Nach oben

Auswählen eines Bereitstellungsmusters für Bilddatenmanagement- und Analysesysteme

Bilddatenmanagement- und Analysesysteme werden in der Regel mit einem von vier Bereitstellungsmustern bereitgestellt:

Die Auswahl eines Bereitstellungsmusters ist eine der wichtigsten Entscheidungen beim Entwerfen eines GIS-Systems für Ihre Organisation.

Der wichtigste Faktor bei dieser Entscheidung ist die Ausrichtung an den IT-Prinzipien und -Richtlinien sowie dem Grad der Vertrautheit Ihrer Organisation mit der Unterstützung unterschiedlicher Bereitstellungsansätze. Einige Organisationen geben beispielsweise einer Standardisierung auf SaaS-basierte Systeme und Lösungen den Vorzug. Andere Organisationen, die stark in Kubernetes-basierte Bereitstellungen investieren, u. a. durch Einstellung und Schulung von Mitarbeitern mit operativen Kubernetes-Erfahrungen und -Fähigkeiten, bevorzugen möglicherweise Kubernetes-basierte Bereitstellungsmuster.

Hinweis:

Sowohl die Funktionen als auch die Überlegungen unterscheiden sich bei den einzelnen Bereitstellungsmustern. Weitere Informationen finden Sie in den folgenden Vergleichen und auf den Seiten mit den Bereitstellungsmustern.

Allgemeine Informationen und Überlegungen zu diesen Bereitstellungsansätzen finden Sie auf der Seite ArcGIS-Produkte und -Bereitstellungsoptionen in der Übersicht über ArcGIS.

Funktionsvergleich

Neben der Ausrichtung an Ihren IT-Prinzipien und -Richtlinien sowie dem Grad der Vertrautheit mit den einzelnen Bereitstellungsmustern ist es wichtig, die jeweiligen Funktionen im Entscheidungsprozess zu berücksichtigen. Die Funktionen eines Bilddatenmanagement- und Analysesystems unterscheiden sich je nach Bereitstellungsmuster. In der folgenden Matrix werden die spezifischen Funktionen verglichen, die von den einzelnen Bereitstellungsmustern unterstützt werden:

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.

Funktion                         SaaS SaaS – Image Dedicated   Windows/Linux Kubernetes
Visualisierung und Analyse von Bilddaten
Datenmodellierung und -strukturierung
Veröffentlichen von Bilddaten 1 1
Katalogisieren von Datasets und Layern2    
Hosten gekachelter Bilddaten-Layer2    
On-the-fly-Raster-Analyse
Höhenanalyse
Verteilte Raster-Analysen
Bildextraktion
Deep Learning und KI 3 3 3 3
Multidimensionale Daten
Arbeiten im Bildraum 4 4 4
Arbeiten mit Stereobilddaten
Oriented Imagery
Drohneneinsätze
Reality-Mapping
Video5      
LIDAR-Datasets und -Workflows
Synthetic Aperture Radar
Zugriff auf STAC-Kataloge6

Volle Unterstützung Teilunterstützung

  1. ArcGIS Online-Systeme bieten Unterstützung für eine Vielzahl von Bilddatenformaten, unterstützen jedoch möglicherweise nicht so viele Typen, Sensoren und Produkte wie ArcGIS Enterprise-basierte Systeme. ↩ ↩2

  2. Gekachelte Bilddaten-Layer beziehen sich auf einen bestimmten CRF-basierten Kachel-Layer in ArcGIS‎ Online. Weitere Informationen finden Sie unter Gekachelte Bilddaten-Layer. ↩ ↩2

  3. ArcGIS Deep Learning Studio ist eine Webanwendung, die derzeit nur mit ArcGIS Enterprise unter Windows oder Linux oder mit ArcGIS Enterprise on Kubernetes verfügbar ist. ↩ ↩2 ↩3 ↩4

  4. ArcGIS Excalibur ist eine Webanwendung, die sowohl mit ArcGIS Online als auch mit ArcGIS Enterprise verfügbar ist. Es ist eine der Hauptanwendungen für das Arbeiten mit Bilddaten im Bildraum sowie Videoanalysen, obwohl der Videozugriff in Excalibur derzeit nur in ArcGIS Enterprise über ArcGIS Video Server verfügbar ist. Bildraum- und Video-Assets können auch in ArcGIS Pro visualisiert und genutzt werden. ↩ ↩2 ↩3

  5. Das Katalogisieren und Streamen von Videodateien ist derzeit nur mit ArcGIS Video Server, einer Verbundserverrolle unter Windows oder Linux, verfügbar. ArcGIS Pro und ArcGIS Excalibur unterstützen gleichermaßen die Verwendung von Full Motion Videos, die im Netzwerk, in der Cloud oder im Web gespeichert sind oder über Video Server gestreamt werden. ↩

  6. Unterstützung für Spatio-Temporal Asset Catalog (STAC) ist in ArcGIS Pro verfügbar, um eine Verbindung mit externen STAC-Katalogen herzustellen. Das Hosten von STAC-Katalogen oder -Sammlungen wird derzeit von keinem Bereitstellungsmuster des Musters für Bilddatenmanagement- und Analysesysteme unterstützt. ArcGIS GeoPortal Server kann jedoch zum Hosten eines STAC-Katalogs verwendet werden. ↩

Weitere Informationen zu den oben aufgeführten Zeilen finden Sie in den Systemfunktionen des Bilddaten-Managementsystems. Darüber hinaus wird jede der vorstehenden Zellen auf den Seiten zu den Bereitstellungsmustern für Bilddatenmanagement- und Analysesysteme ausführlicher beschrieben.

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

Allgemeine Überlegungen

Die folgenden Überlegungen sollen dazu beitragen, die Geschäfts- und IT-Anforderungen Ihrer Organisation mit dem entsprechenden Bereitstellungsmuster für Bilddatenmanagement- und Analysesysteme in Einklang zu bringen. Die hier präsentierten Informationen erheben keinen Anspruch auf Vollständigkeit, sondern heben wichtige Überlegungen für das Design und die Implementierung dieses Systemmusters hervor.

  • Skalierbarkeit, Zuverlässigkeit, Service Level Agreements (SLA), Sicherheit und ausgewogene Verantwortlichkeiten zwischen Ihrer Organisation und Esri sind in der Regel wichtige Faktoren bei der Auswahl eines Bereitstellungsmusters. Weitere Informationen finden Sie in den Abschnitten zu den Grundpfeilern Zuverlässigkeit, Performance und Skalierbarkeit sowie Sicherheit.
  • Die SaaS-Bereitstellungsmuster mit ArcGIS Online in Verbindung mit ArcGIS Image oder ArcGIS Image Dedicated zeichnen sich durch die schnellste Markteinführungszeit aus. Die Funktionen, die sie bieten, können schnell für eine Organisation aktiviert werden, und die Vielfalt der enthaltenen Anwendungen bietet Unterstützung für eine Vielzahl von Workflows und Benutzeranforderungen.
  • ArcGIS Image for ArcGIS Online ist eine gute Option für Organisationen, die mit relativ einfacheren oder statischen Bilddaten-Assets arbeiten, z. B. mit einem Dataset, das von einem Anbieter bereitgestellt oder von einem Datenanbieter heruntergeladen wurde. Es gibt zwar eine gewisse Unterstützung für aktivierte Zeiteigenschaften durch gekachelte Bilddaten-Layer, ArcGIS Image-Datasets sind jedoch in der Regel in sich geschlossen und erfordern nicht die komplexen Abfragen und Mosaikierungen, die bei anderen Workflows erforderlich sind.
  • ArcGIS Image Dedicated wurde für fortschrittlichere Bilddatenmanagement- und Analysesysteme entwickelt, und ein wichtiges Unterscheidungsmerkmal zu ArcGIS Image besteht darin, dass Dedicated die Verwendung von kundenseitig verwaltetem Objektspeicher in AWS oder Azure als Quelle für Bilddaten unterstützt. Überprüfen Sie in der Produktdokumentation und in den Beispiel-Workflows die Kompatibilität mit Ihrem Speicher-Provider, der Cloud-Hosting-Strategie und den Implementierungsdetails.
  • Bilddatenmanagement- und Analysesysteme, die mit ArcGIS Enterprise unter Windows, Linux oder Kubernetes erstellt wurden, unterstützen Verbindungen zu Objektspeicher in einer Vielzahl von Cloud-Umgebungen sowie zu lokalem Objektspeicher und Blockspeicheranbietern.
  • Der Zugriff auf eine GPU (Graphics Processing Unit) ist häufig eine wichtige Anforderung für Bilddatenmanagement- und Analysesysteme, sowohl in Bezug auf die Client-Anwendungen als auch auf die Server- oder Backend-Systeme.
    • Deep-Learning-Workflows wie Inferenzierung oder Training sind in hohem Maße von bestimmten Computing-Ressourcen (z. B. einem GPU-Prozessor) abhängig. Esri stellt FAQ zu Deep Learning bereit, in denen häufig gestellte Fragen zur GPU-Verfügbarkeit und -Eignung für Deep Learning beantwortet werden.
    • Einige Analyse-Workflows oder Rendering-Prozesse, z. B. das Anzeigen von Bilddaten mit ArcGIS Pro auf einer virtuellen Maschine, nutzen zur Beschleunigung eine GPU bzw. eine virtuelle GPU, während andere Workflows wie Geoverarbeitungswerkzeuge oder Python-Notebooks eine GPU für native analytische Berechnungen nutzen. Weitere Informationen finden Sie unter GPU-Verarbeitung mit Spatial Analyst in der ArcGIS Pro-Dokumentation.
    • Die Verfügbarkeit und Auslastung von GPU-Ressourcen kann zwischen verschiedenen Bereitstellungsmustern erheblich variieren und sich auch erheblich auf die Kosten für das Hosten eines Systems auswirken. Spezifische Anleitungen für ArcGIS Enterprise on Kubernetes finden Sie in der entsprechenden Dokumentation.
    • ArcGIS Notebook Server und ArcGIS Online-Notebooks bieten eine Methode, mit der Benutzer mithilfe speziell definierter Notebook-Runtimes auf GPU-Ressourcen zugreifen können, was bei Data-Science- und Machine-Learning-Workflows in Python-Notebooks hilfreich sein kann.
    • Beachten Sie, dass der Zugriff auf eine GPU keine universelle Anforderung ist – viele Geoverarbeitungswerkzeuge oder Analyse-Workflows sind nicht für die Nutzung einer GPU konzipiert. Daher ist es wichtig, GPU-Ressourcen nur dort bereitzustellen, wo es notwendig und wirkungsvoll ist, anstatt zu erwarten, dass sich damit jeder Workflow verbessern lässt.

Die Auswahl eines Bereitstellungsmusters ist eine der wichtigsten Entscheidungen beim Entwerfen eines GIS-Systems für Ihre Organisation. Daneben sind jedoch weitere wichtige Entscheidungen erforderlich. Zahlreiche zusätzliche Faktoren müssen beim Entwurf Ihres Systems berücksichtigt werden, darunter Bereiche wie Sicherheit, Zuverlässigkeit und Integration. Beachten Sie daher, dass es sich bei den hier bereitgestellten Informationen um keine abschließende und vollständige Darstellung handelt. Sehen Sie sich im Rahmen Ihres Entwurfsprozesses die Empfehlungen und Grundpfeiler des ArcGIS Well-Architected Framework sowie die Produktdokumentation im Detail an.

Top