식

파일 형식 뉴스

파일 형식 포럼