Haut

Sélection d’un modèle de déploiement pour les systèmes de gestion des données d’imagerie et d’analyse

Les systèmes de gestion des données d’imagerie et d’analyse sont généralement déployés à l’aide de l’un des quatre modèles de déploiement suivants :

Le choix d’un modèle de déploiement est l’une des décisions les plus importantes à prendre lors de la conception d’un système SIG pour une organisation.

Le facteur le plus important dans cette décision est sans doute la conformité aux règles informatiques, aux directives et au niveau de confort de l’organisation dans la prise en charge des différentes approches de déploiement. Par exemple, certaines organisations peuvent préférer opter pour des systèmes et solutions SaaS. D’autres organisations qui investissent massivement dans les déploiements basés sur Kubernetes, notamment en employant et en formant du personnel ayant une expérience et des compétences opérationnelles Kubernetes, peuvent préférer les modèles de déploiement basés sur Kubernetes.

Remarque:

Les fonctionnalités et les points à considérer diffèrent selon les modèles de déploiement. Pour plus d’informations, consultez les comparaisons ci-dessous, ainsi que les pages consacrées aux modèles de déploiement.

Pour obtenir des informations générales sur ces approches de déploiement, reportez-vous à la page Produits ArcGIS et options de déploiement de la vue d’ensemble d’ArcGIS.

Comparaison des fonctionnalités

En plus de la conformité aux règles informatiques, aux directives et au niveau de confort, il est également important de prendre en compte les fonctionnalités de chaque modèle de déploiement dans le processus de prise de décision. Les fonctionnalités d’un système de gestion des données d’imagerie et d’analyse diffèrent selon les modèles de déploiement. Le tableau suivant compare les fonctionnalités spécifiques prises en charge par chacun des modèles de déploiement :

Les fonctionnalités utilisées dans un système de gestion des données d’imagerie et d’analyse, mais généralement fournies par d’autres systèmes, telles que les fonds de carte, le géocodage et d’autres services de localisation fournis par un système de services de localisation, ne sont pas répertoriées ci-dessous.

Fonctionnalité SaaS SaaS – Image Dedicated Windows/Linux Kubernetes
Visualisation et analyse d’imagerie
Modélisation et structuration des données
Publication de données d’imagerie 1 1
Jeux de données et couches Catalogue2    
Hébergement de couches d’imagerie tuilée2    
Analyse raster à la volée
Analyse d’élévation
Analyse raster distribuée
Extraction d’images
Deep Learning et IA 3 3 3 3
Données multidimensionnelles
Travailler dans l’espace image 4 4 4
Utiliser l’imagerie stéréo
Imagerie orientée
Opérations de drone
Cartographie de la réalité
Vidéo5      
Jeux de données lidar et processus
Radar à synthèse d’ouverture
Catalogues STAC d’accès6

Prise en charge complète Prise en charge partielle

  1. Les systèmes ArcGIS Online peuvent prendre en charge une grande variété de formats de données d’imagerie, mais ne peuvent pas prendre en charge autant de types, de capteurs et de produits que les systèmes basés sur ArcGIS Enterprise. ↩ ↩2

  2. Les couches d’imagerie tuilée font référence à une couche de tuiles spécifique basée sur le format CRF dans ArcGIS Online, voir Couches d’imagerie tuilée pour plus d’informations. ↩ ↩2

  3. ArcGIS Deep Learning Studio est une application Web qui n’est actuellement disponible qu’avec ArcGIS Enterprise sous Windows ou Linux ou avec ArcGIS Enterprise sous Kubernetes. ↩ ↩2 ↩3 ↩4

  4. ArcGIS Excalibur est une application Web disponible à la fois avec ArcGIS Online et ArcGIS Enterprise. Il s’agit de l’une des principales applications permettant d’utiliser l’imagerie dans l’espace image, ainsi que l’analyse vidéo, bien que l’accès vidéo dans Excalibur ne soit disponible dans ArcGIS Enterprise pour le moment que via ArcGIS Video Server. L’espace d’images et les ressources vidéo peuvent également être visualisés et exploités dans ArcGIS Pro. ↩ ↩2 ↩3

  5. Le catalogage et la diffusion en continu de fichiers vidéo ne sont actuellement disponibles qu’avec ArcGIS Video Server, un rôle de serveur fédéré sous Windows ou Linux. ArcGIS Pro et ArcGIS Excalibur prennent tous deux en charge l’utilisation de vidéos animées stockées sur un stockage réseau, Cloud ou Web, ou diffusées via Video Server. ↩

  6. La prise en charge du catalogue de ressources spatio-temporelles (STAC) est disponible dans ArcGIS Pro pour la connexion aux catalogues STAC externes. Aucun modèle de déploiement du modèle de système de gestion des données d’imagerie et d’analyse ne prend actuellement en charge l’hébergement de catalogues ou collections STAC, bien qu’ArcGIS GeoPortal Server puisse être utilisé pour héberger un catalogue STAC. ↩

Pour plus d’informations sur chaque ligne indiquée ci-dessus, reportez-vous aux fonctionnalités du système de gestion des données d’imagerie. En outre, chacune des cellules ci-avant est décrite plus en détail dans les pages dédiées au modèle de déploiement du système de gestion des données d’imagerie et d’analyse.

Les fonctionnalités représentées ci-dessus correspondent à celles disponibles en juillet 2025.

Considérations générales

Les informations ci-dessous visent à vous aider à aligner les besoins commerciaux et informatiques de l’organisation sur le modèle de déploiement du système de gestion des données d’imagerie et d’analyse. Les informations présentées ici n’ont pas pour but d’être exhaustives, mais de mettre en évidence les principaux éléments à prendre en compte pour concevoir et implémenter ce modèle de système.

  • L’évolutivité, la fiabilité, les contrats de niveau de service, la sécurité et l’équilibre des responsabilités entre l’organisation et Esri sont généralement les principaux facteurs à prendre en compte lors du choix d’un modèle de déploiement. Pour plus d’informations, consultez les sections relatives aux piliers Fiabilité, Performances et évolutivité et Sécurité.
  • Les modèles de déploiement SaaS qui utilisent ArcGIS Online avec ArcGIS Image ou ArcGIS Image Dedicated offrent le délai de mise sur le marché le plus rapide. Leurs fonctionnalités peuvent être activées rapidement pour une organisation, et la variété d’applications incluses prend en charge un large éventail de processus répondant aux différents besoins des utilisateurs.
  • ArcGIS Image for ArcGIS Online est une bonne option pour les organisations qui utilisent des ressources d’imagerie relativement simples ou statiques, telles qu’un jeu de données fourni par un fournisseur ou téléchargé à partir d’un fournisseur de données. Bien qu’il existe une certaine prise en charge dans le temps grâce aux couches d’imagerie tuilée, les jeux de données ArcGIS Image sont généralement autonomes et ne nécessitent pas les requêtes complexes et le mosaïquage requis par d’autres processus.
  • ArcGIS Image Dedicated est conçu pour les systèmes de gestion de données d’imagerie et d’analyse plus avancés, et l’un des principaux facteurs de différenciation par rapport à ArcGIS Image est qu’il prend en charge l’utilisation du stockage d’objets gérés par le client dans AWS ou Azure comme source de données d’imagerie. Consultez la documentation du produit et les exemples de processus pour vérifier la compatibilité avec le fournisseur de stockage, la stratégie d’hébergement dans le Cloud et les détails d’implémentation.
  • Les systèmes de gestion des données d’imagerie et d’analyse créés avec ArcGIS Enterprise sous Windows, Linux ou Kubernetes prennent en charge les connexions au stockage d’objets dans de nombreux environnements Cloud, ainsi que dans les fournisseurs de stockage d’objets et de stockage par blocs sur site.
  • L’accès à une unité de traitement graphique (GPU) est souvent une condition préalable essentielle des systèmes de gestion des données d’imagerie et d’analyse, à la fois en termes d’applications clientes et de systèmes serveur ou backend.
    • Les processus de Deep Learning, tels que l’inférence ou l’entraînement, dépendent fortement de ressources de calcul spécifiques (par exemple, un processeur GPU). Esri propose une FAQ dédiée au Deep Learning qui répond aux questions courantes relatives à la disponibilité du GPU et à son adéquation au Deep Learning.
    • Certains processus d’analyse ou de rendu, tels que l’affichage de l’imagerie avec ArcGIS Pro sur une machine virtuelle, s’appuient sur un GPU ou un GPU virtuel pour accélérer cette expérience, tandis que d’autres processus, tels que les outils de géotraitement ou les notebooks Python, reposent sur un GPU pour les calculs analytiques natifs. Pour plus d’informations, reportez-vous à la rubrique Traitement GPU avec Spatial Analyst dans la documentation ArcGIS Pro.
    • La disponibilité et l’utilisation des ressources GPU peuvent varier considérablement entre les différents modèles de déploiement, et peuvent également avoir un impact significatif sur le coût d’hébergement d’un système. Vous trouverez des conseils spécifiques à ArcGIS Enterprise on Kubernetes dans la documentation associée.
    • ArcGIS Notebook Server et ArcGIS Online Notebooks permettent aux utilisateurs d’accéder aux ressources GPU à l’aide d’environnements d’exécution de notebooks spécialement définis, qui peuvent faciliter les processus liés à la science des données et au Machine Learning dans les notebooks Python.
    • Notez que l’accès à un GPU n’est pas une exigence universelle : de nombreux outils de géotraitement ou processus d’analyse ne sont pas conçus pour exploiter un GPU. Cela signifie qu’il est important de n’octroyer des ressources GPU que si cela est nécessaire et intéressant, plutôt que d’attendre qu’un processus puisse être amélioré.

Le choix d’un modèle de déploiement est l’une des décisions les plus importantes à prendre lors de la conception d’un système SIG pour une organisation. Cependant, ce n’est pas la seule. De nombreux facteurs supplémentaires doivent être pris en compte lors de la conception d’un système, notamment en matière de sécurité, de fiabilité et d’intégration. Les informations fournies ici ne doivent pas être considérées comme exhaustives. Dans le cadre du processus de conception, examinez en détail les pratiques et les piliers d’architecture du cadre ArcGIS Well-Architected Framework, ainsi que la documentation du produit.

Top