View a markdown version of this page

Scalabilità dei data lake geospaziali AWS - Scalabilità dei data lake geospaziali AWS
Scala i data lake geospaziali su AWS DiagrammaApprofondimentiCollaboratoriStoria del diagramma

Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Scalabilità dei data lake geospaziali AWS

Data di pubblicazione: 14 agosto 2023 () Storia del diagramma

Gli archivi di dati geospaziali stanno diventando sempre più importanti in molte organizzazioni, da utilizzare in tutto, dalla logistica e dalle assicurazioni all'ottimizzazione della catena di approvvigionamento. Questa architettura di riferimento mostra come creare archivi di dati geospaziali scalabili su. AWS Semplifica la progettazione di pipeline di dati geospaziali, consentendo un accesso accelerato ai dati grezzi integrando set di dati AWS gestiti dal Registry of Open Data in poi, eliminando la necessità di archiviarli nel data lake. AWS Si integra con una varietà di meccanismi di diffusione e supporta diverse esigenze di elaborazione.

Scala i data lake geospaziali su AWS Diagramma

Diagramma dell'architettura di riferimento che mostra come creare archivi di dati geospaziali scalabili su. AWS

  1. Avvia una pipeline di inserimento dati basata sul rilevamento di nuove scene.  Iscriviti agli argomenti di Amazon Simple Notification Service (Amazon SNS) per set di dati gestiti con filtri appropriati.

    Un evento basato sul tempo può essere configurato utilizzando CloudWatch le regole di Amazon per iniziare l'inserimento in finestre temporali specifiche.

  2. AWS Lambdainterroga l'API SpatioTemporal Asset Catalogs (STAC) per un rispettivo set di dati per ottenere i dettagli del prodotto. Avvia la pipeline di elaborazione dei dati tramite. AWS Step Functions

  3. Step Functions orchestra le attività di elaborazione. L'elaborazione parallela o sequenziale può essere configurata in base alle caratteristiche e ai requisiti delle attività.

  4. Amazon Elastic Container Service (Amazon ECS) esegue attività containerizzate per:

    • Scarica i prodotti dai set di dati ospitati nel Registry of Open Data il. AWS

    • Elabora (crop e geomosiac) i riquadri nell'area di interesse e li archivia in un bucket elaborato aoi da Amazon Simple Storage Service (Amazon S3). Crea metadati e archiviali in Amazon DynamoDB. Archivia dati vettoriali in Amazon Aurora Postgres con estensioni PostGIS.

  5. Step Functions avvia l'attività di elaborazione successiva con Amazon AI. SageMaker

  6. SageMaker I modelli ML ospitati dall'intelligenza artificiale eseguono la rimozione del cloud e la matematica delle bande.

  7. I workbench GIS WorkSpaces ospitati su Amazon possono essere utilizzati per la visualizzazione. I dati vengono archiviati in un bucket preelaborato di Amazon S3.

Approfondimenti

Per ulteriori informazioni, consulta

Collaboratori

I contributori a questo diagramma di architettura di riferimento includono:

  • Ajit Rajdeosingh, Senior Solutions Architect, Amazon Web Services

Storia del diagramma

Per ricevere notifiche sugli aggiornamenti di questo diagramma di architettura di riferimento, iscriviti al feed RSS.

ModificaDescrizioneData

Pubblicazione iniziale

Diagramma dell'architettura di riferimento pubblicato per la prima volta.

14 agosto 2023

Nota

Per iscriverti agli aggiornamenti RSS, devi avere un plugin RSS abilitato per il browser che stai utilizzando.