启用要素图格化 (数据管理)

摘要

在要素类上启用要素图格化的数据库计算。

要素图格化是一种高级可视化功能，用户可通过此功能浏览和可视化大型数据集。 它还可以帮助用户通过开箱即用制图选项观察宏观和微观层面的模式。 要素图格化用于将大量点要素聚合到通过缩放的细节层次变化的动态面图格中。 单个图格表示该细节层次下其边界内的所有要素。 要素图格化可提高绘图性能并改进数据理解。

了解有关已图格化要素图层的详细信息

插图

使用情况

• 要素图格化的数据库计算仅适用于在移动地理数据库、企业级地理数据库或数据库中存储的点和多点要素类： 云数据仓库中的要素图格化仅支持点要素类。 数据无法启用版本化或存档。

  受支持的平台如下：

  • Amazon Redshift
  • IBM Db2
  • Google BigQuery
  • Microsoft SQL Server
  • Oracle
  • PostgreSQL
  • SAP HANA
  • Snowflake

• 只有要素类的所有者才能启用要素图格化。 对于没有表所有者的 Google BigQuery，启用要素图格化的用户必须具有特定权限。 有关详细信息，请参阅将 ArcGIS 与云数据仓库结合使用的权限。

• Google BigQuery 中的外部表不支持要素图格化。

• 图格需要使用与包含已图格化要素图层的地图相同的坐标系，才能避免动态（实时）投影。 如果不确定要使用的坐标系，建议使用等积投影，例如世界等积圆柱投影。 不能使用自定义坐标系。

• 对于非常大的数据集，或者如果数据不经常更新，则可以启用静态缓存已聚合结果。 但是，无需针对所有细节层次创建缓存。 可通过运行管理要素图格缓存工具来管理静态缓存。 可以使用此工具来指定静态缓存的细节层次。

  当缩放级别超过静态缓存细节内容的级别时，图格化图层将在地图中切换为动态模式。 图格化图层的图层属性对话框上的最大缓存级别属性将列出静态缓存细节的最大级别。 可以使用数据集的所有要素生成静态缓存。 例如，如果您使用定义查询，或者在地图中对图格化要素图层应用时间或范围过滤器，则将忽略静态缓存，并且将动态进行图格聚合。

• 要在 Microsoft Azure Cosmos DB for PostgreSQL 中的分布式表上启用要素图格化，该表必须至少包含一个不可为空的整数列，ArcGIS 可以将其用作 ID 列。

• 如有必要，可使用禁用要素图格化工具来禁用图层中的数据库计算功能。 您还可以在 ArcGIS Pro 中关闭地图或场景中图层的图格绘制，或通过单击图格化选项卡上的计算设置按钮切换到应用程序驱动的计算。

• 当要素图格化为动态并且您要更新在要素类中存储的汇总统计信息列表时，必须禁用并重新启用要素图格化。 可通过图层的汇总统计信息对话框，将新的汇总统计信息添加到地图或场景中的要素图层。 这些汇总统计信息仅在图层中存储。 而不会在源要素类中存储。

参数

对话框

标注	说明	数据类型
输入要素	要启用数据库计算的要素图格化的要素类。 受支持的输入类型为存储在移动地理数据库、企业级地理数据库或数据库中的点和多点要素类，或者存储在云数据仓库中的点要素类。 数据无法启用版本化或存档。	Feature Layer
立方图格类型 (可选)	指定要启用的图格化类型。 如果正在使用 SAP HANA 数据，则仅支持正方形、平六边形和尖六边形选项。 如果正在使用 Snowflake 或 Redshift 数据，则仅支持 Geohash 选项。 平六边形—将启用平面六边形图格化方案，也称为平面几何六边形或平面六边形图格化。 切片是六边形方向在顶部具有六边形平边的六边形镶嵌。 这是 Microsoft SQL Server、Oracle、PostgreSQL 和 BigQuery 数据的默认值。 尖六边形—将启用尖六边形图格化方案，也称为尖几何六边形或尖六边形图格化。 切片是六边形方向在顶部具有六边形点的六边形镶嵌。 正方形—将启用正方形图格化方案，也称为几何正方形或正方形图格化。 切片是矩形的细分。这是 Db2 和 SAP HANA 数据的默认值。 Geohash—将启用 Geohash 图格化方案，其中切片是矩形的细分。 由于 Geohash 图格始终使用 WGS84 地理坐标系（GCS WGS84、EPSG WKID 4326），因此无法为 Geohash 图格指定图格坐标系。 对于 Snowflake 和 Redshift 数据，这是默认和唯一选项。	String
图格坐标系 (可选)	用于可视化已聚合输出要素图层的坐标系。 最多可以选择两个坐标系来可视化输出图层。 默认使用输入要素类的坐标系。 不支持自定义坐标系。 此参数不适用于 BigQuery、Redshift 或 Snowflake。 对于这些平台，将使用输入要素类的坐标系。	Coordinate System
汇总统计数据 (可选)	指定将在图格缓存中汇总并存储的统计信息。 统计信息用于符号化图格，并为图格中的所有点提供聚合信息。 汇总统计信息总要素计数 (shape_count) 始终可用。 最多可定义五个其他汇总统计信息。 字段 - 计算汇总统计信息时基于的字段。 受支持的字段类型包括短整型、长整型、大整型、浮点型和双精度型。 统计类型 - 要为指定字段计算的统计类型。 可以计算图格中所有要素的统计信息。 可用统计类型如下： 平均值 (AVG) - 计算指定字段的平均值 最小值 (MIN) - 查找指定字段的所有记录的最小值 最大值 (MAX) - 查找指定字段的所有记录的最大值 标准差 (STDDEV) - 计算字段的标准差值 总和 (SUM) - 添加指定字段的总计值	Value Table
生成图格缓存 (可选)	指定将生成已聚合结果的静态缓存，还是将动态聚合可视化。 无需针对所有细节层次创建缓存。 选中 - 将生成已聚合结果的静态缓存。 要提高性能，建议使用此选项。 但是，对基础数据所做的更改将不会在缓存中更新，除非运行管理要素图格缓存工具。 对于 IBM Db2、Microsoft SQL Server、Oracle 和 PostgreSQL，将默认生成静态缓存。 要为 PostgreSQL 中使用 PostGIS 空间类型的要素类生成静态缓存，必须在数据库中安装 GDAL 库。 将始终为 BigQuery、Redshift 和 Snowflake 中的数据生成静态缓存。 未选中 - 将不会生成已聚合结果的静态缓存，并且将动态聚合可视化。 这是适用于 SAP HANA 数据的唯一选项。	Boolean

派生输出

标注	说明	数据类型
更新的要素	已启用数据库计算的要素图格化的已更新输入。	Feature Layer

Python

arcpy.management.EnableFeatureBinning(in_features, {bin_type}, {bin_coord_sys}, {summary_stats}, {generate_static_cache})

名称	说明	数据类型
in_features	要启用数据库计算的要素图格化的要素类。 受支持的输入类型为存储在移动地理数据库、企业级地理数据库或数据库中的点和多点要素类，或者存储在云数据仓库中的点要素类。 数据无法启用版本化或存档。	Feature Layer
bin_type (可选)	指定要启用的图格化类型。 如果正在使用 SAP HANA 数据，则仅支持 SQUARE、FLAT_HEXAGON 和 POINTY_HEXAGON 选项。 如果正在使用 Snowflake 或 Redshift 数据，则仅支持 GEOHASH 选项。 FLAT_HEXAGON—将启用平面六边形图格化方案，也称为平面几何六边形或平面六边形图格化。 切片是六边形方向在顶部具有六边形平边的六边形镶嵌。 这是 Microsoft SQL Server、Oracle、PostgreSQL 和 BigQuery 数据的默认值。 POINTY_HEXAGON—将启用尖六边形图格化方案，也称为尖几何六边形或尖六边形图格化。 切片是六边形方向在顶部具有六边形点的六边形镶嵌。 SQUARE—将启用正方形图格化方案，也称为几何正方形或正方形图格化。 切片是矩形的细分。这是 Db2 和 SAP HANA 数据的默认值。 GEOHASH—将启用 Geohash 图格化方案，其中切片是矩形的细分。 由于 Geohash 图格始终使用 WGS84 地理坐标系（GCS WGS84、EPSG WKID 4326），因此无法为 Geohash 图格指定图格坐标系。 对于 Snowflake 和 Redshift 数据，这是默认和唯一选项。	String
bin_coord_sys [bin_coord_sys,...] (可选)	用于可视化已聚合输出要素图层的坐标系。 您最多可以指定两个坐标系来可视化输出图层。 默认使用输入要素类的坐标系。 不支持自定义坐标系。 此参数不适用于 BigQuery、Redshift 或 Snowflake。 对于这些平台，将使用输入要素类的坐标系。	Coordinate System
summary_stats [[Field, Statistic Type],...] (可选)	指定将在图格缓存中汇总并存储的统计信息。 统计信息用于符号化图格，并为图格中的所有点提供聚合信息。 汇总统计信息总要素计数 (shape_count) 始终可用。 最多可定义五个其他汇总统计信息。 字段 - 计算汇总统计信息时基于的字段。 受支持的字段类型包括短整型、长整型、大整型、浮点型和双精度型。 统计类型 - 要为指定字段计算的统计类型。 可以计算图格中所有要素的统计信息。 可用统计类型如下： 平均值 (AVG) - 计算指定字段的平均值 最小值 (MIN) - 查找指定字段的所有记录的最小值 最大值 (MAX) - 查找指定字段的所有记录的最大值 标准差 (STDDEV) - 计算字段的标准差值 总和 (SUM) - 添加指定字段的总计值	Value Table
generate_static_cache (可选)	指定将生成已聚合结果的静态缓存，还是将动态聚合可视化。 无需针对所有细节层次创建缓存。 STATIC_CACHE—将生成已聚合结果的静态缓存。 要提高性能，建议使用此选项。 但是，对基础数据所做的更改将不会在缓存中更新，除非运行管理要素图格缓存工具。 对于 IBM Db2、Microsoft SQL Server、Oracle 和 PostgreSQL，将默认生成静态缓存。 要为 PostgreSQL 中使用 PostGIS 空间类型的要素类生成静态缓存，必须在数据库中安装 GDAL 库。 将始终为 BigQuery、Redshift 和 Snowflake 中的数据生成静态缓存。 DYNAMIC—将不会生成已聚合结果的静态缓存，并且将动态聚合可视化。 这是适用于 SAP HANA 数据的唯一选项。	Boolean

派生输出

名称	说明	数据类型
out_features	已启用数据库计算的要素图格化的已更新输入。	Feature Layer

代码示例

EnableFeatureBinning 示例（Python 窗口）

在将计数统计信息添加到要素图格缓存的 Earthquakes 要素图层上启用正方形要素图格化。

import arcpy

bin_coord_sys = arcpy.SpatialReference('GCS_WGS_1984')
arcpy.management.EnableFeatureBinning(
    "lod_gdb.elec.Earthquakes",
    "SQUARE",
    bin_coord_sys,
    "depth_km MAX",
    "STATIC_CACHE")

环境

此工具不使用任何地理处理环境。

许可信息

• Basic: 是
• Standard: 是
• Advanced: 是