อัปเดตล่าสุด: 20 Aug, 2026

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

รูปแบบไฟล์ GIS แบบคลาวด์เนทีฟคืออะไร? คู่มือสำหรับนักพัฒนา

หากคุณเคยสร้าง pipeline ทางภูมิศาสตร์เชิงพื้นที่ คุณคงคุ้นเคยกับความเจ็บปวดของคอขวด “download-first” โดยทั่วไป หากแอปพลิเคชันของคุณต้องการกล่องขอบเขตขนาด 500x500 พิกเซลจากภาพดาวเทียมขนาด 15 GB — หรืออยากกรองแถวสิบแถวจากชุดข้อมูลพัสดุเทศบาลขนาด 4 GB — คุณต้องดาวน์โหลดไฟล์ทั้งหมด แปลงเป็นหน่วยความจำ แล้วจึงตัดส่วนที่คุณต้องการออกมา

การอัปโหลด Shapefile, GeoJSON หรือ GeoTIFF มาตรฐานไปยัง Amazon S3 bucket หรือ Google Cloud Storage เพียงอย่างเดียวไม่ได้ทำให้มันเป็น cloud-native มันเพียงแค่วางไฟล์เก่าไว้บนฮาร์ดไดรฟ์ของคนอื่นเท่านั้น

Cloud-native GIS file formats แก้ปัญหานี้โดยการจัดโครงสร้างใหม่ว่าข้อมูลเชิงพื้นที่จัดเก็บบนดิสก์อย่างไร แทนที่จะบังคับให้ไคลเอนต์อ่านไฟล์อย่างต่อเนื่องจากต้นจนจบ รูปแบบเหล่านี้ถูกออกแบบให้สามารถอ่านโดยตรงแบบบางส่วนผ่านเครือข่าย สำหรับนักพัฒนา สิ่งนี้เปิดทางให้สถาปัตยกรรมแบบไม่มีเซิร์ฟเวอร์ ลดค่าใช้จ่ายการส่งออกอย่างมาก และทำให้ไคลเอนต์เว็บสามารถสืบค้นชุดข้อมูลขนาดใหญ่โดยตรงจากที่เก็บวัตถุแบบสถิตย์

กลไกการทำงาน: วิธีที่ภูมิสารสนเทศแบบคลาวด์เนทีฟทำงานจริง

ก่อนที่จะเจาะลึกไปยังส่วนขยายไฟล์เฉพาะ ควรทำความเข้าใจรูปแบบวิศวกรรมพื้นฐานที่ทำให้มันทำงานได้ เกือบทุกรูปแบบข้อมูลเชิงพื้นที่แบบคลาวด์-เนทีฟพึ่งพากลไกหลักสามประการ:

  1. HTTP Range Requests (GET with Range headers): มาตรฐาน HTTP/1.1 และ HTTP/2 รองรับการร้องขอช่วงไบต์เฉพาะจากไฟล์ระยะไกล (เช่น bytes=0-16383). ที่เก็บวัตถุคลาวด์เช่น AWS S3, Cloudflare R2, และ Azure Blob Storage รองรับคุณลักษณะนี้โดยตรงตั้งแต่เริ่มต้น.
  2. Front-Loaded (or Predictable) Metadata & Spatial Indexes: เพื่อขอไบต์ที่ครอบคลุมพื้นที่ทางภูมิศาสตร์อย่างแม่นยำ ลูกค้าต้องการแผนที่ของโครงสร้างภายในของไฟล์ก่อนเป็นอันดับแรก รูปแบบคลาวด์-เนทีฟจะเก็บเมตาดาต้าหัวไฟล์และดัชนีเชิงพื้นที่ (เช่น R-trees หรือโครงสร้างลำดับกล่องขอบเขต) ในตำแหน่งที่คาดเดาได้—มักจะอยู่ที่จุดเริ่มต้นหรือจุดสิ้นสุดของไฟล์ ลูกค้าจะทำการร้องขอเริ่มต้นขนาดเล็กหนึ่งครั้งเพื่ออ่านดัชนี คำนวณตำแหน่งไบต์ที่แน่นอนสำหรับพื้นที่เป้าหมาย และดึงเฉพาะส่วนนั้นเท่านั้น.
  3. การแบ่งเป็นไทล์ภายในและการแบ่งเป็นชังค์: แทนที่จะเก็บเรสเตอร์เป็นแถวต่อแถวหรือเวกเตอร์เป็นกำแพงข้อความแบน ข้อมูลจะถูกแบ่งเป็นบล็อกที่แยกจากกันและบีบอัด (ไทล์, กลุ่มแถว, หรือชังค์หลายมิติ) ที่สามารถดึงและแตกบีบอัดได้อย่างอิสระ

รูปแบบไฟล์ GIS แบบคลาวด์เนทีฟหลัก

ไม่มีรูปแบบเดียวที่ครอบคลุมทั้งหมด การเลือกรูปแบบที่เหมาะสมขึ้นอยู่กับว่าคุณกำลังทำงานกับภาพ, เวกเตอร์แบบตาราง, ไทล์แผนที่, อาเรย์หลายมิติ, หรือเมฆจุด LiDAR.

1. Cloud-Optimized GeoTIFF (COG) — สำหรับภาพราสเตอร์

A COG ไม่ใช่ไฟล์ประเภทใหม่ที่เป็นกรรมสิทธิ์; มันเป็น GeoTIFF มาตรฐาน (.tif) ที่มีโครงสร้างภายในที่เข้มงวดและได้รับการยอมรับเป็นมาตรฐาน OGC อย่างเป็นทางการ เนื่องจากยังคงเป็น GeoTIFF ที่ถูกต้อง เครื่องมือเดสก์ท็อปรุ่นเก่าเช่น QGIS และ ArcGIS ยังสามารถเปิดได้โดยไม่เกิดปัญหา.

  • วิธีการทำงาน: แทนที่จะเก็บพิกเซลในแถวสแกนแนวนอนทั่วทั้งภาพ COG จะจัดระเบียบพิกเซลเป็นไทล์ภายใน (โดยทั่วไป 512×512 พิกเซล) นอกจากนี้ยังฝัง ภาพรวม (พีระมิดภาพที่คำนวณล่วงหน้าและความละเอียดต่ำกว่า) ไว้ในไฟล์เดียวกัน เมื่อผู้ใช้ซูมออกบนแผนที่เว็บ ลูกค้าจะดึงไทล์ภาพรวมความละเอียดต่ำ; เมื่อซูมเข้า จะดึงเฉพาะไทล์ความละเอียดสูงที่ตัดกับมุมมอง.
  • เหมาะสำหรับ: ภาพถ่ายดาวเทียม, orthomosaics ทางอากาศ, Digital Elevation Models (DEMs), และเซิร์ฟเวอร์แผ่นภาพ raster แบบไดนามิก (เช่น TiTiler).

การสร้าง COG ผ่าน GDAL:

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

2. GeoParquet — สำหรับการวิเคราะห์เวกเตอร์ขนาดใหญ่และคลังข้อมูล

หากกระบวนการทำงานของคุณดูเหมือนการวิศวกรรมข้อมูลมากกว่าการทำแผนที่แบบดั้งเดิม, GeoParquet (.parquet) คือเครื่องมือหลักที่ทรงพลัง สร้างบนพื้นฐานของ Apache Parquet, มันจัดเก็บรูปทรงเรขาคณิตเป็น Well-Known Binary (WKB) มาตรฐาน ISO พร้อมกับคุณลักษณะตารางที่หลากหลาย.

  • วิธีการทำงาน: แตกต่างจาก Shapefiles หรือ GeoJSON ที่จัดเก็บข้อมูลเป็นแถวต่อแถว, Parquet เป็น แบบคอลัมน์ หากคุณทำการรวมข้อมูลบนคอลัมน์ population ในหลาย 50 ล้านรูปหลายเหลี่ยม, เครื่องยนต์จะข้ามการอ่านไบต์รูปทรงเรขาคณิตที่หนักหน่วงอย่างสมบูรณ์ GeoParquet ยังฝังเมตาดาต้า bounding-box ต่อกลุ่มแถว (และรองรับการจัดเรียงเชิงพื้นที่ผ่านเส้นโค้ง Hilbert หรือดัชนี H3) ทำให้เครื่องมือสอบถามสามารถข้ามชิ้นส่วนที่ไม่เกี่ยวข้องได้.
  • เหมาะสำหรับ: การวิเคราะห์เชิงพื้นที่ในระดับใหญ่, คลังข้อมูลคลาวด์ (Snowflake, BigQuery, Databricks), และเครื่องยนต์ SQL แบบไม่มีเซิร์ฟเวอร์เช่น DuckDB.

การสอบถาม GeoParquet ระยะไกลโดยตรงด้วย 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 — สำหรับการสตรีมคุณลักษณะเวกเตอร์ไปยังเว็บ

ในขณะที่ GeoParquet มีความโดดเด่นในเครื่องมือวิเคราะห์ แต่เมตาดาต้าแบบส่วนท้ายและการจัดเรียงคอลัมน์ของมันไม่ได้เหมาะสมเสมอสำหรับการสตรีมเรขาคณิตเวกเตอร์ดิบตรงเข้าสู่แผนที่ในเบราว์เซอร์ เข้าสู่ FlatGeobuf (.fgb).

  • วิธีการทำงาน: สร้างบนไลบรารีการจัดลำดับข้อมูลแบบไบนารี FlatBuffers ของ Google, FlatGeobuf วางดัชนีเชิงพื้นที่ Hilbert R-tree ที่บรรจุไว้ที่ส่วนหน้าของไฟล์ ลูกค้าเว็บ (เช่น MapLibre GL JS, Leaflet หรือ OpenLayers) สามารถดำเนินการสอบถามกล่องขอบเขตผ่านคำขอช่วง HTTP และเริ่มแสดงฟีเจอร์บนหน้าจอขณะที่ไบต์ที่เหลือยังคงสตรีมเข้ามา
  • เหมาะสำหรับ: การแทนที่ไฟล์ GeoJSON ขนาดหลายเมกะไบต์ในแอปพลิเคชันเว็บแบบโต้ตอบโดยไม่ต้องเปิดใช้งานแบ็กเอนด์ PostGIS/GeoServer

4. PMTiles — สำหรับฐานแผนที่เวกเตอร์และแรสเตอร์แบบไม่มีเซิร์ฟเวอร์

โดยทั่วไป การให้บริการแผนที่ไทล์แบบโต้ตอบ (/{z}/{x}/{y}.pbf) จำเป็นต้องรันเซิร์ฟเวอร์ไทล์เฉพาะ (เช่น Martin หรือ Tileserver-GL) หรืออัปโหลดไฟล์ .pbf รายย่อยหลายล้านไฟล์ไปยัง S3 — เป็นความยุ่งยากในการจัดการบัคเก็ตและค่าใช้จ่ายของคำขอ API

  • วิธีการทำงาน: สร้างโดย Protomaps, PMTiles (.pmtiles) จัดเก็บพีระมิดทั้งหมดของ Mapbox Vector Tiles (MVT) หรือแผนที่ราสเตอร์ไว้ในไฟล์เก็บข้อมูลเดียว ใช้โครงสร้างไดเรกทอรีแบบกลุ่มที่ปรับให้เหมาะกับการจัดเก็บเชิงพื้นที่แบบ Hilbert-curve ทำให้ไลบรารีแผนที่บนเบราว์เซอร์สามารถดึงแผนที่จากไฟล์คงที่เดียวบน S3 หรือ Cloudflare R2 โดยใช้คำขอช่วง HTTP
  • เหมาะสำหรับ: แผนที่ฐานแบบกำหนดเองที่ไม่มีแบ็กเอนด์, แผนที่เว็บที่มีการเข้าชมสูง, และแอปพลิเคชันการทำแผนที่บนมือถือแบบออฟไลน์.

5. Zarr — สำหรับข้อมูลวิทยาศาสตร์หลายมิติ

NetCDF และ HDF5 ได้ครองอุตสาหกรรมอุตุนิยมวิทยา, มหาสมุทรวิทยา, และการจำลองสภาพอากาศมานานหลายทศวรรษ, แต่โครงสร้างไฟล์แบบโมโนลิธของพวกมันประสบปัญหาในสภาพแวดล้อมคลาวด์แบบกระจาย Zarr จึงนำเสนอการออกแบบใหม่ของอาเรย์ N-มิติสำหรับการจัดเก็บวัตถุ.

  • วิธีการทำงาน: ที่เก็บ Zarr แบ่งอาเรย์หลายมิติขนาดใหญ่ (เช่น time × latitude × longitude × altitude) เป็นชิ้นส่วนเล็ก ๆ ที่มีขนาดสม่ำเสมอและบีบอัด แต่ละชิ้นส่วนจะถูกเก็บเป็นวัตถุแยก (หรือรวมกันผ่านการแบ่งส่วนของ Zarr v3) พร้อมเมตาดาต้า JSON ที่อธิบายมิติของอาเรย์ งานหลายสิบงานแบบขนานสามารถอ่านหรือเขียนส่วนของเวลาแตกต่างกันพร้อมกันโดยไม่มีความขัดแย้งจากการล็อกไฟล์.
  • เหมาะสำหรับ: datacubes ดาวเทียมแบบอนุกรมเวลา, การพยากรณ์อากาศ, โมเดลสภาพอากาศ, และ pipeline Xarray/Dask แบบกระจาย.

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

สร้างเป็นส่วนขยายของรูปแบบ LiDAR บีบอัดมาตรฐาน LAZ 1.4, COPC (.copc.laz) จัดระเบียบเมฆจุด 3 มิติเป็นโครงสร้าง octree แบบกลุ่ม. เช่นเดียวกับ COG, มันยังคงเข้ากันได้ย้อนหลังกับโปรแกรมอ่าน LAS/LAZ ที่มีอยู่ในขณะเดียวกันยังอนุญาตให้ผู้ชมเว็บ (เช่น Potree หรือ deck.gl) สตรีมจุดตามมุมมองของกล้องและระดับรายละเอียดโดยไม่ต้องดาวน์โหลดเมฆจุดหลายกิกะไบต์.

เมทริกซ์การตัดสินใจของนักพัฒนา: ควรเลือกฟอร์แมตใด?

ประเภทข้อมูลภาระงานหลักรูปแบบที่ดีที่สุดรูปแบบเก่าที่ถูกแทนที่
ภาพเรสเตอร์ / ภาพการแบ่งแผ่นแบบไดนามิก, การวิเคราะห์พิกเซล, การแสดงผลบนเว็บCOG (.tif)GeoTIFF ที่ไม่ได้ทำดัชนี, JPEG2000
เวกเตอร์การวิเคราะห์ SQL, คลังข้อมูล, การเชื่อมต่อขนาดใหญ่GeoParquet (.parquet)Shapefile, File Geodatabase
เวกเตอร์สตรีมฟีเจอร์ดิบโดยตรงไปยังเบราว์เซอร์FlatGeobuf (.fgb)ขนาดใหญ่ GeoJSON, KML
แผ่นไทล์ที่จัดรูปแบบล่วงหน้าแผนที่เว็บแบบโต้ตอบแบบไม่มีเซิร์ฟเวอร์ & การทำงานออฟไลน์บนมือถือPMTiles (.pmtiles)MBTiles, ZXY โครงสร้างโฟลเดอร์
อาเรย์ N มิติข้อมูลสภาพอากาศ, เรสเตอร์แบบอนุกรมเวลา, การคำนวณขนานZarr (.zarr)NetCDF4, HDF5
เมฆจุดการแสดงผล 3D บนเว็บและการคัดเลือก LiDAR เชิงพื้นที่COPC (.copc.laz)มาตรฐาน LAS / LAZ

ข้อควรระวังสำคัญเมื่อทำการปรับใช้สู่การผลิต

การย้ายไปใช้รูปแบบคลาวด์เนทีฟทำให้แบ็กเอนด์ของคุณง่ายขึ้น แต่ก็ย้ายความรับผิดชอบในการกำหนดค่ามาที่ชั้นเก็บข้อมูลคลาวด์ของคุณ ระวังสามข้อผิดพลาดทั่วไปเหล่านี้:

  1. ลืมหัวข้อ CORS: หากแอปพลิเคชันเบราว์เซอร์ (ใช้ MapLibre, OpenLayers หรือ geotiff.js) ส่งคำขอ HTTP range ไปยังบัคเก็ต S3 ของคุณ นโยบาย Cross-Origin Resource Sharing (CORS) ของบัคเก็ต ต้อง อนุญาตให้ใช้หัวข้อ Range ใน AllowedHeaders อย่างชัดเจนและเปิดเผย Content-Range, Content-Length และ Accept-Ranges ใน ExposeHeaders หากไม่ได้ทำเช่นนี้ คำขอจะล้มเหลวโดยไม่มีการแจ้งเตือนในเบราว์เซอร์
  2. กลุ่มแถว GeoParquet ที่ไม่ได้จัดเรียง: การแปลง Shapefile ที่ยุ่งยากโดยตรงเป็น GeoParquet จะไม่ทำให้การสืบค้นด้วยกล่องขอบเขตเร็วขึ้นโดยอัตโนมัติ หากฟีเจอร์กระจายอย่างสุ่มทั่วกลุ่มแถว เครื่องมือสืบค้นยังต้องสแกนทุกกลุ่มแถวเสมอ ควรจัดเรียงเรขาคณิตของคุณตามตำแหน่งเชิงพื้นที่ (เช่น ใช้เส้นโค้ง Hilbert ผ่าน geopandas หรือ DuckDB ก่อนเขียน) เพื่อให้ฟีเจอร์ที่อยู่ใกล้กันเชิงพื้นที่อยู่ในกลุ่มแถวเดียวกัน.
  3. ขนาดชังค์/ไทล์ที่ไม่เหมาะสม: ชังค์ขนาดเล็ก (เช่น 64×64 พิกเซล) ทำให้เกิดการร้องขอ HTTP เป็นพัน ๆ ครั้ง เพิ่มความหน่วงและค่าใช้จ่ายของ API คลาวด์ ชังค์ขนาดใหญ่ (เช่น 4096×4096 พิกเซล) ทำให้ไคลเอนต์ต้องดึงข้อมูลเกินความจำเป็น ควรยึดตามค่าเริ่มต้นมาตรฐาน—512×512 พิกเซล สำหรับ COGs และ 10 MB ถึง 100 MB ต่อชังค์สำหรับกลุ่มแถว Zarr หรือ GeoParquet

สรุป

รูปแบบไฟล์ GIS แบบคลาวด์เนทีฟเป็นการเปลี่ยนแปลงพื้นฐานจาก การย้ายข้อมูลไปยังการประมวลผล ไปสู่ การย้ายการประมวลผล (และการร้องขอช่วงข้อมูลแบบเบา) ไปยังข้อมูล โดยการจับคู่รูปแบบเช่น COG, GeoParquet, FlatGeobuf, และ PMTiles กับเมตาดาต้า STAC (SpatioTemporal Asset Catalog) นักพัฒนาสามารถสร้าง pipeline การทำแผนที่และการวิเคราะห์ระดับดาวดวงที่ทนทานและขนาดทั่วโลกบนการจัดเก็บออบเจ็กต์แบบสถิตที่มีต้นทุนต่ำ—ไม่จำเป็นต้องใช้ฐานข้อมูลเชิงพื้นที่ที่หนักหน่วง

คำถามที่พบบ่อย (FAQ)

Q1. สิ่งใดทำให้ รูปแบบไฟล์ GIS “cloud-native”? รูปแบบหนึ่งเป็น cloud-native เมื่อมันจับคู่ดัชนีเชิงพื้นที่ที่โหลดล่วงหน้ากับการแบ่งเป็นแผ่นหรือชั้นภายใน, ทำให้ลูกค้าสามารถดึงชุดย่อยทางภูมิศาสตร์ขนาดเล็กผ่านการร้องขอช่วง HTTP ได้โดยไม่ต้องดาวน์โหลดไฟล์ทั้งหมด.

Q2. ฉันต้องการเซิร์ฟเวอร์ GIS เฉพาะเพื่อโฮสต์ไฟล์ COG, GeoParquet หรือ PMTiles หรือไม่? ไม่—คุณสามารถโฮสต์ไฟล์เหล่านี้บนการจัดเก็บออบเจ็กต์แบบสถิตมาตรฐานใดก็ได้ที่รองรับการร้องขอช่วง HTTP, เช่น AWS S3, Google Cloud Storage, Azure Blob Storage หรือ Cloudflare R2.

Q3. ฉันควรใช้ GeoParquet หรือ FlatGeobuf สำหรับข้อมูลเวกเตอร์ของฉันหรือไม่? ใช้ GeoParquet สำหรับการสอบถามเชิงวิเคราะห์ที่หนัก, เครื่องยนต์ SQL (เช่น DuckDB) และคลังข้อมูล, และใช้ FlatGeobuf เมื่อสตรีมฟีเจอร์เวกเตอร์ดิบโดยตรงไปยังแผนที่ในเบราว์เซอร์.

Q4. GeoTIFF ที่ปรับให้ทำงานบนคลาวด์ (COG) เข้ากันได้กับซอฟต์แวร์ GIS บนเดสก์ท็อปแบบดั้งเดิมหรือไม่? ใช่, เนื่องจาก COG เป็น GeoTIFF มาตรฐานที่มีการจัดเรียงไทล์ภายในและพีระมิดภาพรวม, มันเปิดได้อย่างราบรื่นในเครื่องมือเก่าเช่น QGIS, ArcGIS Pro, และ GDAL.

Q5. PMTiles แตกต่างจาก MBTiles อย่างไร? MBTiles พึ่งพาฐานข้อมูล SQLite (ซึ่งต้องใช้โค้ดฝั่งเซิร์ฟเวอร์เพื่อสอบถามผ่านเว็บ), ในขณะที่ PMTiles จัดระเบียบไทล์เป็นไฟล์เก็บแบบคงที่ที่เว็บเบราว์เซอร์สามารถอ่านโดยตรงผ่านการร้องขอช่วง HTTP.

ดูเพิ่มเติม

รูปแบบไฟล์ GIS ที่ดีที่สุดสำหรับแอปมือถือ

รูปแบบไฟล์ GIS ที่ FileFormat.com

5 รูปแบบไฟล์ GIS ชั้นนำสำหรับ Google Maps

ข่าวรูปแบบไฟล์

ฟอรั่มรูปแบบไฟล์