云优化cog提出的背景是未来解决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？
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。
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。
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。
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。也就是cog格式的tiff文件
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
COG使用的两种主要的数据组织技术是瓦片和概览图，数据的压缩也使得数据在线传输变得更高效。
瓦片切片在影像中创建了内置了切片，当切片可以被在指定区域快速被获取到成为可能之后，只需要访问数据的特定部分就可以了。
概览图创建了同个影像的向下采样的多个版本。向下采样的意思是当从一个原始影像'缩小'时，有很多细节消失掉了（当前的1个像素在原始影像中可能存在100个甚至1000个像素），同时它的数据量也更小。通常一个GeoTIFF会有多个概览图来匹配不同缩放等级。这使得服务端的响应变得更快，因为渲染时只需要返回这个特定的像素值即可，无需再来找出用哪个像素值来表示这1000个像素，但是这也会使得整个文件的体积变大。
COG所需的GeoTIFF，主要技术是在文件内部构建瓦片和概览，辅以图像压缩。就是将完整的影像像拼图一样按照横竖的格网拆分成瓦片，只加载需要范围内的一个个瓦片而不是完整的巨大TIFF。
全分辨率的tiff文件格式见链接BigTIFF, TIFF breaking the 4 gigabyte boundary
GeoTIFF将瓦片和概览按规则进行组织，存放放在云端（比如用Nginx），以便HTTP范围请求可以只请求相关的文件部分。
当客户端想要渲染整个文件的概览图像时，它不必下载每个像素，它可以只请求更小的、已经创建的概览。HTTP范围请求支持服务器上的 GeoTIFF 文件的结构使客户端能够轻松找到所需的整个文件的一部分。
当整个文件的一小部分需要处理或可视化时，瓦片就会发挥作用。这可能是概览的一部分，也可能是全分辨率。但是瓦片将一个区域的所有相关字节组织在文件的同一部分，因此范围请求可以获取它需要的内容。
如果 GeoTIFF 没有通过概览和瓦片进行“云优化”，那么对数据进行远程操作仍然有效。只是当实际只需要很小一部分数据时，他们可能会下载整个文件或大部分文件。
假如在http响应头中存在 Accept-Ranges 为bytes ，那么表示该服务器支持范围请求。 Content-Length 提供了要检索的图片的完整大小。
假如服务器支持范围请求的话，你可以使用 Range 头来生成该类请求，下图示例的就是请求的该TIFF的0-65536字节。
可以使用GDAL生成COG。这里简单介绍下GDAL，它是一个基于C++的空间数据功能库，我这里有基于JAVA和Python的安装介绍，见Java安装GDAL依赖，python安装GDAL。
基于Java或Python开发可以将COG生成的功能比较方便地集成到现有工程里，除此之外也可以使用GDAL现成的脚本，这些脚本可以先按照Java安装GDAL依赖里下载的压缩包，解压后在release-1928-x64-dev
elease-1928-x64bingdalapps下找到。
使用脚本将普通tif转成COG可以这样操作：
CD到脚本目录
执行以下脚本，生成概览
执行以下脚本，生成COG
主要参数的含义：
TILED=YES 生成瓦片
COMPRESS=DEFLATE 使用DEFLATE方法压缩
COPY_SRC_OVERVIEWS=YES 从原数据中拷贝概览
6.2使用Python程序生成的代码
生成的COG有多种方法检验和查看，比如使用validate_cloud_optimized_geotiff.py检验
qgis查看
右键图层窗口里的图层对象，查看Properties，可以查看该COG的属性信息，如范围，波段信息，空间参考等
Openlayers更新了WebGLTile图层和GeoTIFFSource数据源，用geotiffjs解析tif源数据，再用WebGL渲染，实现了前端渲染GeoTIFF图像并进行波段组合，拉伸等功能。
下面是用到的组件
获取元信息
COG文件里存储的波段信息和nodata值可以通过geotiffjs获取。
注意，这里获取是为了演示功能，如果仅为了显示不需要提前获取并使用自己指定的像素真实值范围，OL的GeoTIFFSource默认开启了normalize属性，将波段像素范围自动标准化为0-1之间的比例。
结果如下：
编写渲染表达式
OL的WebGL图层使用表达式配置图层的渲染样式，具体的语法详见ExpressionValue
加载图层
显示效果