ArcGIS Engine中如何往已有要素类中插入数据

2024-08-28 13:18

本文主要是介绍ArcGIS Engine中如何往已有要素类中插入数据,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

您在Engine程序开发过程中是否遇到过要将新获取的数据向已有要素类中插入?对于数据插入的几种方法您是否清楚?各种方法的效率您对比过吗?今天我们讨论的话题为Engine中如何往已有要素类中插入数据,上述问题的答案会为您一一揭晓。

一、往已有要素类中插入数据的几种方式及其优缺点:

1,IFeatureClass.CreateFeature配合IFeature.Store使用。该方法在调用Store时会触发所有与Feature相关的行为,不但会触发IObjectClassEvents,还会触发涉及网络、注记要素,以及参与拓扑的要素等特殊的行为(比如向参加拓扑的要素类中添加要素后会自动创建dirty area)。

该方法在调用CreateFeature方法时,创建要素的OID,执行Store时将要素存入数据库中。

优点:代码简单; 
缺点:效率低,如果仅仅插入几个要素或者进行测试而不考虑性能的话可以考虑。

2,IFeatureClass.CreateFeatureBuffer配合insert cursor使用。不会触发事件,该方法常常用来一次性插入大量要素,比第一种方法效率高很多。此外,IFeatureClass.Insert(bool useBuffering)方法中参数useBuffering建议总将其设为true,这样数据会先缓冲在客户端,然后执行Flush时批量写入,以提升效率。

该方法创建的IFeatureBuffer可以进行多次赋值,在执行InsertFeature时,创建要素的OID,但是此时数据并没有写入到数据库中,只有在执行IFeatureCursor.Flush时数据才会真正写入到数据库中。注意Flush方法是需要手动调用的,如果不执行,在程序释放或者Buffer满了会自动执行,但这样会无法检测错误,比如要素类空间不够了就会报错。

优点:效率高,尤其是插入大量数据时。如果仅就性能而言,除非插入一个要素,其余情况都推荐使用该方法; 
缺点:代码相比第一种,稍显复杂,注意需要释放ICursor和IFeatureBuffer对象。

这里提一下,该方法中涉及到cursor的释放,有两种方法释放游标: 
a, 直接使用ComReleaser.ReleaseCOMObject(cursor); 或者Marshal.FinalReleaseComObject(cursor);

b, 使用using(){ }方式,如下:

 using(ComReleaser comReleaser = new ComReleaser()){// Create a feature buffer.IFeatureBuffer featureBuffer = featureClass.CreateFeatureBuffer();comReleaser.ManageLifetime(featureBuffer);// Create an insert cursor.IFeatureCursor insertCursor = featureClass.Insert(true);comReleaser.ManageLifetime(insertCursor);…}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13

执行完using后会自动释放insertCursor和featureBuffer,可以避免程序比较复杂时不确定在哪释放或者忘记释放的情况,是比较优秀的编程方式,推荐使用。

3,使用Load-Only模式插入数据(SDE以及FileGDB都支持)。这种方法是对第二种方法的升级,主要用来在插入数据量特别大的情况下提高性能。Load-Only模式仅能用来插入新的要素,而不能用于编辑已有要素。原理是开启Load-Only模式后,插入数据时会停止更新空间索引和属性索引,解除Load-Only后才重建索引(重建索引是重建该要素类所有要素的索引,如果已有要素类中含有大量要素,而插入数据量不太大时,重建索引可能会影响性能)。开启Load-Only模式时,其它程序不能访问该数据,可以在获取排它锁之后设置Load-Only。如下:

// Cast the feature class to the IFeatureClassLoad interface.IFeatureClassLoad featureClassLoad = (IFeatureClassLoad)featureClass;// Acquire an exclusive schema lock for the class.ISchemaLock schemaLock = (ISchemaLock)featureClass;try{schemaLock.ChangeSchemaLock(esriSchemaLock.esriExclusiveSchemaLock);// Enable load-only mode on the feature class.featureClassLoad.LoadOnlyMode = true;using(ComReleaser comReleaser = new ComReleaser()){// Create the feature buffer.IFeatureBuffer featureBuffer = featureClass.CreateFeatureBuffer();comReleaser.ManageLifetime(featureBuffer);// Create an insert cursor.IFeatureCursor insertCursor = featureClass.Insert(true);comReleaser.ManageLifetime(insertCursor);…}}catch (Exception){// Handle the failure in a way appropriate to the application.}finally{// Disable load-only mode on the feature class.featureClassLoad.LoadOnlyMode = false;// Demote the exclusive schema lock to a shared lock.schemaLock.ChangeSchemaLock(esriSchemaLock.esriSharedSchemaLock);
}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36

插入数据常用的就是以上三种方式,下面两种方式也可以插入数据,但是不常用,简要介绍一下。

4,IObjectLoader.LoadObjects方法。该方法只能在Desktop产品下使用,也就是Engine许可无法使用,相比之前的方法,该方法代码简单,对于属性值的复制也更为简单,如下:

IObjectLoader objectLoader = new ObjectLoaderClass();IFeatureClass sourceFeatureClass = getFeatureClass("esriDataSourcesGDB.FileGDBWorkspaceFactory", fileGDBPath, sourceFCName);IFeatureClass targetFeatureClass = getFeatureClass("esriDataSourcesGDB.SdeWorkspaceFactory", sdePath, targetFCName);string sInFieldList = targetFeatureClass.Fields.get_Field(0).Name;for(int i=1;i< targetFeatureClass.Fields.FieldCount;i++)sInFieldList = sInFieldList + "," + targetFeatureClass.Fields.get_Field(i).Name;IQueryFilter queryFilter = new QueryFilterClass();queryFilter.WhereClause = queryClause;queryFilter.SubFields = sInFieldList;IEnumInvalidObject invalidObject;objectLoader.LoadObjects(null, sourceFeatureClass as ITable, queryFilter, targetFeatureClass as ITable, targetFeatureClass.Fields, false, 0, false, false, 1000, out invalidObject);
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14

优点:代码简单,属性值复制也更为简单; 
缺点:只能在Desktop许可下使用。

5,IFeatureClass.CreateFeature配合IFeatureClassWrite.WriteFeature/WriteFeatures使用。IFeatureClassWrite是low-level的接口,不会触发任何事件。只是使用WriteFeature/WriteFeatures替换IFeature.Store将要素写入数据库,用的人很少。

以上就是插入数据的几种方式,您是否都清楚了?接下来,在程序的编写过程中有哪些需要注意的呢?

a, 以下数据类型需要EngineGeoDB许可或者Desktop产品的Standard或者Advanced许可:涉及几何网络、拓扑、Dimension要素类、注记类、ArcSDE数据库的。

b, 以下情况需要开启编辑会话:涉及拓扑、几何网络、terrain、representation以及ArcSDE中的版本数据的。

c, 在给要素赋予Shape时,有必要执行一下ITopologicalOperator.Simplify来验证几何,尤其是往SDE中插入时,有几何错误会导致失败。

d, 插入数据可能导致要素类的Extent发生变化,插入完后建议调用IFeatureClassManage. UpdateExtent更新范围(需要获取要素类的排他锁,也就是不能有别的用户或程序访问该要素类),不然有可能执行缩放到图层或全图时数据显示不全。

e, Geometry的空间参考需要与目标要素类的空间参考相一致,否则会进行动态投影而影响性能。

f, 如果源要素类中有Z值或M值,注意赋Shape时需要使用IZAware或者IMAware进行设置。

二、效率对比

由于经常碰到用户需要将本地数据库的数据往SDE中导入,所以本文以将FileGDB中的点要素类插入到ArcSDE中已有的字段结构相同的要素类中为例进行测试。

代码可参考:ArcObjects帮助文档

测试结果:

1, 将100个点要素从FileGDB中插入SDE要素类中使用五种方法分别用时:2.25秒、0.19秒、0.21秒、0.23秒、2.40秒。

2, 将10000个点要素从FileGDB中插入SDE要素类中使用五种方法分别用时:185秒、14.5秒、11.3秒、13.2秒、204秒。

3, 将100000个点要素从FileGDB中插入SDE要素类中使用五种方法分别用时:1345秒、163秒、127秒、146秒、1409秒。

4, 文中提到使用游标方式插入数据,如果将IFeatureClass.Insert(bool useBuffering)方法中参数useBuffering设为true会提高效率,现在就来测试一下。将100000个点要素插入SDE中,设为false所用时间为:164秒,设为true所用时间为:122秒。

5, 开启编辑会话会不会提高效率呢?将100000个点要素插入SDE中,设为false所用时间为:161秒,设为true所用时间为:117秒。相比不开启编辑会话,几乎没有差别。

从上述测试结果可以看出:

a, 无论是插入少量数据还是插入大量数据,Insert方式都比CreateFeature方式快;

b, 如果仅插入少量数据,使用LoadOnly模式反而会慢(文中插入100个点),如果插入大量要素使用LoadOnly会快(文中插入1万和10万个点),但是如果该要素类中已有大量要素,而仅插入不是太多数据的话重建索引可能会影响性能;

c, IFeatureClassWrite.WriteFeature方法比IFeature.Store还要慢,这大概也是该方法用的很少的原因之一吧;

d, IObjectLoader.LoadObjects方法比Insert稍快,但是比LoadOnly要慢些(文中插入1万和10万个点)。由于测试数据中仅含有两个自定义字段,如果字段个数较多的话,我觉得这种方法会更快;

e, IFeatureClass.Insert(bool useBuffering)方法中参数useBuffering设为true确实可以提高效率;

f, 开启编辑会话与不开启效率几乎一样,当然如果涉及到拓扑,几何网络等复杂情况时必须开启编辑会话。

这篇关于ArcGIS Engine中如何往已有要素类中插入数据的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1114868

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

pandas数据过滤

Pandas 数据过滤方法 Pandas 提供了多种方法来过滤数据,可以根据不同的条件进行筛选。以下是一些常见的 Pandas 数据过滤方法,结合实例进行讲解,希望能帮你快速理解。 1. 基于条件筛选行 可以使用布尔索引来根据条件过滤行。 import pandas as pd# 创建示例数据data = {'Name': ['Alice', 'Bob', 'Charlie', 'Dav

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者