View a markdown version of this page

Menskalakan Danau Data Geospasial pada AWS - Menskalakan Danau Data Geospasial pada AWS
Menskalakan Danau Data Geospasial pada AWS DiagramSumber bacaan lebih lanjutKontributorSejarah diagram

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Menskalakan Danau Data Geospasial pada AWS

Tanggal publikasi: Agustus 14, 2023 (Sejarah diagram)

Repositori data geospasial menjadi semakin penting di banyak organisasi - untuk digunakan dalam segala hal mulai dari logistik dan asuransi hingga pengoptimalan rantai pasokan. Arsitektur referensi ini menunjukkan kepada Anda cara membangun repositori data geospasial yang dapat diskalakan. AWS Ini menyederhanakan desain pipeline data geospasial, memungkinkan akses dipercepat ke data mentah dengan mengintegrasikan AWS kumpulan data yang dikelola dari Registry of Open Data AWS, menghilangkan kebutuhan untuk menyimpannya di danau data Anda. Ini terintegrasi dengan berbagai mekanisme diseminasi dan mendukung tuntutan pemrosesan yang beragam.

Menskalakan Danau Data Geospasial pada AWS Diagram

Diagram arsitektur referensi yang menunjukkan cara membangun repositori data geospasial yang dapat diskalakan. AWS

  1. Memulai pipeline penyerapan data berdasarkan deteksi adegan baru.  Berlangganan topik Amazon Simple Notification Service (Amazon SNS) untuk kumpulan data terkelola dengan filter yang sesuai.

    Peristiwa berbasis waktu dapat dikonfigurasi menggunakan CloudWatch aturan Amazon untuk memulai penyerapan selama jendela waktu tertentu.

  2. AWS Lambdamenanyakan API SpatioTemporal Katalog Aset (STAC) untuk kumpulan data masing-masing untuk mendapatkan detail produk. Ini memulai pipa pemrosesan data melalui AWS Step Functions.

  3. Fungsi Langkah mengatur tugas pemrosesan. Pemrosesan paralel atau sekuensial dapat dikonfigurasi berdasarkan karakteristik dan persyaratan tugas.

  4. Amazon Elastic Container Service (Amazon ECS) menjalankan tugas kontainer untuk:

    • Unduh produk dari kumpulan data yang dihosting di Registry of Open Data di AWS.

    • Proses (potong dan geomosiak) ubin ke area yang diminati dan simpan di bucket yang diproses oleh Amazon Simple Storage Service (Amazon S3). Buat metadata dan simpan di Amazon DynamoDB. Simpan data vektor di Amazon Aurora Postgres dengan ekstensi PostGIS.

  5. Step Functions memulai tugas pemrosesan berikutnya dengan Amazon SageMaker AI.

  6. SageMaker Model ML yang dihosting AI melakukan penghapusan cloud dan matematika pita.

  7. Meja kerja GIS yang di WorkSpaces hosting Amazon dapat digunakan untuk visualisasi. Data disimpan dalam bucket Amazon S3 yang telah diproses sebelumnya.

Sumber bacaan lebih lanjut

Untuk informasi tambahan, lihat

Kontributor

Kontributor diagram arsitektur referensi ini meliputi:

  • Ajit Rajdeosingh, Arsitek Solusi Senior, Layanan Web Amazon

Sejarah diagram

Untuk diberitahu tentang pembaruan diagram arsitektur referensi ini, berlangganan umpan RSS.

PerubahanDeskripsiTanggal

Publikasi awal

Diagram arsitektur referensi pertama kali diterbitkan.

Agustus 14, 2023

catatan

Untuk berlangganan pembaruan RSS, Anda harus mengaktifkan plugin RSS untuk browser yang Anda gunakan.