GIS-LAB

Географические информационные системы и дистанционное зондирование

Рендеринг векторных данных в Mapnik без предоставления прямого доступа к хранилищу

Обсудить в форуме Комментариев — 2Редактировать в вики

Эта страница опубликована в основном списке статей сайта
по адресу http://gis-lab.info/qa/mapnik-datasources.html


Содержание

[править] Введение

Mapnik содержит широкий список плагинов, обеспечивающих поддержку различных источников векторных данных, в том числе PostGIS и OGR. Однако в ряде ситуаций использование прямого подключения Mapnik к хранилищу оказывается не совсем удачным решением: например, нам требуется произвести какую-либо предварительную обработку объектов перед рендерингом или вообще может оказаться так, что наш источник данных не поддерживается Mapnik. В этом случае универсальным решением является следующий подход: запросить необходимые объекты из хранилища средствами того языка программирования, на котором ведётся работа (в нашем случае это будет Python) и передать их рендеру.

Данную задачу можно решить путём использования класса MemoryDatasource или плагина Python.

[править] MemoryDatasource

Этот способ более простой, но имеет существенный недостаток - размер векторных данных, помещённых в MemoryDatasource ограничен размером доступной оперативной памяти.

Допустим, что у нас есть некоторый массив векторных данных в формате WKT, которые мы хотим отрендерить. Для представления векторных данных в Mapnik существует класс Feature, конструктор которого принимает два аргумента: объект Context (предназначен для оптимизации структуры хранения атрибутивных данных) и уникальный идентификатор векторного объекта. Создаём объекты класса Feature и помещаем их в MemoryDatasource:

import mapnik
 
# Массив векторных данных
geometries = [
    (0, "POLYGON ((0 0, 5 0, 5 5, 0 5, 0 0))"),
    (1, "POLYGON((1 5, 4 5, 4 6, 1 6, 1 5))")
]
 
# Создаём локальный источник данных
ds = mapnik.MemoryDatasource()
 
# Объект контекста
ctx = mapnik.Context()
 
# Заполняем локальный источник данных
for id, wkt in geometries:
    f = mapnik.Feature(ctx, id)
    f.add_geometries_from_wkt(wkt)
    ds.add_feature(f)

После чего можно использовать этот источник данных для любого слоя Mapnik:

layer = mapnik.Layer('memory')
layer.datasource = ds

Отметим, что объект класса Feature имеет не только метод add_geometries_from_wkt, но и add_geometries_from_wkb, что позволяет добавлять геометрии в формате WKB.

[править] Плагин Python

Как было отмечено выше - подход к рендерингу векторных данных с использованием MemoryDatasource обладает определёнными недостатками. Во первых, все данные должны одновременно находиться в памяти, во-вторых - на уровне локального источника данных datasource нет возможности запрашивать данные на определённый охват, то есть мы, конечно, можем каждый раз создавать новый datasource, подавая на вход набор векторных объектов, осуществив предварительно необходимый запрос к хранилищу средствами Python, но использование плагина Python предполагает более элегантное решение приведённых проблем.

Плагин Python позволяет создать datasource, который будет возвращать объекты, попавшие в охват, а также эффективно использовать память. Выглядит это следующим образом - при рендеринге данных Mapnik обращается в datasource, передавая тому в качестве параметра некоторый охват. datasource в свою очередь возвращает итератор. Mapnik получает данный итератор, извлекает из него первый объект класса Feature, рендерит его, после чего объект удаляется из памяти и осуществляется переход к следующему, до тех пор пока итератор не вернёт исключение StopIteration, являющееся признаком окончания процесса итерации.Таким образом, при использовании плагина Python объём оперативной памяти не должен превышать размера самого "тяжёлого" векторного объекта.

Инициализация datasource в этом случае осуществляется следующим образом:

layer = mapnik.Layer('python')
ds = mapnik.Python(factory='DatasourceClass')
layer.datasource = ds

Для инициализации плагина требуется указать один единственный именованный аргумент factory. В качестве factory может выступать любая вызываемая сущность (callable), которая должна возвращать объект, имеющий следующие атрибуты:

  1. envelope - объект класса mapnik.Box2d, охват datasource;
  2. data_type - объект класса mapnik.DataType, определяет тип datasource (растровый или векторный);
  3. geometry_type (опционально) - объект класса DataGeometryType, определяет тип геометрий (точка, линия, полигон, коллекция).

И два обязательных метода:

  1. features(query) - функция, принимающая на вход объект класса mapnik.Query и возвращающая итератор, выдающиё объекты класса mapnik.Feature;
  2. features_at_point(point) - функция, принимающая на вход объект класса mapnik.Coord и возвращающая итератор объектов mapnik.Feature внутрь которых попала указанная точка.

В качестве factory обычно используется отдельный класс, для удобства создания которого существует PythonDatasource, от которого можно наследоваться. PythonDatasource удовлетворяет всем необходимым требованиям к объекту factory, более того, он принимает аргументы envelope, geometry_type и data_type в качестве аргументов конструктора (envelope учитывается при рендеринге, а geometry_type и data_type - имеют справочное значение).

Метод features_at_point используется довольно редко, основное взаимодействие рендера с datastore осуществляется посредством метода features. Очевидно, что конкретная реализация features в каждом случае будет своей, то есть её нужно писать отдельно.

Рассмотрим небольшой пример:

import mapnik
 
class TestDatasource(mapnik.PythonDatasource):
    def __init__(self):
        super(TestDatasource, self).__init__(envelope=mapnik.Box2d(0,0,6,6))
 
    def features(self, query):
        features = (
            (1, "POLYGON((0 0, 5 0, 5 5, 0 5, 0 0))"), 
            (2, "POLYGON((1 5, 4 5, 4 6, 1 6, 1 5))"), 
        )
        ctx = mapnik.Context()
        for id, wkt in features:
            f = mapnik.Feature(ctx, id)
            f.add_geometries_from_wkt(wkt)
            yield f
...
ds = mapnik.Python(factory='TestDatasource')
layer = mapnik.Layer('python')
layer.datasource = ds

Данный пример иллюстрирует идею плагина Python - метод features должен возвращать итерируемый объект (в данном примере метод features реализован в виде генератора).

Чтобы не формировать объекты класса mapnik.Feature вручную в PythonDatasource существует 2 удобных метода класса wkb_features и wkt_features.

Перепишем наш метод features, используя mapnik.PythonDatasource.wkb_features:

def features(self, query):
    return mapnik.PythonDatasource.wkb_features(
        keys = (), 
        features = (
            ("POLYGON((0 0, 5 0, 5 5, 0 5, 0 0))", {}), 
            ("POLYGON((1 5, 4 5, 4 6, 1 6, 1 5))", {}), 
        )
    )

mapnik.PythonDatasource.wkt_features - представляет собой обёртку, возвращающую итератор, который возвращает объекты класса mapnik.Features. В данном примере векторные объекты жестко прописаны в коде, однако в качестве аргумента features метода mapnik.PythonDatasource.wkt_features может выступать любой итерируемый объект или генератор, например:

def get_features(self, query):
    features = (
        ("POLYGON((0 0, 5 0, 5 5, 0 5, 0 0))", {}), 
        ("POLYGON((1 5, 4 5, 4 6, 1 6, 1 5))", {}), 
    )
    for f in features:
        yield f
 
def features(self, query):
    return mapnik.PythonDatasource.wkb_features(
        keys = (), 
        features = self.get_features(query)
    )

Заметим, что мы никак не учитывали значение аргумента query, что в реальных задачах недопустимо. Также в реальных условиях никаких объектов, заданных вручную нет - функционал запроса данных из хранилищ выполняется в виде отдельных функций, возвращающих итераторы.

[править] Ссылки

  1. Python plugin

Обсудить в форуме Комментариев — 2Редактировать в вики

Последнее обновление: 2014-05-15 01:45

Дата создания: 27.12.2012
Автор(ы): Денис Рыков


(Геокруг)

Если Вы обнаружили на сайте ошибку, выберите фрагмент текста и нажмите Ctrl+Enter