COG云原生优化遥感影像，瓦片切分的最佳实践
摘要：云上遥感影像文件Cloud optimized GeoTIFF（COG）格式的详细介绍，大量数据上云面临的挑战，并分享了获得云原生影像最佳性能的实践经验。
本文分享自华为云社区《COG云原生优化遥感影像，瓦片切分的最佳实践》，作者： tsjsdbd 。
1 遥感影像文件格式
遥感影像就是地球自拍照，一般文件很大，一张文件5GB左右。
这些影像文件大多数都保存为 TIFF 格式（而不是JPEG），因为TIFF格式记录的内容是比较原始的多个波段的信息，也不会因为压缩丢失信息。
1.1 TIFF格式
这里分享一下 TIFF文件的格式：
TIFF是一个灵活适应性强的文件格式，能够在一个文件中保存多幅图像。然后每幅影像带一个标签目录（多个标签），记录它的像素深度、每像素波段信息，RGB编码等详细信息。
注意：上图属性之间没有顺序要求，都通过offset查找。实际上是链表的形式：
因此，TIFF文件内部各Block块之间的顺序可以很灵活自由。
1.2 TIFF标签目录格式
每幅影像，带有一组标签目录，记录该图形的各种属性。
标签目录的格式如下：
每个标签（属性），由于信息内容不一样，其值大小有区别。有些信息小，它的标签值（Value）直接在标签里面。有些信息量比较大的，它的标签值（Value），在标签里放不下，需要记录在文件的其他位置上，通过offset便宜对应。
1.3 TIFF单标签格式
1个标签，就是记录图片的一个属性。主要是：属性名+属性值。
具体格式如下：
一般一幅图片，大概10几个属性。
可以看到，整个TIFF文件，是分块分散的记录图像数据的。所有信息之间都是通过offset偏移量关联。
ps：这里我先给“分块分散”标个粗。 这是它灵活性的优势，也是后续主题要讨论的。
关于TIFF详细格式，可参考：https://www.jianshu.com/p/ff32eb09ed3d
1.4 GeoTIFF格式
正是因为TIFF这种标签化的格式，非常的好扩展，为图片添加地理信息也很方便。 所以GeoTIFF就在TIFF的标签规范里面，增加一系列（地理信息相关的）扩展标签，用来记录一幅影像的地理坐标信息。
可以看到，一个GeoTIFF，也是正常的TIFF文件。所以它的内容，也是分散分块在文件内保存的。只是多了一系列的地理信息标签。
所有标签解释，见：https://www.loc.gov/preservation/digital/formats/content/tiff_tags.shtml
1.5 TIFF格式灵活
由于TIFF文件内部都是链表的形式，所以文件标准中并没有要求各Block块之间彼此的顺序。
有时候它是这样的：
更常见的则是这样的：
少数还有可能是这样的：
无论哪种组织形式，都是符合标准的TIFF文件。
1.6 TIFF文件调试
由于我个人的编程语言是GO语言，所以这里我选用了https://github.com/google/tiff
这个包（谷歌开源的TIFF文件解析包），函数调用使用 tiff.Parse() 就行。
解析完打个断点，就可以看到TIFF文件的各种属性啦：
上图可以看到，当前分析的这个TIFF文件里面，有5幅图片。
如上图，第一幅图片，有21个属性。这是原始图片，带有地理信息属性（标签ID值大于3000），各属性如下：
其余的4幅，都只有15个属性。是 overview，没有地理信息，单纯的图片（不带Geo地理属性，标签ID都是 2xx~3xx的），如下：
我们打开其中一个标签，看它的值：
这里看到这个属性ID是256，查询规范：
得知这个表示图片的宽度，然后大小端属性，我们算出：第2个字节是28，第1个字节是174，实际值等于：28 * 256 + 174 = 7342 像素的宽度。
可以查看实际图片的像素，就是 7342。
其余属性，都可以按照这个方式一一查看。
2 遥感影像上云面临的问题
遥感影像的特点，主要是大。一般一张图片在5~10GB，单卫星每天增加TB级，全球每天增加PB级。随着卫星传感器精度增加，单个影像文件越来越大。
大，带来的问题就是不容易保存，本地数据中心存不下，就得上云。但是大量的遥感数据上云后，面临不少挑战：
- 大量的既有软件，无法远程读取云上的（特别是对象存储，如S3）影像文件。必须先Download到本地，然后才能打开分析。
- 即使为软件增加S3驱动。远程分析一个文件，也不得不全量读取文件内容（因为它是链表式的文件）。注意这个是通过网络进行的，所以很影响效率。
- 单独取影像文件中的部分区域（瓦片，或者缩略图），也不得不全量下载or访问整个文件。即使瓦片仅占全影像的1/N。
所以，能不能在访问云上的遥感影像数据的时候，只访问部分（尽可能小的）内容呢？
2.1 GeoTIFF适合云的优化
要达成这个目的，需要有以下能力：
- 云存储协议上支持以 Range方式读取云上的文件。
- GeoTIFF影像文件，支持先读取“所有标签数据”，然后以Offset偏移读取目标数据。
这2个条件里面的第1个，目前各大云厂商的对象存储（如S3）都已经支持。
关键是第2个条件。首先，能不能把GeoTIFF的“元数据”，全部放到文件头部，把实际Data数据放到文件尾部。
即：
这样的话，访问一个超大的GeoTIFF遥感影像，只需先发送HTTP GET获取文件头部16K字节，然后文件中剩余内容位置就都知道了。接下来想要访问什么，再根据偏移，发送HTTP GET访问目标XX字节的影像数据，就够了。
然后，将图像切成小片，可以根据“瓦片”的方式访问目标区域。因为已经有了头部的标签信息，所以再访问具体区域，只需要根据Offset，直接读取云上文件的指定偏移就行。
即：
在这种模式下，该遥感影像文件，还是一个标准的GeoTIFF格式，只是它更适应云化访问。
2.2 COG格式（Cloud optimized GeoTIFF）
为了让云优化的GeoTIFF格式更加的普及，专门成立了COG（Cloud optimized GeoTIFF）标准。规范可以参考：https://www.cogeo.org/
介绍文章可以参考：https://medium.com/planet-stories/cloud-native-geospatial-part-2-the-cloud-optimized-geotiff-6b3f15c696ed
目前该标准得到了业界很多公司的认可：
重要的是，一个COG影像文件，也是一个标准的 GeoTIFF文件，可以兼容已有的各种软件生态。
TIFF 和 GeoTIFF和COG 这三种文件格式之间的关系。
3 COG文件最佳实践
有了COG文件格式的背景介绍，接下里我们详细分析一下一个COG文件，怎么样才能做到云化性能最优？
3.1 取文件头字节数
一幅影像文件，目前远程读取的最常用的底层库就是 gdal了。它在第一次访问文件的时候，默认是先取 16KB的内容。大多数的GeoTIFF文件头，取16KB肯定是够了的，如下（取1次头就可以Open）：
但是也有些GeoTIFF文件信息太多，使得文件头很大。gdal就会不得不再次取一次文件头，如下图（取了2次头才能Open）：
2次HTTP请求，才能获得完整的TIFF文件头，显然访问效率大打折扣。
这个时候，就得通过底层 gdal库的配置，来控制首次获取文件头的字节数了。
环境变量：GDAL_INGESTED_BYTES_AT_OPEN=2000
可以使得首次请求的时候，获取更大的文件头，如下图：
但是如果影像文件的实际头都很小，你首次取太大肯定也浪费。
所以请根据自己的影像规格，以及影像的属性，恰当的选择首次取文件头的字节数。避免每次都额外发送一次HTTP请求，浪费效率。
3.2 瓦片大小的影响
一图影像，举个例子，原始像素是 512*512的图片。
如果我们按照 256*256的Tile（瓦片）进行保存，那么就会有4个瓦片。
如果按照 512*512的Tile（瓦片）保存，那么只有1个瓦片。
这2种保存方式，会导致文件头需要记录的“信息量”不一样。4个瓦片，就得记录4个偏移量。1个瓦片则只需要记1个偏移量。
这里以一个5GB左右大小的GeoTIFF文件举例，按照128*128像素进行瓦片，那么所有的瓦片偏移值如下：
（标签ID=324，代表TileOffsets，值为8字节的整型。）
所以为了记录所有瓦片信息：65905(瓦片数) * 8(字节) = 527240，就要520KB。
如果按照256*256的瓦片保存，则可以直接减少到1/4，记录所有瓦片的偏移信息只需要520KB / 4 = 130KB。可见适当加大瓦片面积，可以缩小TIFF文件头大小。
但是瓦片又不能太大，因为这会影响取局部区域的像素效率问题。
如下图举例：
如果目标区域在一个小瓦片范围内，则瓦片大小为256*256的话，取回的文件内容，就很小。 而512*512的话，一次取回就得整个大瓦片。显然网络传输效率会降低很多。
4 瓦片大小性能分析
下面我们详细分析性能vs瓦片大小的影响，分别以：
- gdal默认tile大小256*256。
- rio默认tile大小 512*512。见：https://github.com/cogeotiff/rio-cogeo
gdal命令：
gdal_translate input.tiff output.tiff \
-co TILED=YES -co COPY_SRC_OVERVIEWS=YES -co COMPRESS=LZW
rio命令：
rio cogeo create input.tif output.tif
如果你仅有gdal，也可以通过以下命令：
gdal_translate input.tif output.tif \ -co TILED=YES -co COMPRESS=LZW -co COPY_SRC_OVERVIEWS=YES \ -co BLOCKXSIZE=256 -co BLOCKYSIZE=256 \ --config GDAL_TIFF_OVR_BLOCKSIZE 256
来控制瓦片大小。
gdal命令，可以通过docker直接获得：
docker pull osgeo/gdal
启动gdal容器的时候，只需要使用 -v 将主机目录，挂载到容器内就行。例如我的：
docker run -it -v /home/tsjsdbd/cog/:/tmp/cog/ osgeo/gdal /bin/bash
这样容器里面的/tmp/cog目录下，就可以看到主机/home/tsjsdbd里的tiff文件了。
下面来对2种做对比，详细操作如下:
4.1 取一个像素
512*512瓦片：
第2次通过HTTP响应取回来：105119744-105840639 = 720,895 字节
256*256瓦片：
可以看到，第2次请求的内容，小很多：139476992-139722751 = 245,759 字节
对比发现，256的瓦片，第2次HTTP响应只有1/3，延时也是优势明显。
4.2 取一块区域
512*512瓦片：
第2次通过HTTP响应取回来：32522240-33095679 = 573,439 字节
256*256瓦片：
同样的，第2次取的内容，小很多：41402368-41533439 = 131,071 字节
同样，256的瓦片，第2次HTTP响应大小只有1/3，延时也是优势明显。
4.3 512瓦片性能
官方测试报告里面（见：https://trac.osgeo.org/gdal/wiki/CloudOptimizedGeoTIFF ）
显示 512*512 的瓦片大小，性能更优，是因为，
256*256的小瓦片，导致TIFF文件头太大了。第1次16KB取不完，又取了1次导致的。
Ps：首次取的字节数，是可以通过配置控制的。
所以实际业务场景下，具体以多大的瓦片划分，要根据项目影像图片特征适当的调整。
4.4 性能小结
性能对比看，256*256的小瓦片，在做局部在线Web预览加载时，性能更优异。
但是 256*256 的瓦片，意味着瓦片数量更多，TIFF文件头更大，因此需要适当控制“首次取文件头字节”配置。
上述GDAL操作步骤可以参考：https://trac.osgeo.org/gdal/wiki/CloudOptimizedGeoTIFF
其他GADL配置调优可参考：https://developmentseed.org/titiler/advanced/performance_tuning/
5 COG的未来
分享了GeoTIFF影像文件上云后的一系列最佳实践后，我们探讨一下，未来在COG性能方面，有没有云厂商提供更加深度优化方式呢？
可以想到的有：快速的获得COG文件头大小，使得首次HTTP请求，精确取想要的数据，不浪费额外的网络报文。不过这种就需要对象存储提供一些定制能力了。
COG已经是业界普遍认可的云原生的遥感影像数据格式，未来一定可以更加的普及，并且发挥更大的价值。其他有好的想法，也欢迎探讨分享。
华为云地理遥感平台GeoGenius，经过多年的技术项目积累，采用了业界最佳的云原生的遥感影像管理实践，并且提供端到端最优的性能体验，欢迎领域同行了解使用。
详见：https://www.huaweicloud.com/product/geogenius.html
