View a markdown version of this page

Dimensione os lagos de dados geoespaciais em AWS - Dimensione os lagos de dados geoespaciais em AWS
Dimensione os lagos de dados geoespaciais em AWS DiagramaOutras fontes de leituraColaboradoresHistórico do diagrama

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Dimensione os lagos de dados geoespaciais em AWS

Data de publicação: 14 de agosto de 2023 (Histórico do diagrama)

Os repositórios de dados geoespaciais estão se tornando cada vez mais importantes em muitas organizações — para uso em tudo, desde logística e seguros até otimização da cadeia de suprimentos. Essa arquitetura de referência mostra como criar repositórios de dados geoespaciais escaláveis no. AWS Ele simplifica o design de pipelines de dados geoespaciais, permitindo acesso acelerado aos dados brutos por meio da integração de conjuntos de dados AWS gerenciados a partir do Registro de Dados Abertos AWS, eliminando a necessidade de armazená-los em seu data lake. Ele se integra a uma variedade de mecanismos de disseminação e suporta diversas demandas de processamento.

Dimensione os lagos de dados geoespaciais em AWS Diagrama

Diagrama de arquitetura de referência mostrando como criar repositórios de dados geoespaciais escaláveis em. AWS

  1. Inicie um pipeline de ingestão de dados com base na detecção de novas cenas.  Assine os tópicos do Amazon Simple Notification Service (Amazon SNS) para obter conjuntos de dados gerenciados com filtros apropriados.

    Um evento baseado em tempo pode ser configurado usando CloudWatch as regras da Amazon para iniciar a ingestão durante períodos de tempo específicos.

  2. AWS Lambdaconsulta a API SpatioTemporal Asset Catalogs (STAC) para obter um conjunto de dados respectivo para obter detalhes do produto. Ele inicia o pipeline de processamento de dados por meio de AWS Step Functions.

  3. O Step Functions orquestra as tarefas de processamento. O processamento paralelo ou sequencial pode ser configurado com base nas características e requisitos da tarefa.

  4. O Amazon Elastic Container Service (Amazon ECS) executa tarefas em contêineres para:

    • Baixe os produtos dos conjuntos de dados hospedados no Registro de Dados Abertos em AWS.

    • Processe (recorte e geomosaique) os ladrilhos até a área de interesse e armazene-os em um balde processado por API do Amazon Simple Storage Service (Amazon S3). Crie metadados e armazene-os no Amazon DynamoDB. Armazene dados vetoriais no Amazon Aurora Postgres com extensões PostGIS.

  5. O Step Functions inicia a próxima tarefa de processamento com o Amazon SageMaker AI.

  6. SageMaker Os modelos de ML hospedados por IA realizam a remoção da nuvem e a matemática da banda.

  7. As bancadas de trabalho GIS WorkSpaces hospedadas pela Amazon podem ser usadas para visualização. Os dados são armazenados em um bucket pré-processado do Amazon S3.

Outras fontes de leitura

Para obter informações adicionais, consulte

Colaboradores

Os colaboradores desse diagrama de arquitetura de referência incluem:

  • Ajit Rajdeosingh, arquiteto sênior de soluções, Amazon Web Services

Histórico do diagrama

Para ser notificado sobre atualizações nesse diagrama de arquitetura de referência, assine o feed RSS.

AlteraçãoDescriçãoData

Publicação inicial

Diagrama de arquitetura de referência publicado pela primeira vez.

14 de agosto de 2023

nota

Para assinar as atualizações de RSS, você deve ter um plug-in RSS ativado para o navegador que está usando.