sde：空间数据库引擎

把gis数据放在rdbms中，但是一般的rdbms都没有提供gis的数据类型（如点、线、多边形、以及这些feature之间的拓扑关系和投影坐标等相关信息），rdbms只提供了少量的数据类型支持：int，float，double，blog，long ，char等，一般都是数字，字符串和二进制数据几种。并且rdbms不仅没有提取对gis数据类型的存储，也没有提供对这些基础类型的操作（如：判断包含关系，相邻、相交、求差、距离、最短路径等）。

为了实现gis数据类型的存储和对gis数据类型的操作支持。我们可以采用曲折的办法来达到这些目的。

1、 存储：把featrue以一个二进制的字段形式存储，同时建立对该二进制数据的描述信息（称为空间元数据）。

2、 操作：为每种feature建立一组函数包。

a、 读取时，先读取空间元数据，根据元数据把featrue的二进制数据填充到featrue对象的data部分中。

b、 写入时，先写入空间元数据，然后把featrue对像的data部分序列化为二进制数据，然后存储到feature字段中。

c、 空间运算：空间运算操作的内容为fatrue对象的data部分，而空间运算做为fatrue类成员函数。或者单独为每种feature建立相关的函数包。

下面我们先探究空间数据类型的存储。存储主要牵涉到的是gis数据的元数据部分。我们需要管理好各种空间数据。

同种类型的featrue我们归为一类，我们称为featrue类，每个feature类对应着数据库中的一个二进制字段，每个feature对象对应着这个二进制字段的具体数值。为了把gis的feature的属性数据和空间数据存储到一起，统一管理。我们建立这样几个概念。

数据集：对应着数据库中的一张表，这个表里有featrue的二进制字段和一般的属性字段，同时还包括每个feature对象的元数据字段如：周长、面积以及辅助字段。

数据源：对应着数据库中的一组表，由两部分组成：一部分是数据集，另一部分是对数据集描述的表（称空间元数据表）。通常是每个schma（或者数据库）下一组空间元数据表。

起辅助作用的数据库对象：包括为各个数据集建立的索引、触发器、序列……

空间元数据表包括：

a：描述每个数据集的表：这个表里的字段包括：每个数据集的包围盒。以及对该数据集所建的索引的类型，名称等。

b：描述数据集字段的表：这张表的字段包括：数据集名，字段名称，字段类型，字段别名、数据集别名、数据集类型等……

c：辅助对象的元数据表：包括描述索引与数据集之间关系的表，包括描述触发器与数据集之间关系的表，包括描述序列与数据集之间关系的表。描述数据集之间关系的表（如网路数据集，是由点类型的数据集与线类型的数据集组成，这就需要说明点与线之间的拓扑关系咯）

上面我们只讨论矢量的gis数据类型的存储，下面我们来探究下栅格类型的gis数据存储。

同样的也有栅格的数据集，只不过是字段的类型稍微改变了下而已。为了加快数据存取，我们应当使得gis操作只存取它所需要的数据，以一张遥感影像为例，我们可以把一块大影像按一定规则切割为一系列的小图块，然后把这些小图块以二进制的形式存储到image字段里，同时把该小图块的偏移位置（有了其实位置，和偏移位置以及每个图块的大小就知道了该图块的地理范围了）作为表的属性字段存储下来。以后在取数据时，需要先查该图块的元数据内容，得出地理范围（或者干脆就把每个图块的地理范围存储下来），这样就知道在显示时需要取哪些记录，然后再把需要显示的记录的image的数据取出来，根据地理范围把数据拼接起来就可以了（矢量数据的显示与操作也是这么干）。图块大小的划定规则是比较重要的，这非常影响速度的。

一般来讲一个波段，对应着一个栅格数据集。在显示影像时，需要同时读取多个栅格数据集，在显示的时候把它们拼接到一起。

我们还需要描述这些栅格数据集的元数据表，比如，那几个栅格数据集是一组的对应着同一个影像文件，地理坐标的情况怎样，影像金字塔信息。

后面我们讨论下影像金字塔，为了加快数据显示，有些空间数据库引擎是对最原始的数据抽稀，按每一层金子塔抽稀为一个栅格数据集。抽稀一般采用幂级数的方式。这是一种以空间换时间的做法。

对于影像压缩技术，我没有研究过，等过段时间看看再说吧。

有了这些元数据表和feature表后，这就为展开gis操作奠定了基础。