L’analyse raster fournit des outils et des fonctions intégrés pour le prétraitement, l’orthorectification, le mosaïquage et l’analyse de télédétection, ainsi qu’un vaste éventail d’opérateurs mathématiques et trigonométriques. Vos fonctions personnalisées peuvent étendre encore plus les fonctionnalités analytiques de votre organisation.
L’analyse raster est également conçue pour simplifier et rationaliser la collaboration et le partage. Au sein de votre organisation, les utilisateurs peuvent contribuer aux données, aux modèles de traitement et à l’expertise dans un projet d’imagerie et partager les résultats avec des personnes, des services et des organisations de l’entreprise.
Présentation de l’analyse raster
Dans ArcGIS Enterprise on Kubernetes, l’analyse raster est un système flexible de traitement raster, de stockage et de partage faisant appel à la technologie de calcul distribué et de stockage. Utilisez l’analyse raster pour appliquer les outils d’analyse raster et les fonctions raster proposées dans ArcGIS, concevoir des fonctions personnalisées et des outils ou combiner plusieurs outils et fonctions dans des chaînes de traitement raster afin d’exécuter des algorithmes personnalisés sur de vastes collections de données raster. Les données source et les résultats traités sont stockés, publiés et partagés à travers votre entreprise selon vos besoins et vos priorités.
Cette fonctionnalité de grande envergure peut être étendue davantage en utilisant les fonctionnalités et les ressources de calcul Cloud. Le résultat consiste en tâches de traitement et d’analyse d’images qui, au lieu de prendre des jours ou des semaines, s’effectuent désormais en quelques minutes ou heures, et des tâches auparavant trop importantes ou étendues peuvent désormais être réalisées.
Conseil :
Le stockage des données Cloud est une exigence pour les déploiements sur site et Cloud. Il permet de conserver les sorties des analyses raster.Vérifiez auprès de votre administrateur qu’il a alloué suffisamment de quota de ressources et de nœuds worker pour la prise en charge de cette fonctionnalité Premium.
Ajouter des raster stores et activer l’analyse raster
Les étapes de configuration suivantes peuvent entraîner la modification de votre déploiement ArcGIS dans votre organisation. Examinez-les attentivement avant de continuer. Avant d’utiliser l’analyse raster, vous devez ajouter des raster stores de prise en charge et les activer comme fonctionnalité dans ArcGIS Enterprise Manager.
Ajouter des raster stores
Vous devez ajouter deux raster stores pour prendre en charge l’analyse raster : un data store Cloud et un data store relationnel. Le stockage Cloud permet de conserver la sortie raster de l’analyse. Le data store relationnel permet de stocker les jeux de données mosaïque tout en créant une couche d’imagerie hébergée ou l’analyse raster génère une collection en sortie.
Pour ajouter des raster stores, procédez comme suit :
- Dans ArcGIS Enterprise Manager, cliquez sur le bouton Data stores dans la barre latérale.
La page des data stores apparaît.
- Dans la section Raster stores, cliquez sur Add store (Ajouter un data store) pour ajouter le premier data store raster.
Remarque :
Si plusieurs raster stores de même type ont été ajoutés, l’outil sélectionne de manière aléatoire celui qui est utilisé. Vous ne pouvez pas spécifier le raster store à utiliser.
Ce raster store contient l’imagerie qui est ajoutée à l’organisation et les résultats des outils d’analyse raster. Lorsque votre organisation est déployée dans un environnement Cloud, il est recommandé d’utiliser un service de stockage Cloud du même fournisseur.
Si vous n’avez pas encore ajouté de data store, cette section est vide.
- Donnez un nom au raster store.
- Sélectionnez Storage service (Service de stockage) et sélectionnez l’une des options suivantes :
- Amazon S3
- Azure Blob
- Stockage cloud Google
- Pour connaître les spécifications inhérentes à chaque service de stockage Cloud, consultez les étapes destinées à ajouter un raster store.
- Lorsque vous avez terminé, cliquez sur Add store (Ajouter un data store).
Le raster store Cloud est inscrit et apparaît dans la section Raster stores.
- Sur la page Data stores, cliquez sur Add store (Ajouter un data store) pour ajouter le deuxième data store : un data store relationnel.
Ce stockage est requis pour les processus qui génèrent un jeu de données mosaïque pour le traitement des rasters.
- Donnez un nom au data store relationnel.
- Sélectionnez Storage service (Service de stockage) et choisissez un data store relationnel.
- Cliquez sur Choose File (Sélectionner un fichier) pour ajouter le fichier de connexion à une base de données.
La base de données relationnelle stocke les jeux de données mosaïques pour les couches d’imagerie d’hébergement.
- Cliquez sur Add store (Ajouter un data store).
Le data store relationnel est inscrit et apparaît dans la section Raster stores.
Activer les analyses raster
Pour activer des analyses raster sous forme de fonctionnalité pour l’organisation, procédez comme suit :
- Dans ArcGIS Enterprise Manager, cliquez sur le bouton Capabilities (Fonctionnalités) dans la barre latérale.
La page des fonctionnalités apparaît.
- Activez le bouton bascule Raster analytics (Analyses raster).
Un message s’affiche pour indiquer que le processus d’activation peut prendre du temps.
- Cliquez sur Enable (Activer).
Une demande d’activation des analyses raster est envoyée. Ce processus validera les conditions préalables et activera les ressources de prise en charge. Les services système suivants démarreront automatiquement :
- RasterAnalysisTools
- RasterProcessing
- RasterProcessingGPU
- RasterRendering
Si vous ne parvenez pas à activer la fonctionnalité, répétez les étapes ci-dessus pour vérifier que les raster stores ont été ajoutés, que la licence d’analyse raster est valide et disponible et que les services système ont été démarrés. Passez en revue les journaux pour identifier les exigences pour cette capacité.
L’analyse raster est maintenant configurée. Vous pouvez commencer à utiliser les outils d’analyse raster et à héberger l’imagerie dans votre organisation. Apprenez à utiliser l’analyse raster et le Deep Learning.
Découvrez également comment utiliser les processus d’ajustement des analyses raster.
Activer les ressources GPU pour les analyses raster
L’analyse raster, et en particulier les outils d’analyse de Deep Learning et d’intelligence artificielle peuvent utiliser les ressources de l’unité de traitement graphique (GPU) dans votre cluster. Dans la version 11.5, vous pouvez configurer les ressources GPU pour les outils d’analyse raster afin d’optimiser les performances des outils d’entraînement et d’inférence du Deep Learning. Dans le cadre du Deep Learning, les GPU contribuent à la vitesse de traitement, à l’efficacité des ressources et à l’évolutivité de l’organisation. Comme ils sont en mesure de gérer une puissance de calcul massive, les GPU sont indispensables à l’analyse raster et au Deep Learning. Les services individuels fonctionnent mieux pour les deux tâches lorsque les GPU sont configurés pour chaque service.
Pour les tâches d’entraînement de modèle de Deep Learning, il suffit de configurer le service RasterAnalysisTools. Pour les outils d’inférence, vous devez configurer les services RasterProcessingGPU avec les GPU. Certains modèles peuvent également avoir besoin que le service RasterAnalysisTools soit configuré avec le GPU à initialiser. En pareil cas, les deux services doivent être configurés avec les GPU.
Conditions préalables
Dans ArcGIS Enterprise on Kubernetes, vous avez la possibilité d’implémenter un plug-in de périphérique pour activer les nœuds des processeurs graphiques (GPU) dans votre cluster. Pour activer des nœuds GPU, un plug-in de périphérique NVIDIA pour Kubernetes est nécessaire. Pour en savoir plus, consultez la rubrique Nœuds compatibles avec les processeurs graphiques (GPU).
Remarque :
Dans la version 11.5, ArcGIS Enterprise on Kubernetes n’est pris en charge qu’avec les GPU NVIDIA.Pour activer des ressources GPU pour les analyses raster de votre organisation, procédez selon les étapes suivantes qui sont spécifiques à votre environnement et à vos préférences :
- Suivez les étapes indiquées pour configurer l’analyse raster ou une autre fonctionnalité pour laquelle vous souhaitez utiliser les nœuds compatibles avec les GPU.
- Vérifiez que le plug-in de périphérique de votre instance est installé.
Les nœuds GPU sont préconfigurés pour de nombreux environnements cloud. Si le plug-in de périphérique n’est pas installé, reportez-vous à la documentation NVIDIA device plug-in for Kubernetes pour plus d’informations et connaître les étapes d’installation. Si le déploiement a été effectué sur site, l’administrateur doit activer les ressources GPU sur chaque nœud du cluster.
- Pour utiliser des nœuds compatibles avec les GPU pour les processus SIG de votre organisation, définissez les demandes et les limites pour les ressources GPU.
- Si vous souhaitez exécuter les charges de travail GPU exclusivement sur des nœuds GPU, vous pouvez configurer l’affinité des nœuds et les tolérances.
Ajuster les analyses raster
Pour obtenir des performances optimales et une évolutivité des analyses raster, tenez compte des recommandations suivantes :
- Lorsque vous créez votre organisation, utilisez un service de stockage Cloud pour l’object store.
- Augmentez les nœuds worker. Les fonctionnalités Premium telles que l’analyse raster exigent au minimum un nœud worker supplémentaire pour la prise en charge des fonctionnalités ajoutées quel que soit le profil d’architecture utilisé. Renseignez-vous auprès de votre administrateur pour savoir quel profil d’architecture a été sélectionné lors de la création de l’organisation et augmenter les nœuds worker en fonction. Selon l’analyse que vous allez réaliser, vous pouvez avoir besoin de plusieurs nœuds supplémentaires.
- Utilisez des nœuds compatibles avec les processeurs graphiques (GPU) lorsque cela est possible. Vous pouvez aussi configurer l’affinité des nœuds et les tolérances afin d’exécuter des charges de travail GPU exclusivement sur des nœuds GPU. Cela est de plus en plus important pour réaliser des processus de Deep Learning et d’IA.
- En modifiant les déploiements de service avec des pods et ressources supplémentaires, vous pouvez augmenter la disponibilité générale et le rendement global de vos processus de la façon suivante :
- Pour les processus où le Deep Learning et l’IA n’interviennent pas, mettez à l’échelle le déploiement de service RasterProcessing.
- Lorsque vous réalisez des processus destinés à entraîner les modèles des processus de Deep Learning, mettez à l’échelle le déploiement de service RasterAnalysisTools.
- Lorsque vous réalisez des processus d’inférence, mettez à l’échelle le déploiement de service RasterProcessingGPU.
- Certains outils d’analyse raster répartissent les calculs parmi plusieurs pods worker et écrivent des données temporaires au cours de l’analyse. Utilisez des volumes éphémères lorsque vous effectuez une analyse raster distribuée sur des tâches de grande ampleur afin de charger les données à traiter dans un espace temporaire. Consultez Configurer des volumes éphémères pour en savoir plus.
- Lors de l’exécution des processus d’analyse raster, il est recommandé d’utiliser un niveau de consignation inférieur à Debug (Débogage). Si vous n’êtes pas activement en train d’essayer de corriger un problème, utilisez plutôt le niveau Warning (Avertissement). Si vous avez besoin d’informations plus détaillées sur la consignation, utilisez un autre niveau de consignation.
- Vous pouvez configurer un facteur de traitement parallèle pour contrôler le nombre d’instances du service de traitement raster pouvant être utilisés en vue du traitement des données.
- La configuration requise pour la mémoire peut être contrôlée et augmentée en fonction du type du processus d’analyse et de la taille des données traitées. Par exemple, pour les processus de Deep Learning et d’IA, des tailles de lots plus importantes exigent plus de mémoire.
- Les outils d’analyse raster ont des limites préconfigurées. Certaines tâches peuvent nécessiter une capacité supérieure afin d’assurer le bon fonctionnement des outils. Vous pouvez mettre à jour les propriétés de mise à l’échelle pour augmenter la mémoire des différents microservices.
Vous avez un commentaire à formuler concernant cette rubrique ?