配置栅格分析

栅格分析为预处理、正射校正和镶嵌、遥感分析以及大量数学和三角学运算符提供了内置工具和函数。 您的自定义函数可以进一步增强组织的分析功能。

提示:
ArcGIS Enterprise on Kubernetes 当前不支持自定义 Python 栅格函数

栅格分析还可用于简化协作和共享。 整个组织的用户可以向您的影像工程贡献数据、处理模型和专业知识,并与企业内的个人、部门或组织共享结果。

许可:

要配置栅格分析,您必须拥有 ArcGIS Raster Analytics on Kubernetes 许可。 该许可包括图像托管高级功能所提供的功能。

栅格分析简介

栅格分析是一种灵活的栅格处理、存储和共享系统,它使用分布式计算和存储技术。 使用栅格分析可以应用 ArcGIS 中提供的栅格分析工具栅格函数构建自定义函数和工具,或者将多个工具和函数组合到栅格处理链中,对大型栅格数据集合运行自定义算法。 可以根据您的需要和优先级,在整个企业中存储、发布以及共享源数据和处理结果。

通过利用云计算功能和资源可以进一步扩展此增强功能。 最终结果是过去需要几天或几周才能完成的影像处理和分析工作,现在仅需几分钟或几小时即可完成,并且现在能够处理过去因为过大或过于庞杂而难以处理的工作。

提示:
云数据存储是本地和云部署的要求。 它用于存储栅格分析输出。

此外,请验证您的管理员是否已分配足够的资源配额 worker 节点以支持此高级功能

配置栅格分析

下列配置步骤可能需要您更改在组织中部署 ArcGIS 的方式;继续下一步骤前请仔细查看下列说明。 在使用栅格分析之前,您必须添加支持栅格存储并将 ArcGIS Enterprise Manager 作为功能启用。

添加栅格存储

为了支持栅格分析,必须添加两个栅格存储:一个云存储和一个关系存储。 云存储用于存储分析的栅格输出。 关系存储用于在创建托管影像图层或栅格分析生成集合输出时存储镶嵌数据集。

  1. ArcGIS Enterprise Manager 中,单击侧边栏上的数据存储按钮。

    随即显示数据存储页面。

  2. 栅格存储部分,单击添加存储,以添加第一个栅格数据存储。
    注:

    如果添加了多个相同类型的栅格存储,则该工具将随机选择使用哪个栅格存储。 您无法指定使用哪个栅格存储。

    栅格存储将包含添加到组织中的图像和所有栅格分析工具的结果。 当您的组织部署在云环境中时,建议使用云原生存储服务。

    如果您尚未添加存储,此部分将为空。

  3. 输入栅格存储的名称。
  4. 选择存储服务。 选择以下选项之一:
    • Amazon S3
    • Azure Blob
    • Google Cloud 存储
  5. 有关每个云存储服务的规范,请参阅添加栅格存储的步骤。
  6. 完成后,单击添加存储

    栅格存储已注册,并将显示在栅格存储部分中。

  7. 数据存储页面中,单击添加存储以添加第二个存储,即关系存储。

    生成用于处理栅格的镶嵌数据集的工作流需要此存储。

  8. 输入关系存储的名称。
  9. 选择存储服务,并选择一个关系存储。
  10. 单击选择文件,以添加数据库连接文件。

    关系数据库将用于存储托管影像图层的镶嵌数据集。

  11. 单击添加存储

栅格存储已注册,并将显示在栅格存储部分中。

启用栅格分析

接下来,为组织启用栅格分析,将其作为一种功能。

  1. ArcGIS Enterprise Manager 中,单击侧边栏中的功能按钮。

    功能页面随即显示。

  2. 打开栅格分析切换按钮。

    系统将向您显示提示消息,指示启用过程可能要花费一些时间。

  3. 单击启用

    已提交启用栅格分析的请求。 此过程将验证先决条件并激活支持资源。 以下系统服务将自动启动:

    • RasterAnalysisTools
    • RasterProcessing
    • RasterProcessingGPU
    • RasterRendering

如果功能启用失败,请重复上述步骤,确保已添加栅格数据存储,栅格分析许可有效并可用,并且系统服务已启动。 查看日志,确定此功能的要求。

栅格分析现已配置完成。 您可以开始在组织中使用栅格分析工具和托管影像。 此外,请参阅如何调整栅格分析工作流程。

调整栅格分析

为了实现栅格分析的最佳性能和可扩展性,请考虑这些建议。

  • 创建组织时,请使用云原生对象存储服务。
  • 增加 worker 节点。 栅格分析等高级功能需要每个架构配置文件至少有一个额外的 worker 节点来支持添加的功能。 与您的管理员合作,确定在创建组织时选择了哪种架构配置文件,并相应地增加 worker 节点。 根据您将执行的分析,您可能需要多个附加节点。
  • 尽可能利用支持 GPU 的节点。 或者,配置节点亲和性和容忍度以仅在 GPU 节点上运行 GPU 工作负载。 在进行深度学习和人工智能工作流程时,这一点变得越来越重要。
  • 通过使用附加 pod 和资源修改服务部署,您可以提高工作流程的总体可用性和吞吐量。 您还可以考虑在这些服务上启用自动缩放
    • 对于不包括深度学习和人工智能的工作流程,扩展 RasterProcessing 服务部署。
    • 对于深度学习工作流程,在执行工作流程训练模型时,扩展 RasterAnalysisTools 服务部署
    • 在进行推理工作流程时,扩展 RasterProcessingGPU 服务部署。
  • 一些栅格分析工具将计算分布在多个 worker pod 中,并在执行分析时写入临时数据。 对需要将数据加载到临时空间进行处理的大型作业执行分布式栅格分析时,请使用临时卷。 有关更多详细信息,请参阅配置临时卷
  • 运行栅格分析进程时,建议从调试降低日志级别。 如果您没有主动解决问题,请改用警告级别。 如果您需要更细化的日志细节,请使用其他日志级别。
  • 考虑设置并行处理因子来控制可用于处理数据的栅格处理服务实例的数量。
  • 可能需要根据分析工作流程的类型和处理的数据的大小来监控和增加内存需求。 例如,对于深度学习和 AI 工作流程,更大的批次大小需要更多的内存。
  • 启用栅格分析后,工具具有预先配置的限制。 某些作业可能需要更多额外的容量才能使工具正常运转。 您可以编辑扩展属性来增加不同微服务的内存。