Configurer l’analyse raster

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.

Activer les analyses raster

Les étapes de configuration suivantes peuvent entraîner la modification de votre déploiement ArcGIS dans votre organisation. Examinez-les attentivement avant de continuer. Pour activer des analyses raster sous forme de fonctionnalité pour l’organisation, procédez comme suit :

1. Assurez-vous que votre organisation dispose des deux raster stores requis : un store cloud et un relational store.

   Le stockage Cloud permet de conserver la sortie raster de l’analyse. Lorsque votre organisation est déployée dans un environnement Cloud, il est recommandé d’utiliser un service de stockage Cloud du même fournisseur. Le relational store permet de stocker les jeux de données mosaïque tout en créant une couche d’imagerie hébergée ou lorsque l’analyse raster génère une collection en sortie. Pour plus d’informations sur l’ajout d’un raster store, voir Gérer les raster stores.

2. Dans ArcGIS Enterprise Manager, cliquez sur le bouton Capabilities (Fonctionnalités) dans la barre latérale.

   La page des fonctionnalités apparaît.

3. Activez le bouton bascule Raster analytics (Analyses raster).

   Un message s’affiche pour indiquer que le processus d’activation peut prendre du temps.

4. 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. Vous pouvez configurer les ressources GPU pour optimiser les performances des modèles et outils 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 activer des ressources GPU pour les analyses raster de votre organisation, collaborez avec un administrateur de cluster pour effectuer les étapes suivantes :

1. Activez le GPU pour les nœuds dans votre cluster Kubernetes.

   Il est recommandé de créer une étiquette personnalisée pour vos nœuds GPU. Pour étiqueter, par exemple, un nœud nommé node1 avec la clé raster et la valeur GPU, utilisez la commande suivante :

   kubectl label nodes node1 raster=GPU
   

2. Connectez-vous à ArcGIS Enterprise Manager en tant qu’administrateur.
3. Assurez-vous que les analyses raster sont activées.
4. Utilisez les paramètres de placement des pods pour vous assurer que les services nécessitant un GPU sont planifiés sur des nœuds compatibles avec les GPU.

   Deux services d’analyse raster peuvent exploiter les nœuds GPU pour le traitement des données : RasterAnalysisTools et RasterProcessingGPU. Il est recommandé de configurer le placement des pods pour le service RasterProcessingGPU afin qu’il puisse exploiter le GPU. Si vos processus impliquent des modèles d’entraînement, il est recommandé de configurer également le placement des pods pour le service RasterAnalysisTools.

   1. Cliquez sur Services > System services (Services système).
   2. Cliquez sur le nom du service, puis sur Pod placement (Placement des pods).
   3. Pour appliquer une règle d’affinité des nœuds qui s’assure que les pods du service sont planifiés sur des nœuds GPU, indiquez les informations suivantes dans la section Node affinity (Affinité des nœuds) et cliquez sur Add (Ajouter) :
      • Type : Required (Obligatoire)
      • Key (Clé) : spécifiez la clé utilisée pour étiqueter le nœud GPU, par exemple raster.
      • Operator (Opérateur) : In (Dans)
      • Value (Valeur) : spécifiez la valeur utilisée pour étiqueter le nœud GPU, par exemple GPU.
   4. Pour s’assurer que vos charges de travail d’analyse raster peuvent s’exécuter sur les nœuds GPU lors de l’utilisation d’altérations pour exclure d’autres charges de travail de ces nœuds, fournissez les informations suivantes dans la section Tolerations (Tolérances) et cliquez sur Add (Ajouter) :
      • Effect (Effet) : No Execute (Ne pas exécuter)
      • Key (Clé) : nvidia.com/gpu
      • Operator (Opérateur) : Exists (Existe)

   5. Cliquez sur Save (Enregistrer) et attendez que les pods soient planifiés.

      Attention :

      Il est important d’attendre que les pods soient planifiés avant de continuer. Les pods risquent sinon de se retrouver coincés à l’état en attente, car Kubernetes ne trouve pas de nœuds appropriés correspondant à la requête GPU et aux règles de placement.

5. Activez le GPU pour chaque service qui doit être configuré pour utiliser le GPU.
   1. En haut de la page du service, cliquez sur Settings (Paramètres).
   2. Cochez la case Enable GPU (Activer le GPU).
   3. Cliquez sur Enregistrer.
6. Si vous le souhaitez, altérez les nœuds GPU pour vous assurer que les autres charges de travail ne sont pas planifiées sur des nœuds compatibles avec les GPU.

   kubectl taint nodes <your-node-name> nvidia.com/gpu=Exists:NoExecute
   

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.