PostGIS es un software compatible con Open Geospatial Consortium (OGC) utilizado como un extensión para PostgreSQL, que es una forma de base de datos objeto-relacional. Aunque PostGIS es libre y de código abierto, se utiliza tanto en software comercial (por ejemplo, ArcGIS) como en software de código abierto (por ejemplo, QGIS). PostGIS amplía las capacidades de PostgreSQL a fin de aumentar sus capacidades de gestión mediante la adición de tipos y funciones geoespaciales para mejorar los datos espaciales manejados dentro de una estructura de base de datos relacional. El lenguaje de PostGIS es similar al SQL y permite realizar análisis espaciales y consultas típicas sobre datos espaciales con relativa facilidad. Esto lo convierte en un Backend (quien se encarga de interactuar con bases de datos, lenguajes, y usuarios) relativamente potente para bases de datos dentro de un software más grande, ayudando a los proyectos a utilizar la funcionalidad SQL para realizar análisis y consultas espaciales más complejas [1].
Las ventajas para PostGIS es que es relativamente fácil de gestionar y utilizar, en comparación con el almacenamiento de datos típico en el software SIG, ya que a menudo los datos se encuentran dentro de una estructura de base de datos [2]. Además de facilitar las consultas basadas en el espacio, los datos también pueden accederse mucho más fácilmente utilizando software de terceros u otros programas, incluida la funcionalidad del servidor web. Esto se debe a que utiliza un formato estándar de características simples que permite a otros tipos de software espacial utilizar potencialmente los mismos datos almacenados [3]. Otra ventaja es que también el análisis a través del software que utiliza los mismos datos almacenados es relativamente más fácil. Para los usuarios que están acostumbrados a utilizar SQL, el tipo más común de lenguaje de consulta de la base de datos, PostGIS es relativamente fácil de usar, ya que utiliza el mismo enfoque para realizar sus consultas. Las funciones analíticas y de procesamiento también se pueden llevar a cabo dentro de PostGIS para datos ráster y vectoriales, lo que permite la generación fácil de mapas que tienen el resultado analítico deseado. Los formatos vectoriales típicos de Esri, como los archivos shapefiles y los tipos raster, como GeoTiffs, se manejan a menudo, aunque los usuarios tienen una gama de formatos en los que pueden almacenar sus datos.
Aunque PostGIS ha permitido que varios proyectos se beneficien de su potente Backend, existe un debate si el uso de PostGIS es el mejor enfoque a los diferentes problemas espaciales. Los métodos NoSQL recientes, que a menudo utilizan un estilo más orientado a objetos en la estructuración de datos o permiten a los usuarios crear su propia estructura de almacenamiento, han demostrado ser potencialmente más rápidos en la recuperación de datos para consultas más complejas, como las consultas simultáneas de múltiples usuarios [4]. El modelo relacional que utiliza PostGIS no siempre recupera consultas complejas con la misma rapidez con la que se almacena y accede a los datos, mientras que los enfoques más flexibles, en los que los usuarios del SIG pueden construir su propio formato para el almacenamiento de datos, pueden resultar más rápidos. Otros también han descubierto que PostGIS no siempre se adapta tan bien a problemas de bases de datos espaciales más grandes, mientras que NoSQL puede ser más fácil de distribuir o escalar más fácilmente a través de múltiples ordenadores. Esto podría ser particularmente importante para los servidores web que tienen grandes necesidades de almacenamiento de datos espaciales [5].
Para contrarrestar las posibles limitaciones y preferencias de los usuarios, el software de código abierto como QGIS ha integrado plugins para ambos tipos de enfoques de bases de datos. Herramientas populares como MongoDB, que es un enfoque NoSQL, es un tipo de base de datos de ejemplo que ahora también se utiliza con PostGIS. En gran medida, el uso de diferentes enfoques NoSQL vs. PostGIS (o SQL) sigue siendo en gran medida una forma de preferencia, ya que estos dos tipos de enfoques tienen diferentes formas de consultas de recuperación y los formatos de consulta son diferentes. Los usuarios generalmente se sienten más cómodos con un enfoque, donde las limitaciones del software pueden no ser un problema importante para la mayor parte del trabajo realizado. Para la mayoría de los usuarios, a menudo habrá diferencias insignificantes entre los dos enfoques en términos de rendimiento.
Referencias:
[1] For more on PostGIS and software used, see: http://postgis.net/documentation/ and Mikiewicz, D., Mackiewicz, M. & Nycz, T. (2017) Mastering PostGIS: create, deliver, and consume spatial data using PostGIS. [Online]. Disponible: http://proquest.safaribooksonline.com/?fpi=9781784391645 [Acceso: 04 de octubre de 2017].
[2] For more on data usage and ease for PostGIS, see: Lijing Zhang & Jing Yi (2010) Management methods of spatial data based on PostGIS. In: [Online]. August 2010 IEEE. pp. 410–413. Disponible: doi:10.1109/PACCS.2010.5626962 [Acceso: 04 de octubre de 2017].
[3] For more on PostGIS advantages, see: Marquez, A. (2015) PostGIS essentials: Learn how to build powerful spatial database solutions with PostGIS quickly and efficiently. Community experience distilled. Birmingham, Packt Publishing.
[4] For more on the use of NoSQL and PostGIS, see: Agarwal, S. & Rajan, K.S. (2016) Performance analysis of MongoDB versus PostGIS/PostGreSQL databases for line intersection and point containment spatial queries. Spatial Information Research. [Online] 24 (6), 671–677.
[5] For more on scalability of database approaches, see: Pokorny, J. (2013) NoSQL databases: a step to database scalability in web environment. International Journal of Web Information Systems. [Online] 9 (1), 69–82. Disponible: doi:10.1108/17440081311316398.
Traducido desde: GIS Lounge
Muchas gracias por compartir este conocimiento.
Ya me anoté «NoSQL» para seguir investigando sobre cuál herramienta utilizar.
Gracias nuevamente