En intégrant Examind Datacube à votre infrastructure de données, vous étendez ses capacités à exploiter en temps-réel de très grands volumes de données géoréférencées.
Le Datacube offre une interface unifiée pour accéder à une grande diversité de fichiers et de types de bases de données
En s’appuyant sur le standard OGC GeoAPI, Examind Datacube permet d’interconnecter des technologies d’analyses et de traitements géographiques en Java aussi bien qu’en Python.
L’utilisation conjointe d’Examind Server avec le Datacube et un notebook, permet d’élaborer un atelier de GeoDatascience apportant une visualisation en temps réel des résultats d’algorithmes élaborés.
Au centre de votre infrastructure, Examind Datacube indexe les ressources disponibles sur les Datalakes cibles. Extension complète capable d’administer une grande variété de formats géospatiaux, elle permet à des librairies de gérant pas pas nativement ces formats de manipuler les données.
+ rajouter preuvre
Examind Datacube dispose de mécanismes avancés (indexation, lecteur de données optimisées, scalabilité…) pour l’extraction et la transformation à la volée de la donnée tout en garantissant les performances. L’entiereté du DataLake peut donc être exploitée sans préparation préalable de la donnée.
+ rajouter preuve
L’ensemble des données est accessible au travers de produits pour lesquels vous choisissez la granularité et la structure
Manipulez ces données en 2D, 3D voire 4D grâce à des API programatiques ou des services de diffusions standards OGC
+ rajouter preuve
CS-W & STAC : pour la gestion de données et métadonnées
WMS et WMTS : pour la visualisation des données avec les services classiques
WCS : pour la diffusion de donnée Coverage
WFS : pour la diffusion de données vecteur
SOS et SensorThings : pour la diffusion de données d’observation et la récupération d’information auprès d’objets connectés
WPS : pour la mise en place de traitements distribués
Profitez d’un grand nombre de traitements pour l’extraction et la manipulation des données qui peuvent être combinés à des librairies tierces via les API du DataCube, vous permettant ainsi de prototyper, puis passer en production le traitement qui répond parfaitement à votre besoin.
Le prototypage peut être réalisé au travers de Notebook (Jupyter ou Zepellin).