Mengukur perbedaan kinerja antara Gabung dan Tambah di ArcGIS Desktop?


12

Seringkali saya menemukan diri saya dalam situasi di mana saya tidak peduli apakah alat saya menghasilkan kelas fitur baru atau tidak, tetapi saya peduli berapa lama waktu yang diperlukan untuk menggabungkan semua set data besar saya. Apakah perlu waktu lebih lama untuk menghasilkan kelas fitur baru menggunakan alat Gabung alih-alih alat Tambah, atau apakah Gabung dan Tambahkan pada dasarnya sama dalam hal kinerja?


2
Beberapa Bukti Anekdotal: Saya selalu menemukan Merge menjadi lebih cepat, terutama ketika berhadapan dengan sejumlah besar fitur.
Devdatta Tengshe

tapi Tambah berfungsi paling baik bila Anda memiliki domain dan subtipe yang telah ditentukan.
Mapperz

Jawaban:


6

Menggabungkan mengambil geometri dan atribut dan menggabungkan (menggabungkan) seluruh dataset ke dalam dataset fitur baru. masukkan deskripsi gambar di sini

Tambah adalah cara yang baik untuk menggabungkan data ekstra ke dataset yang sudah ada - ia dapat memiliki opsi untuk mengontrol subtipe fitur yang ditambahkan.

http://resources.arcgis.com/en/help/main/10.1/index.html#//00170000005500000000

Perbedaan utamanya adalah

Jika TES Jenis Skema ditentukan, skema (definisi bidang) dari dataset input harus cocok dengan dataset target agar fitur yang akan ditambahkan. Jika Jenis Skema NO_TEST ditentukan, masukkan skema dataset (definisi bidang) tidak harus cocok dengan dataset target. Namun, setiap bidang dari dataset input yang tidak cocok dengan bidang dari dataset target tidak akan dipetakan ke dataset target kecuali pemetaan secara eksplisit diatur dalam kontrol Peta Bidang.

subtipe (Opsional) Deskripsi subtipe untuk menetapkan subtipe itu ke semua data baru yang ditambahkan ke dataset target.

http://resources.arcgis.com/en/help/main/10.1/index.html#//001700000050000000

masukkan deskripsi gambar di sini

Anda mungkin tertarik dengan 'Pemrosesan ubin dari kumpulan data besar'

http://resources.arcgis.com/en/help/main/10.1/index.html#//01m10000000r000000


1
Saya menyadari perbedaan antara alat-alat, tetapi saya bertanya-tanya apakah perbedaan ini menyebabkan perbedaan yang signifikan dalam waktu pemrosesan. Saya biasanya menggunakan NO_TEST ketika menggunakan alat append karena saya memastikan bahwa definisi bidang saya cocok sebelum menambahkan / menggabungkan.
MTerry

5

Ambil jawaban ini berdasarkan pada alat itu sendiri dan bukan patokan yang sebenarnya:

Alat gabungan menciptakan kelas fitur baru, yang membutuhkan waktu sendiri, sebelum menggabungkan dua set data.

Alat append dengan opsi TEST mengasumsikan bahwa kedua set data memiliki bidang yang sama (nama bidang) dan cram bersama-sama tanpa harus membuat kelas fitur baru (terdengar lebih cepat).

Alat bantu dengan opsi NO TEST memungkinkan pemetaan bidang untuk menggabungkan kelas fitur seperti yang mungkin memiliki nama bidang yang berbeda. Ini membutuhkan beberapa pengujian bersyarat di balik layar, yang akan memakan waktu lebih lama.

Ketika ukuran dataset bertambah, jumlah waktu yang diperlukan untuk membuat fc baru tampaknya tidak signifikan. Satu-satunya cara untuk mengetahui dengan pasti adalah melakukan benchmark dengan dataset besar Anda dan memposting jawabannya di sini!

Saya menduga perbedaannya tidak jauh lebih pada apa yang Anda inginkan dari alat pada akhirnya (pemetaan lapangan vs kelas fitur baru vs tidak ada kelas fitur baru)


0

Saya hanya menjalankan ketiga varian. Saya selalu menggabungkan 63 shapefile yang sama. Setiap shapefile berisi sekitar 63000 poin yang dibuat dari operasi RasterToPoint. Semua shapefile memiliki tabel atribut yang sama.

Varian yang berbeda membutuhkan waktu berikut untuk dikompilasi:

  • Gabungkan: 13 mnt 57 dtk
  • Tambahkan dengan TEST: 8 menit 34 detik
  • Tambahkan dengan NO_TEST: 9 mnt 12 dtk

Sepertinya Tambah dengan TEST sebagai parameter input adalah yang tercepat. Jelas pilihan yang Append untuk gunakan tidak tergantung pada kecepatan tetapi lebih pada file input Anda seperti yang dijelaskan di atas.

Semoga bermanfaat.

Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.