Neben der Anwendungs- und Serviceoptimierung sind die Speicherung und die Eigenschaften der Daten hinter einem bestimmten Service ein ebenso wichtiger Bereich für die Performance-Verbesserung. Die meisten Daten, die in Web-Services verwendet werden, sind tabellarischer Natur (mit Ausnahme von Image-Services) und umfassen in den meisten Fällen die beiden folgenden Elemente:
Sowohl die Geometrie als auch die Attribute können optimiert werden, um eine verbesserte Service-Performance zu unterstützen. Weitere Dokumentation zu diesen Bereichen finden Sie in der ArcGIS Pro-Dokumentation für Einstellungen, die zu Performance-Beeinträchtigungen beim Datenzugriff führen.
Sie können die Verwendung von Attributen durch Attributreduzierung optimieren. Vereinfacht ausgedrückt bedeutet dies, dass Spalten oder Attribute, die in einer Tabelle vorhanden sein können, aber für Ihre Anwendung oder Ihren Anwendungsfall nicht benötigt werden, entfernt oder ausgeblendet werden. Dies kann erreicht werden, indem nicht benötigte Spalten entfernt werden, oder indem diese Spalten für die Anzeige in der Karte deaktiviert werden, wenn sie für die Veröffentlichung erstellt wurden, z. B. für Kartenbild-Layer. Sichten von gehosteten Feature-Layern können auch so konfiguriert werden, dass die für einen bestimmten Anwendungsfall nicht benötigten Attribute ausgeschlossen werden.
Die Attributindizierung ist ein weiterer wichtiger Aspekt, vor allem wenn Spalten zum Filtern oder Abfragen in einer Anwendung verwendet werden. Die Indizierung ermöglicht schnellere und effizientere Abfragen, wenn die Anforderungsfilter auf einem bekannten Attribut basieren oder ein Textattribut, ein numerisches Attribut oder ein datumsbasiertes Attribut abgefragt wird. Das Hinzufügen von Attributindizes ist eine hervorragende Möglichkeit, die bereits entwickelte Optimierungstechnologie in relationalen Datenbanken zu nutzen. Attributindizes können auf Geodatabase-Ebene für Feature-Classes und als Eigenschaft des Service für gehostete Feature-Layer hinzugefügt werden.
Geometriespalten können auch auf mehrere wichtige Arten optimiert werden – je nach Anwendungsfall und Anforderungen an die Daten. Eine Option ist die räumliche Generalisierung, die häufig auch als Vereinfachung bezeichnet wird und bei der die Detaillierungsebene einer geometrischen Darstellung, z. B. einer Linie oder eines Polygons, vereinfacht, geglättet oder reduziert wird, um die Größe des Features und die Speicher- und Verarbeitungsanforderungen zu reduzieren. Dieser Prozess kann dauerhaft durchgeführt werden, wenn die ursprünglichen Daten in Bezug auf die enthaltenen Stützpunkte zu genau oder zu detailliert sind, oder er kann mit einer schreibgeschützten Kopie der Daten durchgeführt werden, die für die Visualisierung verwendet wird, während die Detailtiefe der ursprünglichen Daten vollständig erhalten bleibt.
Eng verwandt ist die Idee der Reduzierung der räumlichen Genauigkeit, die sich auf den geometrischen oder geographischen Datentyp bezieht. Bei diesem wird in der Regel ein Dezimalwert für die tatsächlichen Koordinaten jedes Stützpunktes eines Features gespeichert, z. B. 124999.24541512. Dieser Wert stellt eine lineare Einheit dar, die abhängig vom Koordinatensystem des Datasets variiert und so groß wie Dezimalgrad oder so klein wie Fuß oder Meter sein kann. In jedem Fall kann es sowohl aus funktionalen Gründen als auch aus Performance-Gründen wichtig sein, sicherzustellen, dass die erfasste räumliche Genauigkeit den tatsächlichen Anwendungsfall der Daten widerspiegelt.
Für Daten in einem Koordinatensystem mit einer meterbasierten linearen Einheit hat eine Geometrie, die als (123456.789101112, 234567.891011121) gespeichert ist, eine Genauigkeit von 9 Dezimalstellen, was der Genauigkeit auf Nanometerebene entspricht. Wenn die Daten von einem GPS-Gerät mit einer Genauigkeit von einem Meter (im Durchschnitt) erfasst werden, dann überschätzt diese Genauigkeit die tatsächliche Genauigkeit der Messung um einen signifikanten Faktor. Das Verringern der räumlichen Genauigkeit des Dataset durch Entfernen des Dezimalteils ist nicht nur genauer, sondern es reduziert auch die Größe der Geometrie bei Übertragung in einer Netzwerkanforderung um 50 %, was in vielerlei Hinsicht, von Serialisierungsprozessen bis hin zu Bandbreiteneinschränkungen, hilfreich ist. Die Verwendung einer angemessenen räumlichen Genauigkeit ist besonders wichtig bei sehr detaillierten Polygon-Features, da die Anzahl der Stützpunkte schnell Tausende von Datensätzen erreichen kann und die daraus resultierenden Auswirkungen auf die Service-Performance erheblich sind.
Über Attribut- und Geometrieanpassungen hinaus können auch andere Datenspeicherungsansätze auf höherer Ebene zur Optimierung der Performance beitragen, z. B.: