Ostatnia aktualizacja: 20 sierpnia 2026

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

Jakie są formaty plików GIS typu cloud-native? Przewodnik dla programistów

Jeśli kiedykolwiek budowałeś potok geoprzestrzenny, znasz ból wąskiego gardła związanego z "download-first". Tradycyjnie, jeśli twoja aplikacja potrzebowała ramki ograniczającej 500x500 pikseli z 15 GB sceny satelitarnej — lub chciała przefiltrować dziesięć wierszy z 4 GB zestawu danych parceli miejskich — musiałeś pobrać cały plik, wczytać go do pamięci, a następnie wyciąć fragment, który naprawdę cię interesował.

Samodzielne przesłanie pliku Shapefile, GeoJSON lub standardowego GeoTIFF do koszyka Amazon S3 lub Google Cloud Storage nie czyni go chmurowo‑natynkowym. Po prostu umieszcza przestarzały plik na dysku kogoś innego.

Chmurowo‑natynkowe formaty plików GIS rozwiązują ten problem, przekształcając sposób, w jaki dane przestrzenne są organizowane na dysku. Zamiast zmuszać klientów do odczytywania plików kolejno od początku do końca, te formaty są zaprojektowane do bezpośrednich, częściowych odczytów przez sieć. Dla programistów otwiera to architektury bezserwerowe, drastycznie zmniejsza koszty egressu i pozwala klientom internetowym zapytywać ogromne zestawy danych bezpośrednio z statycznego przechowywania obiektów.

Mechanika: Jak naprawdę działa geoprzestrzeń typu cloud-native

Zanim zagłębimy się w konkretne rozszerzenia plików, warto zrozumieć podstawowy wzorzec inżynieryjny, który je napędza. Prawie każdy natywny w chmurze format geoprzestrzenny opiera się na trzech podstawowych mechanizmach:

  1. Żądania zakresowe HTTP (GET z nagłówkami Range): Standard HTTP/1.1 i HTTP/2 obsługują żądanie konkretnych zakresów bajtów z zdalnego pliku (np. bytes=0-16383). Przechowywania obiektów w chmurze, takie jak AWS S3, Cloudflare R2 i Azure Blob Storage, natywnie wspierają to od razu.
  2. Metadane i indeksy przestrzenne wstępnie załadowane (lub przewidywalne): Aby poprosić o dokładne bajty obejmujące określony obszar geograficzny, klient najpierw potrzebuje mapy wewnętrznego układu pliku. Formaty natywne w chmurze przechowują metadane nagłówka i indeksy przestrzenne (takie jak drzewa R lub hierarchie prostokątów ograniczających) w przewidywalnym miejscu — zazwyczaj na samym początku lub na samym końcu pliku. Klient wykonuje jedno małe początkowe żądanie, aby odczytać indeks, oblicza dokładne offsety bajtów dla docelowego regionu i pobiera tylko te fragmenty.
  3. Wewnętrzne kafelkowanie i dzielenie na fragmenty: Zamiast przechowywać rastry wiersz po wierszu lub wektory jako jedną płaską ścianę tekstu, dane są podzielone na samodzielne, skompresowane bloki (kafelki, grupy wierszy lub N-wymiarowe fragmenty), które można pobierać i dekompresować niezależnie.

Podstawowe formaty plików GIS typu cloud-native

Nie ma jednego formatu, który rządzi wszystkimi. Wybór odpowiedniego zależy od tego, czy masz do czynienia z obrazami, wektorami tabelarycznymi, kafelkami map, tablicami wielowymiarowymi czy chmurami punktów LiDAR.

1. Cloud-Optimized GeoTIFF (COG) — Do obrazów rastrowych

COG nie jest zupełnie nowym, własnościowym typem pliku; jest to standardowy GeoTIFF (.tif) o ścisłym wewnętrznym układzie przyjętym jako oficjalny standard OGC. Ponieważ pozostaje prawidłowym GeoTIFF, starsze narzędzia desktopowe takie jak QGIS i ArcGIS nadal mogą go otworzyć bez problemów.

  • Jak to działa: Zamiast przechowywać piksele w poziomych liniach skanowania na całym obrazie, COG organizuje piksele w wewnętrzne kafelki (zwykle 512×512 pikseli). Wstawia także overviews (wstępnie obliczone, niżej rozdzielczości piramidy obrazów) w tym samym pliku. Gdy użytkownik oddala widok na mapie internetowej, klient pobiera niskiej rozdzielczości kafelki przeglądowe; gdy przybliża, pobiera tylko wysokiej rozdzielczości kafelki przecinające obszar widoku.
  • Najlepsze dla: Obrazy satelitarne, ortomosaiki lotnicze, modele cyfrowe terenu (DEM) oraz dynamiczne serwery kafelków rastrowych (takie jak TiTiler).

Generowanie COG przy użyciu GDAL:

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

2. GeoParquet — Do dużej analityki wektorowej i hurtowni danych

Jeśli Twój przepływ pracy przypomina bardziej inżynierię danych niż tradycyjną kartografię, GeoParquet (.parquet) jest najważniejszym rozwiązaniem. Zbudowany na bazie Apache Parquet, przechowuje geometrie jako standard ISO Well-Known Binary (WKB) wraz z bogatymi atrybutami tabelarycznymi.

  • Jak to działa: W przeciwieństwie do Shapefile’ów lub GeoJSON, które przechowują dane wiersz po wierszu, Parquet jest kolumnowy. Jeśli wykonasz agregację na kolumnie population wśród 50 milionów wielokątów, silnik całkowicie pomija odczyt ciężkich bajtów geometrii. GeoParquet dodatkowo osadza metadane bounding‑box dla każdej grupy wierszy (i obsługuje sortowanie przestrzenne za pomocą krzywych Hilberta lub indeksów H3), co pozwala silnikom zapytań pomijać nieistotne fragmenty.
  • Najlepsze dla: Analizy przestrzenne na dużą skalę, chmurowe hurtownie danych (Snowflake, BigQuery, Databricks) oraz bezserwerowe silniki SQL, takie jak DuckDB.

Zapytania do zdalnego GeoParquet bezpośrednio przy użyciu DuckDB:

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 — Do strumieniowego przesyłania wektorowych funkcji do sieci

Podczas gdy GeoParquet błyszczy w silnikach analitycznych, jego metadane oparte na stopce i orientacja kolumnowa nie zawsze są idealne do strumieniowego przesyłania surowych wektorowych geometrii bezpośrednio do mapy w przeglądarce. Przedstawiamy FlatGeobuf (.fgb).

  • Jak to działa: Zbudowany na bibliotece binarnej serializacji FlatBuffers firmy Google, FlatGeobuf umieszcza spakowany indeks przestrzenny Hilbert R-tree zaraz na początku pliku. Klienci internetowi (takie jak MapLibre GL JS, Leaflet czy OpenLayers) mogą wykonać zapytanie o ramkę ograniczającą (bounding-box) za pomocą żądań zakresowych HTTP i rozpocząć renderowanie obiektów na ekranie, podczas gdy pozostałe bajty nadal są strumieniowane.
  • Najlepsze dla: Zastąpienie wielomegabajtowych plików GeoJSON w interaktywnych aplikacjach internetowych bez uruchamiania zaplecza PostGIS/GeoServer.

4. PMTiles — Do bezserwerowych map bazowych wektorowych i rastrowych

Tradycyjnie, serwowanie interaktywnych kafelków map (/{z}/{x}/{y}.pbf) wymagało albo uruchomienia dedykowanego serwera kafelków (takiego jak Martin lub Tileserver-GL), albo przesyłania milionów małych pojedynczych plików .pbf do S3 — koszmar dla zarządzania koszykiem i kosztów żądań API.

  • Jak to działa: Stworzony przez Protomaps, PMTiles (.pmtiles) pakuje całą piramidę wektorowych płytek Mapbox (MVT) lub płytek rastrowych w pojedynczy plik archiwum. Używa zgrupowanej struktury katalogów zoptymalizowanej pod kątem lokalności przestrzennej krzywej Hilberta, co oznacza, że biblioteka map w przeglądarce może pobierać płytki bezpośrednio z jednego statycznego pliku na S3 lub Cloudflare R2, używając żądań zakresu HTTP.
  • Najlepsze dla: Niestandardowe mapy bazowe bez backendu, mapy internetowe o dużym natężeniu ruchu oraz aplikacje mobilne do mapowania offline.

5. Zarr — Do wielowymiarowych danych naukowych

NetCDF i HDF5 dominowały meteorologię, oceanografię i modelowanie klimatu od dziesięcioleci, ale ich monolityczne struktury plików mają trudności w rozproszonych środowiskach chmurowych. Zarr przemyśla na nowo tablice N-wymiarowe pod kątem przechowywania obiektów.

  • Jak to działa: Magazyn Zarr dzieli ogromne wielowymiarowe tablice (np. time × latitude × longitude × altitude) na małe, jednorodne, skompresowane fragmenty. Każdy fragment jest przechowywany jako osobny obiekt (lub konsolidowany przy użyciu sharding w Zarr v3) z metadanymi JSON opisującymi wymiary tablicy. Dziesiątki równoległych pracowników mogą jednocześnie odczytywać lub zapisywać różne fragmenty czasowe bez konfliktów blokowania plików.
  • Najlepsze dla: Kostki danych satelitarnych szeregów czasowych, prognozy pogody, modele klimatyczne oraz rozproszone potoki Xarray/Dask.

6. Cloud-Optimized Point Cloud (COPC) — Do LiDAR

Zbudowany jako rozszerzenie standardowego skompresowanego formatu LiDAR LAZ 1.4, COPC (.copc.laz) organizuje chmury punktów 3D w strukturę sklonowanego drzewa oktalnego. Podobnie jak COG, pozostaje kompatybilny wstecz z istniejącymi czytnikami LAS/LAZ, umożliwiając przeglądarkom internetowym (takim jak Potree lub deck.gl) strumieniowanie punktów w oparciu o frustum kamery i poziom szczegółowości bez pobierania wielogigabajtowych chmur punktów.

Macierz decyzyjna dla deweloperów: który format wybrać?

Typ danychPodstawowe obciążenieNajlepszy formatZastąpiony starszy format
Raster / ObrazyDynamiczne kafelkowanie, analiza pikseli, wizualizacja w sieciCOG (.tif)GeoTIFF bez indeksu, JPEG2000
Vectoranalizy SQL, hurtownie danych, masowe łączeniaGeoParquet (.parquet)Shapefile, Geobaza plikowa
VectorStrumieniowanie surowych cech bezpośrednio do przeglądarkiFlatGeobuf (.fgb)Duże GeoJSON, KML
Wstępnie stylizowane kafelkiBezzserwerowe interaktywne mapy internetowe i mobilne offlinePMTiles (.pmtiles)MBTiles, drzewa folderów ZXY
Tablice N-wymiaroweDane klimatyczne, rastry szeregów czasowych, równoległe obliczeniaZarr (.zarr)NetCDF4, HDF5
Chmury punktoweWizualizacja 3D w przeglądarce i przestrzenne podzbiory LiDARCOPC (.copc.laz)Standard LAS / LAZ

Krytyczne pułapki przy wdrażaniu do produkcji

Przejście na formaty chmurowe upraszcza backend, ale przenosi odpowiedzialność za konfigurację na warstwę przechowywania w chmurze. Uważaj na te trzy typowe pułapki:

  1. Zapominanie o nagłówkach CORS: Jeśli aplikacja przeglądarkowa (korzystająca z MapLibre, OpenLayers lub geotiff.js) wykonuje żądanie zakresu HTTP do Twojego zasobnika S3, polityka Cross-Origin Resource Sharing (CORS) tego zasobnika musi wyraźnie zezwalać na nagłówek Range w AllowedHeaders oraz udostępniać Content-Range, Content-Length i Accept-Ranges w ExposeHeaders. Bez tego żądania będą cicho niepowodzą się w przeglądarce.
  2. Nieposortowane grupy wierszy GeoParquet: Konwersja nieuporządkowanego pliku Shapefile bezpośrednio do GeoParquet nie sprawi automatycznie, że zapytania o ramkę ograniczającą będą szybkie. Jeśli obiekty są rozproszone losowo w grupach wierszy, silnik zapytań nadal musi przeszukać każdą grupę wierszy. Zawsze sortuj swoje geometrie przestrzennie (np. używając krzywej Hilberta za pomocą geopandas lub DuckDB przed zapisem), aby przestrzennie bliskie obiekty znajdowały się w tych samych grupach wierszy.
  3. Niesprawne rozmiary fragmentów/kafelków: Małe fragmenty (np. 64×64 pikseli) wywołują tysiące żądań HTTP, zwiększając opóźnienia i koszty API w chmurze. Ogromne fragmenty (np. 4096×4096 pikseli) zmuszają klientów do pobierania nadmiarowych danych. Trzymaj się standardowych wartości domyślnych — 512×512 pikseli dla COG‑ów i 10 MB do 100 MB na fragment dla grup wierszy Zarr lub GeoParquet.

Podsumowanie

Formaty plików GIS typu cloud-native reprezentują fundamentalną zmianę z przenoszenia danych do obliczeń na przenoszenie obliczeń (i lekkich żądań zakresowych) do danych. Łącząc formaty takie jak COG, GeoParquet, FlatGeobuf i PMTiles z metadanymi STAC (SpatioTemporal Asset Catalog), programiści mogą budować odporne, o skali planetarnej, potoki mapowania i analizy na bazie taniego statycznego przechowywania obiektów — bez potrzeby ciężkiej bazy danych przestrzennych.

Najczęściej zadawane pytania (FAQ)

Q1. Co sprawia, że format plików GIS "cloud-native"? Format jest cloud-native, gdy łączy wstępnie załadowany indeks przestrzenny z wewnętrznym podziałem na kafelki lub fragmenty, umożliwiając klientom pobieranie małych podzbiorów geograficznych za pomocą żądań zakresowych HTTP bez pobierania całego pliku.

Q2. Czy potrzebuję dedykowanego serwera GIS do hostowania plików COG, GeoParquet lub PMTiles? Nie — możesz je hostować w dowolnym standardowym statycznym przechowywaniu obiektów, które obsługuje żądania zakresowe HTTP, takim jak AWS S3, Google Cloud Storage, Azure Blob Storage lub Cloudflare R2.

Q3. Czy powinienem używać GeoParquet czy FlatGeobuf do moich danych wektorowych? Używaj GeoParquet do ciężkich zapytań analitycznych, silników SQL (takich jak DuckDB) i hurtowni danych, a FlatGeobuf przy strumieniowaniu surowych cech wektorowych bezpośrednio do mapy w przeglądarce.

Q4. Czy Cloud-Optimized GeoTIFF (COG) jest kompatybilny z tradycyjnym oprogramowaniem GIS na komputerze? Tak, ponieważ COG jest po prostu standardowym GeoTIFF z wewnętrznymi kafelkami i piramidami podglądów, otwiera się bezproblemowo w starszych narzędziach takich jak QGIS, ArcGIS Pro i GDAL.

Q5. Czym różni się PMTiles od MBTiles? MBTiles opiera się na bazie danych SQLite (co wymaga kodu po stronie serwera do zapytań przez internet), podczas gdy PMTiles organizuje kafelki w statycznym archiwum, które przeglądarki internetowe mogą odczytywać bezpośrednio za pomocą żądań zakresu HTTP.

Zobacz także

Najlepsze formaty plików GIS dla aplikacji mobilnych

Formaty plików GIS na FileFormat.com

Top 5 formatów plików GIS dla Google Maps

Aktualności o formatach plików

Fora o formatach plików