考虑将shp格式的地图数据发布到webgis上去的想法有一段时间了，正好有空闲时间便忙碌开来，没想到期间遇到了诸多的问题
1.开发工具:
Geoserver,Openlayer,Ext-js,Postgres/Postgis,Python2.6,PIL,TileCache
2.地图数据
我的地图数据是08年的全国地图，按每个省市分隔开来，每个省市又分了若干个图层文件，格式是mapinfo的Tab，容量10G
由于没有全国大比例图，在偶然的一个机会从网上下载到一份C/S的监控系统，没想到安装目录内就有一份全国图，就是比例不高。
3.处理过程
1.Tab转换成shp: Ogr工具可以完成这两种格式的转换，编写python脚本可以轻易处理完
在转换数据之前需要提醒的是，发现在处理多边形图层时，这个多边形图层并不是简单的多边形，也就是那种mapinfo允许存在polygon和pline的图层，这将导致之后的导入空间数据库的失败，因为postgis要求每个图层数据类型必须是一致的，不能存在多种类型，所以编写mapbasic脚本，将这些pline对象从这多边形图层中剔去即可。
2.数据校验： 这个过程非常重要，任何提供的的矢量数据都有可能存在错误数据，所以第一步必须要修复这些可能存在的错误，工具就是ＡｒｃＧｉｓ,使用其工具对每个省市的每个图层文件进行修复。
3.导入空间数据库： 编写脚本，将ｓｈｐ数据转成ｓｑｌ文件，此时必须注意空间数据库的字符编码与ｓｑｌ数据字符编码要吻合或者能够自动转换。ｐｇ２ｓｑ由于转换成ｓｑｌ时，由于ｓｈｐ数据中某些图层表存储的字符编码不统一导致产生的非法的ｓｑｌ数据，所以必须对这些数据进行修正，并采用ｕｌｔｒａｅｄｉｔ将数据进行转码成数据的字符集类型，我使用的是utf-8.
4.数据分离： 由于提供的全国地理数据是没有根据应用来分层的，所有的道路都合在同一个叫road的图层内，然后通过属性来区分道路的级别，由于我们在控制显示道路时是需要分层分级别的，所以必须将这些数据要分离成不同的道路图层，道路共10级别（0-9），编写脚本将每个省市的道路切割成road_?10级道路层(select into即可搞定)。
同样，除了道路之外还有其他的比如河流，POI对象等都需要进行分割到不同图层以便更精确的现实控制。
5.配置Geoserver： 数据都有了，接下来就是配置绘制引擎了。Geoserver提供WFS,WMS服务，性能一般，由于是java开发的。不管3721，配置了最新的I5主机，将java虚拟机的内存设置的最大，将postgis的数据库内存也足够调大。手工添加了1，2个图层到geoserver，preview一下，ok！
接下来编写控制这些图层的SLD了，这些花了好些时间学习和开发（学习sld对我以前开发嵌入式地图引擎风格配置也是一种帮助，之后的嵌入式地图引擎也全部使用sld进行配置了！）
由于全国数据分31个省市，每个省市都配置了21个图层，所以要人工11加到geoserver还真是很大的问题，不过没关系，有python在手，然后对geoserver的配置文件研究了一把便写了脚本将几百个图层全加了进去，然后将这些图层按省市进行分组，再次Preview，ok！
6.Cache Tile生成: 使用过GeoWebCache，发现很多地方实在不好理解，幸好找到了TileCache，代码也容易修改，研读了TileCache代码之后修改了N处地方，把效率提高了10倍以上。现在的问题在于Tilecache实现了Disk Cache,Memory Cache,但就是没有DB cache，每个tile将创建一个文件，如果这些文件很小，有的甚至才几十字节也要浪费一个文件块空间，效率不高，如果采用db的话空间就能节省很多，等以后有了时间自己编写一个后端为postgres的Tile Cache吧。
Tile Cache生成有些问题要注意：
１. 空白ｔｉｌｅ： 由于我设置的绘制设置的BBox非常大，所以在绘制的时候有些空白区域也将提交给geoserver进行处理，这样浪费了处理时间，同时这些产生的小规格图块大大占据了磁盘空间，所以修改的代码将不存储这些空白tile，仅仅存储这些tile的文件名称，而不保存内容
２. tilecache的Resolutions，ZoomLevels，BBox和Openlayers的属性必须一样，否则Opnelayers无法显示正确的tile
3. tile相交检测： 同样是空白区域的绘制，如果每次都提交给geoserver的话，geoserver将根据配置的layer去相交并绘制一次，这就完全没有必要的，我的解决方式就是提前将31个省市产生他们的MBR，然后再tile进行提交给geoserver之前，将请求的tile的bbox与这些省市的mbr进行相交测试，只有相交的图层才送入geoserver绘制
4. 大网格绘制： 每次以256×256的规格给geoserver绘制全国图的话效率实在太低，之后修改成2048×2048规格，整体的绘制效率上升了n倍，绘制完了之后采用split_tile.py将这些大块切割成256规格的小块，必须注意产生的序号
写得好累