Más allá de la optimización de aplicaciones y servicios, un área igualmente importante para la mejora del rendimiento es el almacenamiento y las características de los datos que hay detrás de un servicio específico. La mayoría de los datos utilizados en los servicios web son de naturaleza tabular (a excepción de los servicios de imágenes), y con frecuencia se trata de ambos:
Tanto la geometría como los atributos pueden optimizarse para mejorar el rendimiento del servicio. Encontrará documentación adicional sobre estas áreas en la documentación de ArcGIS Pro para los ajustes que afectan al rendimiento del acceso a los datos.
Puede optimizar el uso de los atributos mediante la reducción de atributos. En pocas palabras, implica el proceso de eliminar u ocultar columnas o atributos que pueden existir en una tabla pero que no son necesarios para su aplicación o caso de uso. Puede lograrse eliminando columnas cuando no sean necesarias o desmarcándolas para su visualización en el mapa cuando se autorice su publicación, por ejemplo, para las capas de imágenes de mapa. Las vistas de capas de entidades alojadas también se pueden configurar para excluir atributos que no son necesarios para un caso de uso específico.
La indexación de atributos es otra consideración importante, principalmente cuando las columnas se utilizarán para filtrar o consultar en una aplicación. La indexación permite realizar consultas más rápidas y eficientes cuando los filtros de la solicitud se basan en un atributo conocido o se consulta por un atributo basado en texto, números o fechas, y agregar índices de atributos es una forma excelente de aprovechar la tecnología de optimización ya incorporada en las bases de datos relacionales. Los índices de atributos se pueden agregar en un nivel de geodatabase para clases de entidades y como una propiedad del servicio para capas de entidades alojadas.
Las columnas geométricas también pueden optimizarse de varias formas importantes, en función del caso de uso y los requisitos de los datos. Una opción es la generalización espacial, a menudo también denominada simplificación, que es un proceso de simplificación, suavizado o reducción del nivel de detalle de una representación geométrica, como una línea o un polígono, para reducir el tamaño de la característica y los requisitos de almacenamiento y procesamiento. Este proceso puede completarse de forma permanente, si los datos originales son demasiado precisos o demasiado detallados en cuanto a los vértices incluidos, o podría completarse en una copia de solo lectura de los datos que se utilice para la visualización, conservando todos los detalles en los datos de origen.
La idea de reducir la precisión espacial está estrechamente relacionada: se refiere al tipo de dato geométrico o geográfico, que suele almacenar un valor decimal para las coordenadas reales de cada vértice de una entidad, como 124999.24541512. Este valor representa una unidad lineal, que varía en función del sistema de coordenadas del dataset, pero que podría ser tan grande como grados decimales o tan pequeña como pies o metros. En cualquier caso, garantizar que la precisión espacial captada refleja el caso de uso real de los datos puede ser importante tanto por razones funcionales como de rendimiento.
Para datos en un sistema de coordenadas con una unidad lineal basada en metros, una geometría almacenada como (123456.789101112, 234567.891011121) tiene 9 dígitos decimales de precisión, equivalentes a una precisión de nivel nanométrico. Si una unidad GPS con una precisión de 1 m (de media) captura los datos, entonces esta precisión está sobrevalorando la precisión real de la medición en un factor significativo. Reducir la precisión espacial del conjunto de datos eliminando la parte decimal no solo es más exacto, sino que reducirá el tamaño de la geometría cuando se transfiera en una solicitud de red en un 50 %, lo que ayuda en todo, desde los procesos de serialización hasta las limitaciones de ancho de banda. Utilizar una precisión espacial apropiada es especialmente importante con las entidades poligonales muy detalladas, ya que el número de vértices puede alcanzar rápidamente los miles de registros, y el impacto resultante en el rendimiento del servicio es significativo.
Más allá de los ajustes de atributos y geometría, otros planteamientos de almacenamiento de datos de nivel superior pueden ayudar a optimizar el rendimiento, entre ellos: