In der Raster-Analyse sind Werkzeuge und Funktionen für Vorbearbeitung, Orthorektifizierung und Mosaikieren, Fernerkundungsanalyse und eine umfassende Palette an mathematischen und trigonometrischen Operatoren integriert. Mit benutzerdefinierten Funktionen können Sie die Analysemöglichkeiten Ihrer Organisation noch mehr erweitern.
Die Raster-Analyse wurde auch entwickelt, um die Kollaboration und Freigabe zu vereinfachen und zu optimieren. Benutzer in der gesamten Organisation können Daten, Verarbeitungsmodelle und Fachkenntnisse zu einem Bilddatenprojekt beitragen und Ergebnisse mit Einzelpersonen, Abteilungen und Organisationen in Ihrem Unternehmen gemeinsam nutzen.
Einführung in die Raster-Analyse
Die Raster-Analyse in ArcGIS Enterprise on Kubernetes ist ein flexibles System für die Verarbeitung, Speicherung und Freigabe von Raster-Daten, das die verteilte Verarbeitung und Speicherung der Daten nutzt. Die Anwendung von Raster-Analyse-Werkzeugen und Raster-Funktionen in ArcGIS ermöglicht Ihnen das Erstellen von benutzerdefinierten Funktionen und Werkzeugen oder das Kombinieren mehrerer Werkzeuge und Funktionen in Raster-Verarbeitungsketten, um benutzerdefinierte Algorithmen auf umfangreiche Sammlungen von Raster-Daten anzuwenden. Quelldaten und verarbeitete Ergebnisse werden in Ihrem Unternehmen entsprechend Ihren Anforderungen und Prioritäten gespeichert, veröffentlicht und freigegeben.
Dieses umfangreiche Funktionsspektrum kann durch Nutzung der Funktionen und Ressourcen des Cloud-Computing noch erweitert werden. Das Resultat sind Bildbearbeitungs- und Analyseaufträge, die statt in Tagen oder Wochen nun in Minuten oder Stunden ausgeführt werden können. Aufträge, die früher zu groß oder umfangreich waren, sind jetzt realisierbar.
Tipp:
Cloud-Datenspeicherung ist eine Voraussetzung für lokale und Cloud-Bereitstellungen. Sie dient zur Speicherung der Raster-Analyseausgaben.Vergewissern Sie sich, dass Ihr Administrator genügend Ressourcenkontingente und Worker-Knoten zugewiesen hat, um diese Premium-Funktion zu unterstützen.
Hinzufügen von Raster-Speichern und Aktivieren von Raster-Analysen
Die folgenden Konfigurationsschritte erfordern möglicherweise Änderungen an der Art der Bereitstellung von ArcGIS in Ihrer Organisation. Lesen Sie sie sorgfältig durch, bevor Sie den Vorgang fortsetzen. Vor der Verwendung der Raster-Analyse müssen Sie sie als Funktion in ArcGIS Enterprise Manager aktivieren und unterstützende Raster-Speicher hinzufügen.
Hinzufügen von Raster-Speichern
Zum Unterstützen von Raster-Analysen müssen Sie zwei Raster-Speicher hinzufügen, einen Cloud-Speicher und einen Data Store vom Typ "relational". Der Cloud-Speicher wird zur Speicherung der Raster-Analyseausgabe verwendet. Der Data Store vom Typ "relational" wird für die Speicherung von Mosaik-Datasets verwendet, während ein gehosteter Bilddaten-Layer erstellt wird oder die Raster-Analyse eine Sammlung als Ausgabe erzeugt.
Führen Sie die folgenden Schritte aus, um Raster-Speicher hinzuzufügen:
- Klicken Sie in ArcGIS Enterprise Manager auf die Schaltfläche Data Stores auf der Seitenleiste.
Die Seite "Data Stores" wird angezeigt.
- Klicken Sie im Abschnitt Raster-Speicher auf Speicher hinzufügen, um den ersten Raster-Data-Store hinzuzufügen.
Hinweis:
Wenn mehr als ein Raster-Speicher desselben Typs hinzugefügt wurde, wählt das Werkzeug den verwendeten Raster-Speicher nach dem Zufallsprinzip aus. Es ist nicht möglich anzugeben, welcher Raster-Speicher verwendet werden soll.
Dieser Raster-Speicher enthält die der Organisation hinzugefügten Bilddaten und die Ergebnisse aller Raster-Analysewerkzeuge. Wenn Ihre Organisation in einer Cloud-Umgebung bereitgestellt wird, empfiehlt sich die Verwendung eines Cloud-Speicherservice desselben Cloud-Providers.
Wenn Sie noch keine Speicher hinzugefügt haben, ist dieser Abschnitt leer.
- Geben Sie einen Namen für den Raster-Speicher an.
- Wählen Sie Speicherservice aus, und wählen Sie eine der folgenden Optionen:
- Amazon S3
- Azure Blob
- Google Cloud Storage
- Unter Hinzufügen eines Raster-Speichers finden Sie Spezifikationen zu den einzelnen Cloud-Speicherservices.
- Klicken Sie abschließend auf Speicher hinzufügen.
Der Raster-Cloud-Speicher wird registriert und im Abschnitt Raster-Speicher angezeigt.
- Klicken Sie auf der Seite Data Stores auf Speicher hinzufügen, um den zweiten Speicher, einen Data Store vom Typ "relational", hinzuzufügen.
Dieser Speicher wird für Workflows benötigt, bei denen ein Mosaik-Dataset für die Verarbeitung von Rastern erzeugt wird.
- Geben Sie einen Namen für den Data Store vom Typ "relational" an.
- Wählen Sie Speicherservice und dann einen Data Store vom Typ "relational" aus.
- Klicken Sie auf Datei auswählen, um die Datenbankverbindungsdatei hinzuzufügen.
In der relationalen Datenbank werden die Mosaik-Datasets zum Hosten von Bilddaten-Layern gespeichert.
- Klicken Sie auf Speicher hinzufügen.
Der Raster-Speicher vom Typ "relational" wird registriert und im Abschnitt Raster-Speicher angezeigt.
Aktivieren von Raster-Analysen
Führen Sie die folgenden Schritte aus, um die Raster-Analyse als Funktion für die Organisation zu aktivieren.
- Klicken Sie in ArcGIS Enterprise Manager auf die Schaltfläche Funktionen auf der Seitenleiste.
Die Seite mit den Funktionen wird angezeigt.
- Aktivieren Sie die Umschaltfläche Raster-Analysen.
Eine Meldung weist darauf hin, dass der Aktivierungsvorgang einige Zeit in Anspruch nehmen kann.
- Klicken Sie auf Aktivieren.
Es wird eine Anforderung zum Aktivieren der Raster-Analyse übermittelt. Im Rahmen dieses Vorgangs werden die Voraussetzungen geprüft und die unterstützenden Ressourcen aktiviert. Die folgenden Systemdienste werden automatisch gestartet:
- RasterAnalysisTools
- RasterProcessing
- RasterProcessingGPU
- RasterRendering
Sollte beim Aktivieren der Funktion ein Fehler auftreten, wiederholen Sie die obigen Schritte, um sicherzustellen, dass die Raster-Speicher hinzugefügt wurden, die Lizenz für Raster-Analysen gültig und verfügbar ist und die Systemdienste gestartet wurden. In den Protokollen finden Sie die Anforderungen für diese Funktion.
Damit ist die Konfiguration von Raster-Analysen abgeschlossen. Sie können nun Raster-Analysewerkzeuge verwenden und Bilddaten in Ihrer Organisation hosten. Erfahren Sie, wie Sie die Raster-Analyse und Deep Learning nutzen können.
Im Folgenden finden Sie auch Informationen dazu, wie Sie Workflows für die Raster-Analyse optimieren können.
Aktivieren von GPU-Ressourcen für Raster-Analysen
Raster-Analysen, insbesondere Deep-Learning-Analysen und KI-Werkzeuge, können Grafikprozessor-Ressourcen (GPU) in Ihrem Cluster nutzen. In Version 11.5 können Sie GPU-Ressourcen für Raster-Analyse-Werkzeuge konfigurieren, um die Performance von Deep-Learning-Trainings- und -Inferenzwerkzeugen zu verbessern. Für Deep Learning bieten GPUs Verarbeitungsgeschwindigkeit, Ressourceneffizienz und Skalierbarkeit für Ihre Organisation. Da sie massive parallele Berechnungen durchführen können, sind GPUs für Raster-Analysen und Deep Learning unverzichtbar. Einzelne Services funktionieren für beide Tasks besser, wenn für jeden Service GPUs konfiguriert sind.
Für das Trainieren von Deep-Learning-Modellen müssen Sie lediglich den RasterAnalysisTools-Service konfigurieren. Für Inferenzwerkzeuge müssen Sie RasterProcessingGPU-Services mit GPUs konfigurieren. Bei bestimmten Modellen muss möglicherweise auch der RasterAnalysisTools-Service mit der zu initialisierenden GPU konfiguriert werden. In diesen Fällen müssen beide Services mit GPUs konfiguriert werden.
Voraussetzung
In ArcGIS Enterprise on Kubernetes können Sie ein Device-Plug-in implementieren, um GPU-fähige Knoten in Ihrem Cluster zu aktivieren. Zur Aktivierung von GPU-Knoten ist ein NVIDIA-Device-Plug-in für Kubernetes erforderlich. Nähere Informationen finden Sie unter GPU-fähige Knoten.
Hinweis:
In Version 11.5 wird ArcGIS Enterprise on Kubernetes nur mit NVIDIA-GPUs unterstützt.Führen Sie zum Aktivieren von GPU-Ressourcen für die Raster-Analyse für Ihre Organisation die folgenden Schritte aus. Diese richten sich nach Ihrer Umgebung und den Voreinstellungen:
- Führen Sie die Schritte zur Konfiguration der Raster-Analyse bzw. einer anderen Funktionalität, für die Sie GPU-fähige Knoten verwenden möchten, aus.
- Vergewissern Sie sich, dass das Device-Plug-in auf Ihrer Instanz installiert ist.
Viele Cloud-Umgebungen verfügen über vorkonfigurierte GPU-Knoten. Wenn das Device-Plug-in nicht installiert ist, finden Sie weitere Informationen und Installationsschritte in der Dokumentation zum NVIDIA-Device-Plug-in für Kubernetes. Bei einer lokalen Bereitstellung muss der Administrator auf jedem Knoten in einem Cluster GPU-Ressourcen aktivieren.
- Legen Sie Anforderungen und Limits für GPU-Ressourcen fest, um GPU-fähige Knoten für die GIS-Workflows Ihrer Organisation zu verwenden.
- Wenn GPU-Workloads ausschließlich auf GPU-Knoten ausgeführt werden sollen, können Sie optional die Knotenaffinität und Toleranzen konfigurieren.
Optimieren von Raster-Analysen
Beachten Sie für eine optimale Performance und Skalierbarkeit der Raster-Analyse die folgenden Empfehlungen:
- Verwenden Sie beim Erstellen Ihrer Organisation einen Cloud-Speicherservice für den Objektspeicher.
- Vergrößern Sie die Anzahl der Worker-Knoten. Für Premiumfunktionen wie die Raster-Analyse ist mindestens ein zusätzlicher Worker-Knoten für jedes Architekturprofil erforderlich, um die zusätzlichen Funktionen zu unterstützen. Ermitteln Sie gemeinsam mit Ihrem Administrator, welches Architekturprofil bei der Erstellung der Organisation ausgewählt wurde, und erhöhen Sie die Anzahl der Worker-Knoten entsprechend. Je nach der Analyse, die durchgeführt werden soll, benötigen Sie möglicherweise mehr als einen zusätzlichen Knoten.
- Verwenden Sie wenn möglich GPU-fähige Knoten. Konfigurieren Sie optional die Knotenaffinität und Toleranzen, um GPU-Workloads ausschließlich auf GPU-Knoten auszuführen. Dies ist bei der Durchführung von Deep-Learning- und KI-Workflows besonders wichtig.
- Durch Anpassung von Service-Bereitstellungen mit zusätzlichen Pods und Ressourcen können Sie die Verfügbarkeit und den Durchsatz Ihrer Workflows wie folgt generell verbessern:
- Skalieren Sie bei Workflows ohne Deep Learning und KI die Bereitstellung des RasterProcessing-Service.
- Skalieren Sie bei der Durchführung von Workflows zum Trainieren von Modellen für Deep-Learning-Workflows die Bereitstellung des Service RasterAnalysisTools.
- Skalieren Sie bei der Durchführung von Inferenzierungs-Workflows die Bereitstellung des RasterProcessingGPU-Service.
- Bei einigen Raster-Analysewerkzeugen wird die Datenverarbeitung auf mehrere Worker-Pods verteilt, und während der Analyse werden temporäre Daten geschrieben. Verwenden Sie kurzlebige Volumes, wenn Sie verteilte Raster-Analysen für große Aufträge durchführen, bei denen Daten zur Verarbeitung in einen temporären Speicher geladen werden müssen. Nähere Informationen finden Sie unter Konfigurieren kurzlebiger Volumes.
- Beim Ausführen von Raster-Analyseprozessen wird empfohlen, eine niedrigere Protokollierungsebene als Debuggen zu verwenden. Falls Sie kein Problem aktiv beheben, verwenden Sie die Ebene Warnung. Wenn Sie eine detailliertere Protokollierung benötigen, verwenden Sie stattdessen eine andere Protokollierungsebene.
- Sie können ggf. einen Faktor für parallele Verarbeitung festlegen, um die Anzahl der Instanzen des Service "Raster-Verarbeitung" zu steuern, die für die Verarbeitung der Daten herangezogen werden können.
- Je nach Art des Analyse-Workflows und der Größe der verarbeiteten Daten, müssen die Speicherkapazitäten möglicherweise überwacht und ggf. erhöht werden. Bei Deep-Learning- und KI-Workflows wird beispielsweise für größere Batches mehr Speicher benötigt.
- Für Raster-Analyse-Werkzeuge sind voreingestellte Limits festgelegt. Für bestimmte Aufträge sind möglicherweise zusätzliche Kapazitäten erforderlich, damit die Werkzeuge ordnungsgemäß funktionieren. Sie können die Skalierungseigenschaften bearbeiten, um den Speicher für verschiedene Microservices zu erhöhen.