Nach oben

Bilddatenmanagement- und Analysesystem (Kubernetes)

Das Muster für das Bilddatenmanagement- und Analysesystem wird in Kubernetes hauptsächlich mithilfe der Software ArcGIS Enterprise on Kubernetes bereitgestellt.

ArcGIS Enterprise on Kubernetes verwendet Microservices und Containerisierung, um eine cloudnative Architektur bereitzustellen, die entweder auf der Kubernetes-Plattform Ihrer Organisation oder im Kubernetes-Service Ihres Cloud-Anbieters ausgeführt wird. Es verwendet Container, um GIS-Prozesse in Microservices aufzuteilen, von denen jeder eine diskrete, fokussierte Funktion ausführt. Jeder Microservice wird in einem Container ausgeführt, der alles enthält, was zur Ausführung der jeweiligen Anwendung erforderlich ist. In einem Pod ist mindestens ein Container untergebracht. Zudem enthält er Speicherressourcen, eine Netzwerkidentität und eine Reihe von Regeln, wie der Container ausgeführt werden soll. Der Kubernetes-Cluster orchestriert und verwaltet die ArcGIS Enterprise on Kubernetes-Container.

ArcGIS Enterprise on Kubernetes ist bestens für Organisationen geeignet, die in Kubernetes investiert haben, um ihre containerisierten Anwendungen zu orchestrieren und zu verwalten.

Zugehörige Ressourcen:

Basisarchitektur

Im Folgenden finden Sie eine typische Basisarchitektur für ein Bilddatenmanagement- und Analysesystem, das auf Kubernetes bereitgestellt wird.

Dieses Schema sollte nicht unbearbeitet übernommen werden und als Design für Ihr System verwendet werden. Es gibt viele wichtige Faktoren und Entscheidungen bezüglich des Designs, die Sie für Ihr System berücksichtigen sollten. Weitere Informationen finden Sie im Thema Verwenden von Systemmustern. Darüber hinaus zeigt das unten abgebildete Schema nur die Basisfunktionen des Systems. Bei der Bereitstellung erweiterter Funktionen können zusätzliche Systemkomponenten erforderlich sein.

Basisarchitektur des Bilddatenmanagement- und Analysesystems (Kubernetes)

Die oben dargestellten Funktionen entsprechen den ab Juli 2025 verfügbaren Funktionen.

Zu den wichtigsten Komponenten dieser Architektur gehören folgende:

  • Bilddaten (zahlreicher Typen), die in Objektspeichern, Dateiservern und anderen Quellen gespeichert sind. Die Definition von Bilddaten in diesem Muster ist weit gefasst und umfasst herkömmliche Raster-Bilddaten, die von Fernerkundungs-, Drohnen- und Satellitenplattformen erfasst wurden, LIDAR- und andere 3D-Datentypen, Oriented Imagery sowie multidimensionale und wissenschaftliche Datasets. Objektspeicher ist für dieses System besonders relevant, da er häufig als kostengünstiges Speichersystem für sehr große Bilddaten-Assets verwendet wird. Das System bietet eine gute Performance, wenn es für diesen Speichertyp optimiert ist.
  • Eine Basisbereitstellung von ArcGIS Enterprise on Kubernetes-Containern im Kubernetes-Cluster. Diese enthält vier Kategorien von Pods, die verschiedenen Systemfunktionen entsprechen. Weitere Informationen finden Sie in der Dokumentation zu ArcGIS Enterprise on Kubernetes.
  • Ein Load Balancer ist erforderlich, um Datenverkehr auf die einzelnen Worker-Knoten zu verteilen. Weitere Informationen finden Sie unter Systemnetzwerkanforderungen für ArcGIS Enterprise on Kubernetes.
  • Der Objektspeicher bietet einen von ArcGIS verwalteten Speicher für hochgeladene und gespeicherte Inhalte, gehostete Kachel- und Bild-Layer-Caches sowie für Geoverarbeitungsausgaben. Ab ArcGIS Enterprise 11.2 kann der Objektspeicher so konfiguriert werden, dass cloudnativer Speicher von mehreren unterstützten Service-Providern verwendet wird.
  • ArcGIS Online, die SaaS-Infrastruktur von Esri, bietet in der Regel Grundkarten (z. B. Bilddatengrundkarten), Referenzdaten (z. B. Orte) sowie andere Positionsservices (einschließlich Geokodierung und Suche) für dieses System. Alternativ kann eine Organisation ihre eigenen Positionsservices hosten und verwalten, anstatt das SaaS-System von Esri zu verwenden. Weitere Informationen finden Sie unter Systemmuster für Positionsservices.
  • Es gibt mehrere Anwendungen, die in diesem Muster häufig für zahlreiche Zwecke eingesetzt werden. Dazu gehören ArcGIS Pro (Desktop), ArcGIS Experience Builder (Web) und ArcGIS Field Maps (nativ). Die ArcGIS Portal-Website, Map Viewer und Scene Viewer werden für die Interaktion, Konfiguration und Analyse von Bilddaten verwendet. Python-Notebooks, die in einer vom Benutzer gehosteten Umgebung ausgeführt werden, ArcGIS Notebook Server oder ArcGIS Pro werden verwendet, um mit Bilddaten zu interagieren, sie zu visualisieren und zu analysieren. ArcGIS Reality bietet zahlreiche Werkzeuge für die Verarbeitung von Realitätserfassungsdaten. Erfahren Sie mehr über Anwendungen, die in Bilddatenmanagement- und Analysesystemen eingesetzt werden.

Zu den wichtigsten Interaktionen in dieser Architektur gehören folgende:

  1. Client-Anwendungen kommunizieren mit Bilddaten-Daten-Services sowie Positionsservices über HTTPS, in der Regel über zustandslose REST-APIs. Bei diesem Muster werden gekachelte und dynamische Image-Services, Szenen-Services und verschiedene Analyseservices in großem Umfang verwendet.
  2. Bei diesem Bereitstellungsmuster verwalten Benutzer Bilddaten-Assets in der Regel in Dateifreigaben- oder Cloud-Objektspeichern in verschiedenen Formaten. Image-Services werden direkt von diesem Speicher veröffentlicht, ohne dass Daten kopiert oder aus dem Speichersystem entnommen werden müssen. Mosaik-Datasets und andere Datenmodelle werden häufig in File- oder Enterprise-Geodatabases erstellt. Die Image-Hosting-Services oder Pods in ArcGIS Enterprise on Kubernetes können aus Mosaik-Datasets veröffentlichte Image-Services hosten. Dies kann zusammen mit gehosteten Image-Services, die durch Benutzer in das Portal hochgeladen wurden oder mit Raster-Analyse-Aufträgen, erfolgen. Raster-Analyse-Aufträge (ArcGIS Enterprise 11.2 und höher) werden verwendet, um große Mengen von Bilddaten zu analysieren und die Ergebnisse als Image-Services zu speichern und erneut im System zu veröffentlichen.
Hinweis:

Für ArcGIS Enterprise-Bereitstellungen vor Version 11.4 ist möglicherweise ein ArcGIS License Manager erforderlich, um ArcGIS Pro-Lizenzen zu konfigurieren und zu verwalten. Weitere Informationen finden Sie in der Dokumentation zu ArcGIS License Manager.

Weitere Informationen zu Interaktionen zwischen ArcGIS Enterprise-Komponenten finden Sie in der Produktdokumentation zu ArcGIS Enterprise on Kubernetes.

Funktionen

Im Folgenden werden die Fähigkeiten des Bilddatenmanagement- und Analysesystems unter Kubernetes beschrieben. Weitere Informationen finden Sie in der Funktionsübersicht und unter Vergleich der Funktionsunterstützung über Bereitstellungsmuster hinweg.

Funktionen, die in einem Bilddatenmanagement- und Analysesystem verwendet, aber in der Regel von anderen Systemen bereitgestellt werden, wie z. B. Grundkarten, Geokodierung und andere Positionsservices, die von einem Location-Services-System bereitgestellt werden, sind unten nicht aufgeführt. Weitere Informationen über zugehörige Systemmuster.

Basisfunktionen

Basisfunktionen stellen die gebräuchlichsten Funktionen dar, die von Bilddatenmanagement- und Analysesystemen bereitgestellt werden und die durch die oben vorgestellte Basisarchitektur ermöglicht werden.

  • Durch die Visualisierung und Analyse von Bilddaten können Benutzer durch dynamische Bildüberlagerungen, durch die Navigation durch Sammlungen historischer Bilddaten oder durch das Sammeln von Beobachtungen, die auf einem aktuellen Drohnenflug basieren, mit Bilddaten als Grundkarte in einer Anwendung interagieren. Verbessern Sie Bilddaten durch dynamische Anpassungen, Streckung und Ändern von Bandkombinationen. Das Rendern von Bilddaten ist für die Anzeige des angeforderten Interessenbereichs optimiert, und die Render-Regeln werden bei jedem Schwenken und Zoomen erneut angewendet. Verwenden Sie Geoverarbeitungswerkzeuge, Algorithmen und Funktionen, um Bilddaten zu analysieren, die Landnutzung zu bewerten, Aktivitäten und Veränderungen zu überwachen, Schäden zu messen und Umweltfaktoren zu bewerten.
  • Durch die Datenmodellierung und -strukturierung werden standardisierte Ansätze für das Hinzufügen großer Datenmengen zu gängigen Datenmodellen wie Mosaik- und LAS-Datasets, Raster-Produkten und Sensormodellen, Oriented Imagery-Katalogen oder anderen branchenspezifischen oder anwendungsfallspezifischen Modellen wie Trajektorie-Daten erstellt. Erstellen Sie Katalog-Datasets, und nutzen Sie Katalog-Layer von Assets im lokalen oder Netzwerkspeicher, oder fügen Sie Elemente und Services aus einer ArcGIS Online- oder ArcGIS Enterprise-Organisation hinzu. Diese Modelle unterstützten Sie dabei, diese detaillierten Datasets zu organisieren, Metadaten bereitzustellen und deren Verwendung zu ermöglichen.
  • Die Veröffentlichung von Bilddaten ermöglicht es Benutzern aller Art, Sammlungen von Bilddaten und anderen Fernerkundungsdatenquellen zu erstellen und zu hosten. Veröffentlichen Sie Bilddatensammlungen und -produkte als dynamische oder gekachelte Services auf lokaler oder globaler Ebene, die mithilfe von Web- und Desktopanwendungen sowie mobilen Anwendungen visualisiert und genutzt werden können.
  • Die On-the-fly-Raster-Analyse basiert auf der Verwendung von Raster-Funktionen und dem Kombinieren dieser Funktionen in Raster-Funktionsvorlagen, um zum Erstellen eines dynamischen Ausgabebildes Bänder schnell zu kombinieren, Bilddaten zu vergleichen und Werte anhand von Bildsammlungen zu analysieren. Raster-Funktionen werden zum Zeitpunkt der Anforderung und nur auf die angeforderte Pixelfläche angewendet und stellen eine effiziente Möglichkeit zum dynamischen Rendern von Bilddaten dar, ohne ein gesamtes Dataset erneut verarbeiten zu müssen.
  • Die Höhenanalyse bietet Funktionen zum Generieren von Konturlinien, zum Ausführen hydrologischer Modelle, zum Anzeigen und Abgrenzen von Abflussgebieten sowie zum Anzeigen von Terrain-, Neigungs- und Ausrichtungsrenderings detaillierter Datasets. Führen Sie volumetrische Analysen durch, indem Sie 3D-Oberflächen und -Datasets ausschneiden und füllen oder vergleichen. Kombinieren Sie Höhen aus verschiedenen Quellen mit unterschiedlichen Auflösungen, und bereiten Sie einen nahtlosen Höhenservice vor, der für die direkte Anzeige oder als Grundlage für ein 3D-Rendering einer Stadt oder eines regionalen Gebiets verwendet werden kann. Esri stellt auch sofort einsatzfähige Höhenservices für Visualisierungs- und Analyseanforderungen bereit.
  • Die Funktionen zur Bildextraktion ermöglichen den dynamischen und programmatischen Export und Download von Quell- und mosaikierten Bilddaten zur Verwendung in anderen Anwendungen oder als Bildchips in Deep-Learning-Workflows. Die Extraktion kann direkten Zugriff auf die Quellpixel ermöglichen oder ein neues, neu berechnetes Bild mit einer bestimmten Auflösung für eine angeforderte Ausdehnung erstellen. ArcGIS unterstützt zudem die Extraktion von Bereichen der Grundkarte “World Imagery” für die Offline-Verwendung in Workflows für den Zugriff und die Bearbeitung ohne Verbindung.
  • Deep Learning und KI sind in ArcGIS und Bilddatenmanagement- und Analysesysteme eingebettet. Benutzer können Deep-Learning-Modelle anhand von Bilddaten-Assets und mit Hilfe lokaler Compute-Ressourcen oder skaliert über große Systeme, einschließlich Cloud-Ressourcen und -Services, trainieren und inferenziert durchführen. Der ArcGIS Living Atlas enthält zudem eine Galerie mit vortrainierten Modellen, die für die direkte Verwendung verfügbar sind oder an die spezifischen Workflows von Organisationen hinsichtlich Daten oder Geografie angepasst werden können.
  • Multidimensionale Daten können mit wissenschaftlichen Standardformaten wie NetCDF, GRIB, HDF und Zarr untersucht werden. Diese Daten zeigen Variablen wie Veränderungen im Laufe der Zeit oder Messungen in verschiedenen atmosphärischen Höhen oder Tiefen an. ArcGIS enthält dedizierte Bedienoberflächen in ArcGIS Pro und ArcGIS Map Viewer, mit denen Sie schnell Zeitintervalle anzeigen, komplexe multivariate Symbole erstellen und anzeigen oder verfügbare Variablen identifizieren, eine eigene Berechnung erstellen oder Variablen außerhalb des Zeitbereichs des Datasets vorhersagen können.
  • Arbeiten Sie im Bildraum, führen Sie Bildmessungen durch, und visualisieren Sie Bilder, wie sie vom Sensor erfasst wurden, zusammen mit herkömmlichen Ortho- und Stereoanzeigen. Die Bildraumanalyse kann auch verwendet werden, um Features zu erfassen, Details ohne erneutes Sampling anzuzeigen und Verzerrungen zu verhindern.
  • Verwenden Sie Funktionen zur Stereoanzeige, um Bilddaten in 2,5D zu visualisieren, Bildmessungen durchzuführen, Features manuell zu digitalisieren und mit hoher Präzision und der Möglichkeit einer Extraktion als 3D-Objekt zu extrahieren. Die Stereobearbeitung wird häufig in Photogrammetrie-Workflows verwendet und ist hauptsächlich in ArcGIS Pro verfügbar.

Erweiterte Funktionen

Erweiterte Funktionen werden in der Regel hinzugefügt, um bestimmte Anforderungen zu erfüllen oder branchenspezifische Datenmodelle und Lösungen zu unterstützen. In manchen Fällen können sie zusätzliche Softwarekomponenten oder Überlegungen zur Architektur erfordern.

  • Verteilte Raster-Analyseaufträge können erstellt werden, um Berechnungen der Raster-Funktionen für umfangreiche Bilddatenbestände in einem verteilten Rechenmodell auszuführen. Diese Vorgänge können auch Inferenzen mit trainierten Deep-Learning-Modellen oder das Erstellen neuer Datenausgabeprodukte auf der Grundlage eines vordefinierten Renderers oder einer vordefinierten Berechnung umfassen. Daten aus Raster-Analyseaufträgen werden über die Image-Hosting-Funktion von ArcGIS Enterprise beibehalten.
  • Arbeiten Sie mit Oriented Imagery verschiedener Typen, einschließlich Schrägluft-Bilddaten, Bubble- oder sphärischen Bilddaten, 360-Grad-Panoramen, Straßen- und Inspektionsbilddaten. Diese Datasets sind keine traditionellen Nadir-Luftbilder, können aber durch Workflows wie Sicherheitsuntersuchungen, Asset-Inspektion oder Datenerfassung für Organisationen von erheblichem Wert sein. Zu den Funktionen für Oriented Imagery in ArcGIS gehören ein strukturiertes Datenmodell, eine dedizierte Viewer-Anwendung und Unterstützung für das Bereitstellen und Arbeiten mit Oriented Imagery in einer Vielzahl von Anwendungen.
  • Unterstützung von Drohnenoperationen vom Flottenmanagement über die spezifische Missionsplanung bis hin zur Bodendatenverarbeitung mit einer Reihe von Web-, Desktop- und mobilen Apps und Werkzeugen. ArcGIS-Dashboards können verwendet werden, um den Erfassungsfortschritt zu überwachen, betriebliche Probleme zu identifizieren und die Berichterstattung an Teams für die Datenverarbeitung und Qualitätssicherung zu verwalten.
  • Reality-Mapping umfasst umfangreiche Ortho-Mapping-Funktionen für eine Generierung von High-Fidelity-Produkten. Verwenden Sie Drohnen- und andere Luftbilder, um digitale Oberflächenmodelle in voller Auflösung, True Orthos, Oriented Imagery-Kataloge, 2D-Oberflächen-Meshes, dichte 3D-Punktwolken und fotorealistische 3D-Meshes zu erstellen. Reality-Mapping-Funktionen sind in web- und serverbasierten sowie in Desktop-basierten Verarbeitungsmustern verfügbar.
  • Verwalten, visualisieren und analysieren Sie LIDAR-Datasets, einschließlich einer Vielzahl von Datenformaten, um Oberflächenbedingungen zu verstehen, verschiedene Intensitätsstufen und Schichten von Rückgabepunkten zu identifizieren, Features zu extrahieren, Punktwolken zu klassifizieren, mit fotorealistischer Farbgebung zu arbeiten und abgeleitete Produkte zu erstellen. Verwalten Sie große Mengen von LIDAR-Dateien als einen zusammenhängenden Layer mit einem LAS-Dataset.
  • Arbeiten Sie mit Synthetic Aperture Radar, indem Sie auf Bildsammlungen von SAR-Sensoren und -Plattformen zugreifen. ArcGIS enthält SAR-spezifische Raster-Typen, Raster-Funktionen und Visualisierungsansätze, die diesen einzigartigen und leistungsstarken Datentyp unterstützen.
  • Arbeiten Sie mit Spatio Temporal Asset Catalogs (STAC), um eine Verbindung zu vorhandenen Bilddatenkatalogen herzustellen und Datensätze zu suchen, zu filtern und zu analysieren, um die richtigen Daten für ein Projekt zu identifizieren. Verwenden Sie die STAC-Unterstützung für Verbindungen und die Suche in ArcGIS Pro, das Python-Modul arcpy und die ArcGIS API for Python, um öffentliche und private STAC-Kataloge abzufragen und über Verbindungen zu Cloud-Daten direkt auf Assets zuzugreifen.

Überlegungen

Bei den folgenden Überlegungen wurden die Grundpfeiler des ArcGIS Well-Architected Framework auf das Muster des Bilddatenmanagement- und Analysesystems unter Kubernetes angewendet. Die hier gezeigten Informationen erheben keinen Anspruch auf Vollständigkeit, sondern heben wichtige Überlegungen für das Design und/oder die Implementierung dieser speziellen Kombination aus System- und Bereitstellungsmuster hervor. Weitere Informationen zu den Grundpfeilern des ArcGIS Well-Architected Framework finden Sie unter Empfehlungen zur Architektur.

Zuverlässigkeit

Zuverlässigkeit stellt sicher, dass Ihr System den Servicegrad bietet, der sowohl für das Unternehmen als auch für Ihre Kunden und die Projektbeteiligten erforderlich ist. Weitere Informationen finden Sie in der Übersicht über den Grundpfeiler “Zuverlässigkeit”.

  • SLAs, die ein hohes Maß an Verfügbarkeit erfordern, sind häufige Vereinbarungen.
    • Architekturprofile sind vordefinierte Bereitstellungsprofile, die mit unterschiedlichen Redundanzgraden zwischen Pods korrelieren und Flexibilität über mehrere bekannte variable Abhängigkeiten hinweg bieten, z. B. Anforderungen an Hardware, Redundanz und organisatorische Nutzung.
    • Ziehen Sie das Architekturprofil “Erweiterte Verfügbarkeit” in Betracht, wenn eine erhöhte und erweiterte Redundanz über kritische Pods hinweg erforderlich ist.
  • Die Sicherung und Wiederherstellung auf Systemebene wird ebenfalls unterstützt.

Sicherheit

Sicherheit schützt Ihre Systeme und Informationen. Weitere Informationen finden Sie in der Übersicht über den Grundpfeiler “Sicherheit”.

  • Authentifizierung und Autorisierung sind für die Verwaltung von Bilddaten erforderlich. Es ist auch üblich, dass Bilddatenausgaben gesichert werden, wodurch eine Authentifizierung und Autorisierung für den Zugriff erforderlich ist.
    • Der Benutzerzugriff und die Datenkollaboration werden durch rollenbasierte Zugriffskontrollen und moderne Autorisierungs- und Authentifizierungsmodelle gesteuert, einschließlich OAuth, SAML und Multi-Faktor-Authentifizierung.
    • Berechtigungen werden sorgfältig verwaltet, um sicherzustellen, dass nur ordnungsgemäß geschulte und eingerichtete Benutzer Zugriff auf Image-Hosting-Funktionen (die Möglichkeit zum Erstellen von Services) erhalten. Diese Berechtigungen können aktiviert oder deaktiviert werden, indem Sie Benutzern eine benutzerdefinierte Rolle zuweisen oder ihre Rolle in eine andere vorhandene Rolle ändern.
    • Der Zugriff auf Bilddaten im Cloud-Speicher kann mithilfe von Cloud-nativen Sicherheitskonzepten wie AWS IAM und Azure Managed Identities erfolgen.

Weitere Informationen über Best Practices für die Sicherheit in ArcGIS Enterprise und Anleitungen zur Implementierung.

Performance und Skalierbarkeit

Performance und Skalierbarkeit zielen darauf ab, die Gesamt-Experience für die Benutzer im Hinblick auf das System zu optimieren und sicherzustellen, dass das System skaliert werden kann, um den sich ändernden Arbeitslastanforderungen gerecht zu werden. Weitere Informationen finden Sie in der Übersicht über den Grundpfeiler “Performance und Skalierbarkeit”.

  • Die Skalierung erfolgt bei diesem Muster nicht automatisch und sollte sorgfältig geplant werden.
  • Die Skalierbarkeit ist ein wichtiger Aspekt des Designs, da Bilddatenmanagement- und Analysesysteme in der Regel in einer Organisation stark genutzt werden. Darüber hinaus kann die Nutzung schnell und unerwartet zunehmen, wenn die allgemeine Akzeptanz von GIS in einer Organisation zunimmt. ArcGIS Enterprise on Kubernetes-Bereitstellungen können horizontal skaliert werden, indem die Anzahl der Pods angepasst wird, sowie vertikal, indem Arbeitsspeicher und CPU angepasst werden. ArcGIS Enterprise on Kubernetes bietet außerdem robuste, flexible Skalierungsoptionen für Services. Weitere Informationen zur Service-Skalierung.
    • Eine Skalierung des Bilddaten-Hostings ist in der Regel nicht erforderlich, da Anforderungen für gekachelte Bilddaten von Natur aus gering sind. Die Skalierung von Raster-Analyse-Sites hängt von den verfügbaren Compute-Ressourcen sowie der Art und Häufigkeit der erforderlichen Analyse ab.
  • Die Quelldefinition und -struktur der Bilddaten muss in diesem Systemmuster ebenso sorgfältig berücksichtigt werden, da die Image-Services direkt mit den Quellbilddaten verbunden sind. Ein ineffizienter Dateityp oder ein ineffizientes Speichermuster kann sich auf die Performance des Service auswirken.

Automatisierung

Die Automatisierung zielt darauf ab, den Aufwand für manuelle Bereitstellungs- und Betriebsaufgaben zu verringern, was zu einer höheren betrieblichen Effizienz sowie zur Reduzierung der vom Menschen verursachten Systemprobleme führt. Weitere Informationen finden Sie in der Übersicht über den Grundpfeiler “Automatisierung”.

  • Die Verwaltung von Bilddaten erfordert häufig eine Automatisierung, in der Regel mit Python. Dies erfolgt in der Regel über die ArcGIS API for Python, die Bilddaten-Services und -Daten verwendet und zum Automatisieren von Aktualisierungen, Änderungen an Bilddaten oder anderen Workflows verwendet werden kann.
  • Die Automatisierung der Systemverwaltung wird zu einem großen Teil von Kubernetes übernommen.
  • ArcGIS Enterprise on Kubernetes bietet Unterstützung für die Helm-basierte Bereitstellung und Konfiguration.

Integration

Die Integration verbindet dieses System mit anderen Systemen, um Unternehmensservices bereitzustellen und die Produktivität der Organisation zu steigern. Weitere Informationen finden Sie in der Übersicht über den Grundpfeiler “Integration”.

  • ArcGIS Enterprise-basierte Bilddatenmanagement- und Analysesysteme lassen sich häufig in andere Bilddaten-Managementsysteme integrieren, einschließlich Anbieter von Inhalten, die in ArcGIS Enterprise registrierbare Image-Services freigeben.
  • Die Ausgaben von Image-Services der Bilddatenmanagement- und Analysesysteme werden in der Regel auch in andere Systeme im gesamten Unternehmen einer Organisation integriert und können daher auch Geschäftsvorgänge unterstützen, die Systemadministratoren unbekannt oder nicht verfügbar sind.

Observability

Die Observability bietet Einblicke in das System und ermöglicht es dem Personal und anderen technischen Rollen, das System in einem fehlerfreien, stabilen Zustand zu halten. Weitere Informationen hierzu finden Sie in der Übersicht über den Grundpfeiler “Observability”.

  • ArcGIS Enterprise on Kubernetes kann auf verschiedene Weise überwacht werden, z. B. durch Systemprotokolle und Zustandsüberwachung mit ArcGIS Enterprise Manager. Die Überwachung der Systemverfügbarkeit, Performance und Nutzung ist für dieses Systemmuster von größter Bedeutung. Neben der Überwachung der ArcGIS Enterprise-Software ist es wichtig, alle unterstützenden Komponenten und Infrastrukturen wie die Kubernetes-Umgebung, Datenbanken und andere Data Stores sowie die Compute-, Netzwerk-, Sicherheits- und andere Infrastruktur zu überwachen. Weitere Informationen über die Überwachung des Systemzustands und der -zuverlässigkeit.
  • Die Bereitstellung von Bilddaten-Services für die gesamte Organisation (und möglicherweise darüber hinaus) kann zu Nutzungsmustern und Wachstum führen, die von den Systemdesignern oder -betreibern nicht vorhergesehen wurden. Die Überwachung hilft den Mitarbeitern, Entscheidungen darüber zu treffen, wann sie skalieren und weiterentwickeln müssen, um den Bedarf zu befriedigen und gleichzeitig den ordnungsgemäßen Betrieb (in Übereinstimmung mit SLAs) zu gewährleisten.
  • Eine zusätzliche Beobachtung von Benutzeranmeldungen und Kontoänderungen kann über den konfigurierten Identity-Provider möglich sein, wenn SAML- und/oder OpenID Connect-Anmeldungen verwendet werden.

Sonstiges

Zu den weiteren Überlegungen für das Design und Implementieren eines Bilddatenmanagement- und Analysesystems gehören:

  • Für einen erfolgreichen Betrieb ist ein gutes Verständnis von GIS-, IT- und Datenbankkonzepten sowie der Technologie erforderlich. Dazu gehören Kenntnisse und Fähigkeiten, die für die ausgewählten Speichersysteme, Bilddatentypen und -formate sowie Kubernetes spezifisch sind.
  • Für Organisationen, die über die Ressourcen und das Personal verfügen, um Unternehmenssoftware auf Kubernetes bereitzustellen und zu warten, bietet die Option der Bereitstellung von ArcGIS Enterprise on Kubernetes eine Trennung der IT-Verwaltung und -Wartung von der GIS-Verwaltung.
  • Data Governance und die Ausrichtung an IT-Richtlinien und -Rollen, wie z. B. Data Steward und Datenbankadministrator, sollten bei der Implementierung dieses Systemmusters unbedingt berücksichtigt werden.

Zugehörige Ressourcen:

Top