Останнє оновлення: 20 серпня 2026

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

Що таке хмарно‑нативні формати GIS‑файлів? Посібник розробника

Якщо ви коли‑небудь будували геопросторовий конвеєр, ви знаєте, який біль викликає “download-first” вузьке місце. Традиційно, якщо вашому застосунку потрібен 500×500‑піксельний обмежувальний прямокутник з 15 ГБ супутникової сцени — або потрібно було відфільтрувати десять рядків з 4 ГБ муніципального набору даних про ділянки — доводилося завантажувати весь файл, розбирати його в пам’яті, а потім вирізати потрібну частину.

Просто завантаження Shapefile, GeoJSON або стандартного GeoTIFF у сховище Amazon S3 або Google Cloud Storage не робить його хмарно‑нативним. Це лише розміщує застарілий файл на чужому жорсткому диску.

Хмарно‑нативні GIS формати файлів вирішують цю проблему, перебудовуючи спосіб організації просторових даних на диску. Замість того, щоб змушувати клієнтів читати файли послідовно від початку до кінця, ці формати розроблені для прямого, часткового читання по мережі. Для розробників це відкриває безсерверні архітектури, різко знижує витрати на вихідний трафік і дозволяє веб‑клієнтам запитувати величезні набори даних безпосередньо зі статичного сховища об’єктів.

Механізм: Як працює хмарно‑нативна геопросторовість

Перш ніж занурюватися у конкретні розширення файлів, корисно зрозуміти базовий інженерний патерн, який їх робить. Майже кожен хмаро‑нативний геопросторовий формат спирається на три основні механізми:

  1. HTTP Range Requests (GET with Range headers): Стандартний HTTP/1.1 та HTTP/2 підтримують запит конкретних діапазонів байтів з віддаленого файлу (наприклад, bytes=0-16383). Хмарні сховища об’єктів, такі як AWS S3, Cloudflare R2 та Azure Blob Storage, підтримують це «з коробки».
  2. Front-Loaded (or Predictable) Metadata & Spatial Indexes: Щоб запросити точні байти, що охоплюють географічну область, клієнту спочатку потрібна карта внутрішньої структури файлу. Хмаро‑нативні формати зберігають метадані заголовка та просторові індекси (наприклад, R-дерева або ієрархії обмежувальних коробок) у передбачуваному місці — зазвичай на самому початку або в самому кінці файлу. Клієнт робить один маленький початковий запит, щоб прочитати індекс, обчислює точні зміщення байтів для цільового регіону і завантажує лише ці частини.
  3. Внутрішнє розбиття на плитки та чанки: Замість зберігання растрових даних рядок за рядком або векторів у вигляді плоскої текстової стіни, дані розбиваються на самодостатні, стиснені блоки (плитки, групи рядків або N‑вимірні чанки), які можна отримувати та розпаковувати незалежно.

Основні хмарно‑нативні формати GIS‑файлів

Не існує єдиного формату, який підходить усім. Вибір правильного формату залежить від того, чи маєте ви справу з зображеннями, табличними векторами, картографічними плитками, багатовимірними масивами або хмарами точок LiDAR.

1. Cloud-Optimized GeoTIFF (COG) — Для растрових зображень

COG не є новим пропрієтарним типом файлу; це стандартний GeoTIFF (.tif) зі строгим внутрішнім розташуванням, прийнятим як офіційний стандарт OGC. Оскільки він залишається дійсним GeoTIFF, старі настільні інструменти, такі як QGIS та ArcGIS, все ще можуть його відкривати без проблем.

  • Як це працює: Замість зберігання пікселів у горизонтальних рядках по всьому зображенню, COG організовує пікселі у внутрішні плитки (зазвичай 512×512 пікселів). Він також вбудовує огляди (попередньо обчислені, низькороздільні піраміди зображень) в один файл. Коли користувач віддаляє карту в веб‑карті, клієнт завантажує плитки оглядів низької роздільності; коли він наближає, завантажуються лише високороздільні плитки, що перетинаються з полем перегляду.
  • Найкраще для: супутникові знімки, аерофотоплани, цифрові моделі висот (DEM), та динамічні растрові тайлові сервери (наприклад TiTiler).

Створення COG за допомогою GDAL:

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

2. GeoParquet — Для великих векторних аналітик та сховищ даних

Якщо ваш робочий процес більше схожий на інженерію даних, ніж на традиційну картографію, GeoParquet (.parquet) — це потужний інструмент. Побудований на базі Apache Parquet, він зберігає геометрії у форматі ISO‑стандартного Well‑Known Binary (WKB) разом із багатими табличними атрибутами.

  • Як це працює: На відміну від Shapefiles або GeoJSON, які зберігають дані рядок за рядком, Parquet є колонковим. Якщо ви виконуєте агрегацію по колонці population серед 50 мільйонів полігонів, движок повністю пропускає читання важких байтів геометрії. GeoParquet також вбудовує метадані обмежувальних рамок для кожної групи рядків (і підтримує просторове сортування за допомогою кривих Гільберта або індексів H3), що дозволяє движкам запитів пропускати нерелевантні частини.
  • Найкраще для: масштабної просторової аналітики, хмарних сховищ даних (Snowflake, BigQuery, Databricks) та безсерверних SQL‑движків, таких як DuckDB.

Запит до віддаленого GeoParquet безпосередньо за допомогою 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 — Для потокової передачі векторних об’єктів у веб

Хоча GeoParquet блискуче працює в аналітичних двигунах, його метадані, розташовані в підвалі, та орієнтація за стовпцями не завжди ідеальні для потокової передачі сирих векторних геометрій безпосередньо у браузерну карту. Зустрічайте FlatGeobuf (.fgb).

  • Як це працює: Побудований на бінарній бібліотеці серіалізації FlatBuffers від Google, FlatGeobuf розміщує упакований просторовий індекс Hilbert R-tree прямо на початку файлу. Веб‑клієнти (наприклад, MapLibre GL JS, Leaflet або OpenLayers) можуть виконувати запит за межами (bounding-box) через HTTP‑запити діапазону та почати відображати об’єкти на екрані, поки інші байти ще передаються.
  • Краще підходить для: Заміну багатомегабайтних файлів GeoJSON у інтерактивних веб‑додатках без запуску бекенду PostGIS/GeoServer.

4. PMTiles — Для безсерверних векторних та растрових базових карт

Традиційно, обслуговування інтерактивних мапових тайлів (/{z}/{x}/{y}.pbf) вимагало або запуску спеціального серверу тайлів (наприклад, Martin або Tileserver-GL), або завантаження мільйонів крихітних окремих .pbf файлів у S3 — кошмар для управління бакетом та витрат на API‑запити.

  • Як це працює: Створений компанією Protomaps, PMTiles (.pmtiles) упакує всю піраміду Mapbox Vector Tiles (MVT) або растрових тайлів в один архівний файл. Він використовує кластеризовану структуру каталогів, оптимізовану для просторової локальності за кривою Гільберта, що означає, що бібліотека карт у браузері може отримувати тайли безпосередньо з одного статичного файлу на S3 або Cloudflare R2, використовуючи HTTP‑запити діапазону.
  • Краще підходить для: Кастомних базових карт без бекенду, веб‑карт з великим навантаженням та офлайн‑мобільних картографічних застосунків.

5. Zarr — Для багатовимірних наукових даних

NetCDF та HDF5 домінували в метеорології, океанографії та кліматичному моделюванні протягом десятиліть, але їх монолітні файлові структури стикаються з труднощами в розподілених хмарних середовищах. Zarr переосмислює N‑вимірні масиви для об’єктного сховища.

  • Як це працює: Сховище Zarr розбиває величезні багатовимірні масиви (наприклад, time × latitude × longitude × altitude) на маленькі, однорідно розмірені, стиснені частини. Кожен фрагмент зберігається як окремий об’єкт (або консолідований за допомогою шардингу Zarr v3) з JSON‑метаданими, що описують розміри масиву. Десятки паралельних робітників можуть одночасно читати або записувати різні часові зрізи без конфліктів блокування файлів.
  • Найкраще підходить для: Time-series satellite datacubes, weather forecasts, climate models, and distributed Xarray/Dask pipelines.

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

Створений як розширення стандартного формату стиснених LiDAR даних LAZ 1.4, COPC (.copc.laz) організовує 3D хмари точок у кластеризовану структуру октодерева. Подібно до COG, він залишається зворотно сумісним з існуючими читачами LAS/LAZ, дозволяючи веб‑переглядачам (наприклад Potree або deck.gl) транслювати точки на основі фрустума камери та рівня деталізації без завантаження багатогігабайтних хмар точок.

Матриця рішень розробника: який формат обрати?

Тип данихОсновне навантаженняНайкращий форматЗастарілий формат, який замінено
Растр / ЗображенняДинамічне тайлінг, піксельний аналіз, веб‑візуалізаціяCOG (.tif)Неіндексований GeoTIFF, JPEG2000
ВекторSQL аналітика, сховища даних, масивні з’єднанняGeoParquet (.parquet)Shapefile, File Geodatabase
ВекторПотокова передача необроблених об’єктів безпосередньо в браузерFlatGeobuf (.fgb)Великі GeoJSON, KML
Попередньо оформлені плиткиБезсерверні інтерактивні веб‑карти & мобільний офлайнPMTiles (.pmtiles)MBTiles, ZXY дерева папок
N-D масивиКліматичні дані, растрі часових рядів, паралельні обчисленняZarr (.zarr)NetCDF4, HDF5
Точкові хмари3D веб-візуалізація та просторове підмноження LiDARCOPC (.copc.laz)Стандартний LAS / LAZ

Критичні підводні камені при розгортанні у продакшн

Перехід до хмарних форматів спрощує ваш бекенд, але переносить відповідальність за налаштування на шар хмарного сховища. Будьте уважні до цих трьох поширених підводних каменів:

  1. Забування заголовків CORS: Якщо браузерний застосунок (використовуючи MapLibre, OpenLayers або geotiff.js) робить HTTP‑запит діапазону до вашого S3‑бакету, політика Cross-Origin Resource Sharing (CORS) бакету повинна явно дозволяти заголовок Range у AllowedHeaders та експонувати Content-Range, Content-Length і Accept-Ranges у ExposeHeaders. Без цього запити будуть безшумно провалюватися в браузері.
  2. Несортовані групи рядків GeoParquet: Перетворення неструктурованого Shapefile безпосередньо у GeoParquet не зробить запити за межевим прямокутником швидкими автоматично. Якщо об’єкти розкидані випадково по групах рядків, движок запитів все одно мусить сканувати кожну групу рядків. Завжди сортуйте ваші геометрії просторово (наприклад, використовуючи криву Гільберта через geopandas або DuckDB перед записом), щоб просторово близькі об’єкти знаходилися в одних і тих же групах рядків.
  3. Неоптимальні розміри блоків/тайлів: Маленькі блоки (наприклад, 64×64 пікселів) викликають тисячі HTTP‑запитів, збільшуючи затримку та витрати на хмарні API. Великі блоки (наприклад, 4096×4096 пікселів) змушують клієнтів завантажувати зайві дані. Дотримуйтесь стандартних значень за замовчуванням — 512×512 пікселів для COG та 10 MB to 100 MB per chunk for Zarr or GeoParquet row groups.

Підсумок

Хмарно‑нативні формати GIS‑файлів представляють фундаментальну зміну від переміщення даних до обчислень до переміщення обчислень (і легких запитів діапазону) до даних. Поєднуючи формати, такі як COG, GeoParquet, FlatGeobuf та PMTiles, з метаданими STAC (SpatioTemporal Asset Catalog), розробники можуть створювати стійкі, планетарного масштабу конвеєри картографії та аналітики на базі недорогої статичної об’єктної сховища — без потреби у важкій просторовій базі даних.

Поширені запитання (FAQ)

Q1. Що робить GIS‑формат файлу «хмарно‑нативним»? Формат є хмарно‑нативним, коли він поєднує попередньо завантажений просторовий індекс з внутрішньою розбивкою на тайли або чанки, дозволяючи клієнтам отримувати невеликі географічні підмножини через HTTP‑запити діапазону без завантаження всього файлу.

Q2. Чи потрібен мені спеціальний GIS‑сервер для розміщення файлів COG, GeoParquet або PMTiles? Ні—ви можете розміщувати їх у будь‑якому стандартному статичному сховищі об’єктів, яке підтримує HTTP‑запити діапазону, наприклад AWS S3, Google Cloud Storage, Azure Blob Storage або Cloudflare R2.

Q3. Чи слід використовувати GeoParquet чи FlatGeobuf для моїх векторних даних? Використовуйте GeoParquet для важких аналітичних запитів, SQL‑двигунів (наприклад, DuckDB) та сховищ даних, а FlatGeobuf — коли транслюєте необроблені векторні об’єкти безпосередньо в браузерну карту.

Q4. Чи сумісний Cloud-Optimized GeoTIFF (COG) з традиційним настільним ПГІС‑програмним забезпеченням? Так, оскільки COG є просто стандартним GeoTIFF з внутрішніми тайлами та пірамідами оглядів, він без проблем відкривається у застарілих інструментах, таких як QGIS, ArcGIS Pro та GDAL.

Q5. Чим PMTiles відрізняється від MBTiles? MBTiles покладається на базу даних SQLite (яка вимагає серверного коду для запитів через веб), тоді як PMTiles організовує тайли у статичний архів, який веб‑браузери можуть читати безпосередньо за допомогою HTTP‑запитів з діапазоном.

Дивіться також

Найкращі формати файлів GIS для мобільних додатків

Формати файлів GIS на FileFormat.com

Топ‑5 форматів файлів GIS для Google Maps

Новини про формати файлів

Форуми про формати файлів