在上篇博客（geotrellis使用初探）中简单介绍了geotrellis-chatta-demo的大致工作流程，但是有一个重要的问题就是此demo如何调取数据进行瓦片切割分析处理等并未说明，经过几天的调试、分析、源代码研读终于大致搞明白了其数据调取方式，下面简单介绍。
经过调试发现系统第一次调用数据的过程就是系统启动的时候调用了initCache方法，明显可以看出此方法是进行了数据缓存，那必然牵扯到数据的调取，整个过程清晰明了，只新建了一个RasterSource类，并调用了相关方法。明显数据调取过程应当是使用了RasterSource类，RasterSource是一个object类，新建过程调用了其一个apply方法：
def apply(name: String): RasterSource =
RasterSource(LoadRasterDefinition(LayerId(name)), None)
此方法其实调用了另一个方法
def apply(rasterDef: Op[RasterDefinition], targetExtent: Option[RasterExtent]): RasterSource = {
val (rd, tileOps) =
targetExtent match {
case reOp @ Some(re) =>
( rasterDef.map(_.withRasterExtent(re)),
rasterDef.map { rd =>
Seq(LoadRaster(rd.layerId, reOp))
}
)
case None =>
( rasterDef,
rasterDef.map { rd =>
(for(tileRow <- 0 until rd.tileLayout.layoutRows;
tileCol <- 0 until rd.tileLayout.layoutCols) yield {
LoadTile(rd.layerId, tileCol, tileRow)
})
}
)
}
new RasterSource(rd, tileOps)
}
由此可以看出LoadRasterDefinition(LayerId(name))完成的就是获取一个Op[RasterDefinition]对象。
通过此方法经过N步的追踪之后终于在DataSource类中找到了这么一个方法
def getRasterLayer(name:String):Option[RasterLayer] = layers.get(name)
有戏，看方法名字就知道是获得栅格层，那么主要就在layers身上了，layers怎么来的呢，上面有定义
private def initDirectory(d:File) {
val skipDirectories = mutable.Set[String]()
for(f <- d.listFiles
.filter(_.isFile)
.filter(_.getPath.endsWith(".json"))) {
// It's a JSON file
// which may contain layer metadata,
// or we just ignore it.
RasterLayer.fromFile(f) match {
case Success(layer) =>
layers(layer.info.id.name) = layer
// Skip the tile directory if it's a tiled raster.
layer match {
case tl:TileSetRasterLayer =>
skipDirectories.add(new File(tl.tileDirPath).getAbsolutePath)
case _ =>
}
case Failure(e) =>
System.err.println(s"[ERROR] Skipping ${f.getPath}: $e")
}
}
// Recurse through subdirectories. If a directory was marked
// as containing a tile set, skip it.
for(subdir <- d.listFiles
.filter(_.isDirectory)
.filter(f => !skipDirectories.contains(f.getAbsolutePath))) {
initDirectory(subdir)
}
}
看到这个是不是就豁然开朗了，原来这里是直接扫描给定的文件夹下的所有json文件，那么这个路径是怎么传进来的呢？找了半天未能找到何时传入了d（即数据路径），不过改变demo中的data文件夹的名字发现报错，并未能成功加载数据，说明是某个地方传入了该文件夹，然后通过查找log发现是GeoTrellis类中报的错，通过分析可以看出其默认获取resource文件夹中的application.conf中的
geotrellis.catalog配置信息，该信息的值为data/catalog.json，此文件具体存在，其中内容如下
{
"catalog": "Catalog of Chattanooga data",
"stores": [
{
"store": "chatta:albers",
"params": {
"type": "fs",
"path": "arg_albers",
"cacheAll": "yes"
}
},
{
"store": "chatta:wm",
"params": {
"type": "fs",
"path": "arg_wm",
"cacheAll": "yes"
}
}
]
}
由此可以看出该文件完成了Catalog类和DataSource类定义的实例，而上文中讲到框架正是通过此类来加载数据。
这应当就是GeoTrellis框架读取数据的方式，即在application.conf配置一个catalog.json文件的地址，然后在catalog.json文件记录具体的DataSource信息，通过此信息来获取数据。
通过分析使用GeoTrellis框架下的多个demo可以发现均有catalog的踪迹，这应当是GeoTrellis读取数据的机制，catlog具体的工作模式还需后续继续研读源代码。
本文讲的比较乱，只是读demo的一点心得，后续如果有更好的想法也会随时进行修改完善。
下一步准备在此demo的基础上实现实时切割dem数据进行显示，后续心得会在总结之后继续发布到博客中。 相关链接：
一、geotrellis使用初探
二、geotrellis使用（二）geotrellis-chatta-demo以及geotrellis框架数据读取方式初探