次世代实景三维可视化引擎
集二三维GIS可视化引擎、大数据可视化引擎、AR/VR可视化引擎三大可视化引擎于一体，具备基于数据湖的多源数据实时接入、基于智能推荐的专题地图在线定制、可视化场景智能装配等核心能力，通过提供丰富的可视化模板，满足多种业务场景下的跨终端二三维一体化展示需求。
经典案例
G-Insight 空间大数据分析引擎
内置多个时空大数据分析算法模型库，通过可视化的大数据分析建模方式，快速构建面向不同行业、个性数据、特色业务的大数据计算分析场景，实现以数据驱动、以业务赋能、以场景承载的空间大数据分析挖掘能力。
主要特点
丰富的业务分析模型库
覆盖土地利用、空间规划、国土资源双评价、监测监管、政务服务等多个领域，累积200+业务模型并可持续扩展
开放的分析算法扩展能力
采用开放的分析处理插件集成机制，支持外部专题算法模型动态接入，支持指标评价体系动态拓展
灵活的分析流程定制能力
支持图形化的分析处理流程设计，拖拽式完成复杂分析流程定制，满足业务快速调整需要
实时的分析成果输出能力
基于空间大数据计算引擎，实现分析流程的自动执行和分析结果的实时输出，所想即所得
基础分析模型库
基础分析模型对应于最小粒度的插件实体，为时空大数据挖掘分析系统提供通用空间分析、关联规则分析、地统计、预测分析等大数据分析挖掘能力。
下划线：
图片投影色：
空间数据转换
下划线：
图片投影色：
度量分析
下划线：
图片投影色：
提取分析
下划线：
图片投影色：
插值分析
下划线：
图片投影色：
叠加分析
下划线：
图片投影色：
邻域分析
下划线：
图片投影色：
空间统计分析
下划线：
图片投影色：
汇总统计分析
下划线：
图片投影色：
三维表面分析
下划线：
图片投影色：
栅格分析
下划线：
图片投影色：
智能分析
......
业务分析模型库
业务分析模型库对应于工作流，在通用分析挖掘模型的基础上，依托业务逻辑和专家知识联结构建插件，为业务分析挖掘应用提供支撑，如在基础空间分析与统计模型的基础上，采用工作流设计实现国土资源承载力评价模型、耕地适宜性评价模型等。
可视化流程建模
分析挖掘引擎支持可视化流程建模，用户可通过轻松拖拉拽组件的操作，进行数据分析挖掘流程的可视化建模，完成业务流程的搭建，并对构建的模型进行发布和管理，将发布的模型设为私有或进行共享。通过对数据源进行重新组织分类，对分析参数和流程进行实时调整，可形成不同的分析业务主题，并实时预览和输出分析结果，达到“所见即所得”的效果。
G-Server空间大数据服务引擎
新一代地理信息服务技术，提供基础地图服务、矢量瓦片服务、影像动态服务、实景三维服务、地理编码服务、智能搜索服务等企业级地理信息服务，具备服务发布、服务管理、服务监控等完备的服务运维管理能力。
主要特点
全方位服务发布能力
提供二三维覆盖服务能力，满足全空间地理信息服务发布需求
矢量、影像实时发布
支持海量矢量、影像数据的免切片发布，缩短服务发布周期的同时，扩展服务能力
服务与数据联动更新
支持在线实时更新、智能定时更新、自动批量更新等多种服务更新模式
兼容标准化服务接口
兼容OGC标准的W*S服务接口，实现与第三方应用系统的无缝对接
完备的服务监控能力
支持服务流量、访问趋势、响应时间、并发访问量等多维度的服务动态监控
矢量瓦片服务
针对传统栅格瓦片地图服务样式固化、互操作性差、地图更新周期长等问题，GEOWAY推出新一代地图服务技术——矢量瓦片技术，包括一套开放的矢量瓦片格式规范、一个矢量瓦片渲染与服务引擎、以及一组开放API（数据服务、瓦片服务、符号库服务、样式服务、计算服务等），支持超百亿级矢量数据的实时高效渲染、个性化定制，以及在线分析、统计等互操作。
影像动态服务
新一代影像地图服务发布技术，是基于栅格动态渲染技术，面向超大规模影像数据（超万景），采用“不切片”发布模式，解决影像数据的实时发布及浏览问题。通过引入多级高效缓存机制，在缩短服务发布周期的同时，满足影像地图的高效在线浏览需求。
地理编码服务
地理编码服务提供地理编码与逆地理编码能力，实现地址与坐标间的相互转换。其中，地理编码实现地址在地理上定位，逆地理编码实现经纬度在地图上定位获取地址信息。提供综合地址定位、行政区划定位、街道定位、门址定位和路口定位等多种服务，可灵活定义地址匹配评分规则。
G-Compute空间大数据计算引擎
提供面向多元化场景的多模计算能力，基于统一的计算资源调度、计算任务管理等，实现G-HPC并行计算、G-Spark分布式内存计算、G-RTC实时计算等多模计算联合使用，满足不同行业、不同业务领域在不同尺度下的空间大数据多元化计算需求，同时支持更多计算模式的扩展接入。
下划线：
图片投影色：
并行计算引擎
Atlas G-HPC
下划线：
图片投影色：
分布式计算引擎
Atlas G-Spark
下划线：
图片投影色：
实时计算引擎
Atlas G-RTC
主要特点
灵活的空间计算模式
支持并行计算引擎、分布式内存计算引擎、实时计算引擎等多种计算引擎，并支持扩展其他计算引擎。提供统一的计算资源调度能力，可自动为用户分配适合的计算模式，降低用户运维难度，同时支持用户自选计算形态
极致的空间计算效率
相对于传统GIS计算方法，效率提升2-4个数量级。
亿级图斑叠加分析，分钟级出结果；
亿级图斑汇总统计，秒级出结果
丰富的空间计算模型
内置空间数据读写矢量计算、栅格计算、矢栅计算、三维分析、网络计算等6大类102个算法模型，支持注册、定制自有模型
G-HPC并行计算引擎
G-HPC具备跨平台的能力，可为大数据量的计算密集型业务应用提供一个开放的高性能并行计算服务，可在国产自主的软硬件生态上运行（鲲鹏生态、麒麟操作系统等），也兼容传统架构（Windows操作系统，国外商用GIS软件 + 商用数据库架构），无需对传统软件进行改造而直接使用；相比于传统架构，能充分释放多机多核集群的计算性能，效率呈线性提升；同时，支持一键式部署，开箱即用。
G-Spark分布式内存计算引擎
G-Spark是面向时空大数据的计算引擎，基于Hadoop和Spark开源大数据框架自主研发，适配国产自主软硬件生态，如鲲鹏、飞腾等生态，以及银河麒麟、中标麒麟等操作系统；相比于传统的并行计算和Map-Reduce模式计算，G-Spark的所有操作都在内存中执行，计算过程无需落盘，减少对磁盘I/O的消耗（即降低I/O对计算效率的影响），极大提升了计算分析的效率；G-Spark继承Spark的高容错性的优势，即部分计算节点发生宕机或其它异常状况，不影响计算任务的正确执行。
G-RTC实时计算引擎
以实时计算技术为核心，打破传统基于数据文件的处理模式，于内存中进行计算，形成无中间文件交换的像素级处理链路，提高处理效率同时减少对存储的消耗；采用GPU-CPU协同计算的方式，提升计算的效能；支持计算结果的实时浏览，所见即所得。
G-Spatial 空间大数据存储引擎
提供面向异构数据库和存储系统的统一访问能力，实现多态融合存储架构下的空间大数据一体化存储，预置了空间数据库、NoSQL数据库、分布式文件系统等存储形态的驱动能力，基于差异化的混合存储策略，可实现超大规模空间数据管理性能的数量级提升，同时支持更多形态的扩展接入。
下划线：
图片投影色：
分布式空间数据库
G-Spatial RDS
下划线：
图片投影色：
分布式NoSQL数据库
G-Spatial TDS
下划线：
图片投影色：
分布式文件系统
G-Spatial DFS
主要特点
存储方案灵活变通
提供统一的存储、访问、管理及监控接口，可自动为用户分配适合的存储形态，降低用户运维难度，同时支持用户自选存储形态
覆盖全类型时空数据
支持结构化、半结构化及非结构化的全类型时空数据一体化存储管理
支持超大规模存储
具备超千万景影像数据、超百亿矢量数据、超千亿瓦片数据的存储管理能力
支持多种存储形态
支持空间数据库、NoSQL数据库、分布式文件系统等多类型存储形态，并支持扩展更多的存储形态
Atlas Cloud 云资源管理系统
实现存储资源、计算资源和网络资源的分布式管理和统一调度，可为上层GIS应用提供一键扩容、智能伸缩的自动化运维能力，支持私有云、公有云、混合云等多种云环境下地理信息应用系统的快速部署，降低非专业人士部署、运维难度。
主要特点
“云+端”模式的GIS技术体系
平台采用 “云原生、微服务”架构思想，构建“云+端”模式的云原生GIS技术体系，通过微服务架构，实现GIS服务更细粒度的弹性伸缩与灵活部署，通过Docker容器化技术，实现云GIS的高效率部署、高性能运行与低资源占用
兼容适配主流云平台
适配OpenStack、VMware、阿里云、华为云等主流云平台，满足GIS应用弹性伸缩需求
开箱即用的空间大数据能力
平台内置开源分布式计算集群Spark、Hadoop YARN，开源分布式存储资源HBase、HDFS、PostgreSQL；平台原生支持Atlas全功能空间大数据能力，可一键开启，免环境搭建