画像データ管理および解析システム (Kubernetes)

画像データ管理および解析システムパターンは通常、ArcGIS Enterprise on Kubernetes ソフトウェアを使用して Kubernetes にデプロイされます。

ArcGIS Enterprise on Kubernetes は、マイクロサービスとコンテナー化を利用してクラウドネイティブアーキテクチャーを提供し、組織の Kubernetes プラットフォームまたはクラウドプロバイダーの Kubernetes サービスのいずれかで動作します。コンテナーを使って GIS プロセスをマイクロサービスに分割し、それぞれのマイクロサービスが個別の専用機能を実行します。各マイクロサービスは、アプリケーションを実行するために必要なすべてのデータをパッケージ化するコンテナー内で動作します。 1 つ以上のコンテナーは、ストレージリソース、ネットワーク ID、およびコンテナーの実行方法に関する一連のルールを含むポッドに収容されます。 Kubernetes クラスターは、ArcGIS Enterprise on Kubernetes コンテナーをオーケストレーションで管理します。

ArcGIS Enterprise on Kubernetes は、Kubernetes に投資してコンテナー化されたアプリケーションをオーケストレーションで管理している組織に最適です。

基本アーキテクチャー

Kubernetes にデプロイされた画像データ管理および解析システムの一般的な基本アーキテクチャーを次に示します。

この図をシステムの設計としてそのまま使用しないでください。システムの設計時には、重要な要素と設計上の選択肢を数多く検討する必要があります。詳しくは、システムパターンの使用のトピックをご参照ください。さらに、以下の図はシステムの基本機能のみを示しています。拡張機能を提供する際には、追加のシステムコンポーネントが必要になる場合があります。

画像データ管理および解析システムの基本アーキテクチャー (Kubernetes)

上記の機能は、2025 年 7 月時点で利用可能な機能を反映しています。

このアーキテクチャーの主要なコンポーネントは次のとおりです。

オブジェクトストレージ、ファイルサーバー、その他のソースに格納されている (さまざまなタイプの) 画像データ。このパターンの画像データは、航空、ドローン、および衛星プラットフォームから収集された従来のラスター画像、LIDAR とその他の 3D データタイプ、方向付き画像、多次元および科学データセットなど、幅広く定義されています。このシステムではオブジェクトストレージが特に重要です。これは、このストレージが非常に大規模な画像アセットのコスト効率の高いストレージシステムとしてよく使用されており、このストレージタイプに対して最適化すると、このシステムが優れたパフォーマンスを発揮するためです。
Kubernetes クラスターへの ArcGIS Enterprise on Kubernetes コンテナーの基本的なデプロイメント。ここには、それぞれのシステム機能を表す 4 つのカテゴリーのポッドが含まれています。詳細については、ArcGIS Enterprise on Kubernetes のドキュメントをご参照ください。
各ワーカーノードでトラフィックを転送するには、ロードバランサーが必要です。詳細については、ArcGIS Enterprise on Kubernetes のシステムネットワーク要件をご参照ください。
オブジェクトストアは、アップロードおよび保存されたコンテンツ、ホストタイルレイヤーキャッシュおよびイメージレイヤーキャッシュ、ジオプロセシングの出力を格納する ArcGIS 管理のストレージを提供します。 ArcGIS Enterprise 11.2 では、サポートされている複数のサービスプロバイダーのクラウドネイティブストレージを使用するように、オブジェクトストアを構成できます。
Esri の SaaS インフラストラクチャーである ArcGIS Online は通常、このシステムのベースマップ (衛星画像ベースマップなど)、参照データ (場所など)、その他の位置情報サービス (ジオコーディングや検索など) を提供します。また、Esri の SaaS システムを使用する代わりに、組織が独自の位置情報サービスをホストして管理することもできます。詳しくは、位置情報サービスシステムパターンをご参照ください。
このパターンでは、いくつかのアプリケーションがさまざまな目的でよく使用されます。これには、ArcGIS Pro (デスクトップ)、ArcGIS Experience Builder (Web)、ArcGIS Field Maps (ネイティブ) があります。 ArcGIS ポータル Web サイト、Map Viewer、および Scene Viewer はすべて、画像データの操作、構成、解析に使用されます。 Python Notebook は、ユーザーがホストする環境、ArcGIS Notebook Server、または ArcGIS Pro で実行され、画像データの操作、視覚化、解析に使用されます。また、ArcGIS Reality は、リアリティーキャプチャーデータを処理するための包括的なツールセットを提供します。画像データ管理および解析システムで使用されるアプリケーションの詳細をご覧ください。

このアーキテクチャーの主な連携方法は次のとおりです。

クライアントアプリケーションは、HTTPS 経由で (通常はステートレスな REST API を介して) 画像データサービスや位置情報サービスと通信します。このパターンでは、タイルイメージサービス、ダイナミックイメージサービス、シーンサービス、さまざまな解析サービスが多用されます。
このデプロイメントパターンでは、ユーザーは通常、ファイル共有またはクラウドオブジェクトストレージ上の画像アセットをさまざまな形式で管理します。イメージサービスは、データのコピーもストレージシステムからの出力もなしで、このストレージから直接公開されます。モザイクデータセットやその他のデータモデルは、ファイルジオデータベースまたはエンタープライズジオデータベース内に作成されることがよくあります。 ArcGIS Enterprise on Kubernetes 内の画像ホスティングサービスまたはポッドは、モザイクデータセットから公開されたイメージサービスだけでなく、ポータルまたはラスター解析ジョブへのユーザーのアップロードから公開されたホストイメージサービスもホストできます。ラスター解析ジョブ (ArcGIS Enterprise 11.2 以降) を実行すると、大量の画像が解析され、結果がイメージサービスとしてシステムに保存されて公開されます。

注意:

11.4 リリースより前の ArcGIS Enterprise デプロイメントでは、ArcGIS Pro ライセンスを構成および管理する場合に ArcGIS License Manager が必要になることがあります。詳細については、ArcGIS License Manager のドキュメントをご参照ください。

ArcGIS Enterprise コンポーネント間の連携方法の詳細については、ArcGIS Enterprise on Kubernetes の製品ドキュメントをご参照ください。

機能

Kubernetes 上での画像データ管理および解析システムの機能を次に示します。詳細については、機能の概要と、デプロイメントパターン間の機能サポートの比較をご参照ください。

画像データ管理および解析システムで使用される機能のうち、通常は他のシステムによって提供される機能 (ベースマップ、ジオコーディング、位置情報サービスシステムによって提供されるその他の位置情報サービスなど) は、以下に示されていません。関連するシステムパターンの詳細をご覧ください。

基本機能

基本機能は、画像データ管理および解析システムに備わっている最も一般的な機能を意味し、上記の基本アーキテクチャーによって実現されます。

画像の視覚化と解析では、ユーザーは、動的な画像オーバーレイを通じて、過去の画像のコレクションをナビゲートすることで、アプリケーション内のベースマップとして画像データを操作したり、最新のドローンフライトに基づいて観測データを収集したりできます。調整、ストレッチ、バンド割り当ての変更を動的に行って画像を強化します。画像のレンダリングは、リクエストされた対象エリアを表示し、画面移動やズームを行うたびにレンダリングルールを再適用するように最適化されています。ジオプロセシングツール、アルゴリズム、および関数を使用して、画像データの解析、土地利用の評価、活動と変化の監視、被害の計測、環境要因の評価を行います。
データモデリングと構造化では、モザイクデータセットと LAS データセット、ラスタープロダクトとセンサーモデル、方向付き画像カタログ、その他の業界固有モデルまたはユースケース固有モデル (軌道データなど) といった一般的なデータモデルに大規模なデータセットを追加するための標準化されたアプローチが確立されます。カタログデータセットを作成し、ローカルストレージまたはネットワークに接続されたストレージ内のアセットのカタログレイヤーを操作するか、ArcGIS Online または ArcGIS Enterprise 組織からアイテムとサービスを追加します。これらのモデルは、詳細なデータセットを整理し、メタデータを提供して使用できるようにするのに役立ちます。
画像データの公開では、すべてのタイプのユーザーが画像のコレクションやその他のリモートセンシングデータソースを作成およびホストできます。画像コレクションと画像プロダクトをダイナミックサービスまたはタイルサービスとして地域規模または世界規模で公開し、Web、モバイル、およびデスクトップアプリケーションを使用して視覚化および操作できます。
リアルタイムラスター解析では、ラスター関数を使用し、これらの関数を組み合わせてラスター関数テンプレートを作成することで、すばやくバンドを結合し、画像を比較し、画像のコレクションから値を解析して、動的な出力画像を生成します。ラスター関数はリクエスト時に適用され、リクエストされたピクセル領域にのみ適用されるため、データセット全体を再処理せずに画像を動的にレンダリングする方法として効率的です。
標高解析には、等高線を生成する機能、水文解析モデルを実行する機能、集水域を表示および定義する機能、詳細なデータセットのテレイン、傾斜角、および傾斜方向のレンダリングを表示する機能があります。 3D サーフェスおよびデータセットの切断と充填または比較によって体積解析を実行します。さまざまなソースから取得した標高を異なる解像度で組み合わせ、直接表示するために使用したり、都市または地方の 3D レンダリングの基礎として使用したりできるシームレスな標高サービスを準備します。 Esri では、視覚化リクエストや解析リクエストに対応するための、すぐに使用できる標高サービスも提供しています。
画像抽出機能では、ソース画像データとモザイク処理された画像データを動的に、かつプログラムによってエクスポートおよびダウンロードし、他のアプリケーションで使用するか、ディープラーニングワークフローの画像チップとして使用することができます。抽出では、ソースピクセルに直接アクセスしたり、リクエストされた範囲に対して特定の解像度でリサンプリングされた新しい画像を作成したりできます。 ArcGIS では、衛星画像ベースマップのエリアを抽出し、データアクセスに非接続の環境および編集ワークフローでのオフライン使用を可能にすることもできます。
ディープラーニングと AI は、ArcGIS および画像データ管理および解析システム全体に組み込まれています。ユーザーは、画像アセットやローカル計算リソースを使用してディープラーニングモデルで推論をトレーニングおよび実行したり、クラウドリソースやクラウドサービスなどの大規模なシステム間でスケーリングしたりできます。 ArcGIS Living Atlas には、事前トレーニング済みのモデルのギャラリーも用意されており、これらのモデルは、直接使用するか、組織の特定のワークフロー、データ、またはジオグラフィーに合わせて調整することができます。
多次元データは、NetCDF、GRIB、HDF、Zarr などの標準的な指数形式を使用して探索できます。これらのデータでは、時間の経過に伴う変化や、さまざまな大気の高度または深度での計測値などの変数が表示されます。 ArcGIS Pro と ArcGIS Map Viewer には、タイムスライスの表示、複雑な多変量シンボルの構築と表示、使用可能な変数の特定、独自の新しい計算の作成、データセットの時間範囲外の変数の予測をすばやく実行できる専用のユーザーインターフェイスが用意されています。
画像空間で作業し、画像計測タスクを実行して、センサーからキャプチャーされた画像を従来のオルソビューやステレオビューイングとともに視覚化します。画像空間解析を使用すると、フィーチャを収集したり、リサンプリングせずに詳細を表示したり、歪みが生じないようにすることもできます。
ステレオ表示機能を使用して、2.5D で画像を視覚化し、画像計測タスクを実行し、高精度で 3D オブジェクトの可能性のあるフィーチャを手動でデジタイズおよび抽出します。写真測量ワークフローでよく使用されるステレオ編集は、主に ArcGIS Pro で使用できます。

拡張機能

拡張機能は通常、特定のニーズを満たすために追加されるか、業界固有のデータモデルとソリューションをサポートするために追加され、ソフトウェアコンポーネントやアーキテクチャーに関する検討事項がさらに必要になる場合があります。

分散ラスター解析ジョブを作成すると、分散コンピューティングモデル内に保有されている大量の画像に対してラスター関数の計算を実行できます。この操作には、トレーニング済みのディープラーニングモデルを使用して推論する操作や、定義済みのレンダラーまたは計算に基づいて新しい出力データプロダクトを作成する操作が含まれることもあります。ラスター解析ジョブのデータは、ArcGIS Enterprise の画像ホスティング機能を通じて保持されます。
斜め、バブルまたは球面画像、360 度パノラマ、道路側、検査画像など、さまざまなタイプの方向付き画像を操作します。これらのデータセットは従来の直下画像ではありませんが、セキュリティー調査、資産検査、データ収集などのワークフローを通じて、組織に大きな価値をもたらすことがあります。 ArcGIS の方向付き画像機能には、構造化データモデル、専用のビューアーアプリケーションだけでなく、さまざまなアプリケーションで方向付き画像を提供したり操作したりするためのサポートも含まれています。
さまざまな Web、デスクトップ、モバイルアプリおよびツールを使用して、フリート管理から特定のミッション計画や現場でのデータ処理まで、ドローン運用を実行できます。 ArcGIS Dashboards を使用すると、収集の進行状況を監視したり、運用上の問題を特定したり、データ処理チームとデータ品質チームへのレポートを管理したりすることができます。
リアリティーマッピングには、忠実度の高いプロダクト生成に適した広範なオルソマッピング機能が組み込まれています。ドローンとその他の航空写真を使用して、最大解像度のデジタルサーフェスモデル、トゥルーオルソ、方向付き画像カタログ、2D サーフェスメッシュ、密集 3D 点群、写実的な 3D メッシュを作成します。リアリティーマッピング機能は、Web、デスクトップ、およびサーバーベースの処理パターンで使用できます。
さまざまなデータ形式を含む LIDAR データセットを管理、視覚化、解析します。これにより、サーフェスの状態を把握したり、さまざまな強度レベルとリターンポイントのレイヤーを特定したり、フィーチャを抽出したりできるほか、点群を分類したり、写実的な色付けを操作したり、派生プロダクトを作成したりすることもできます。 LAS データセットを使用して、大量の LIDAR ファイルを連続した 1 つのレイヤーとして管理します。
SAR センサーとプラットフォームから画像のコレクションにアクセスすることで、合成開口レーダーを操作します。 ArcGIS には、このような独自で強力なデータタイプをサポートする SAR 固有のラスタータイプ、ラスター関数、および視覚化アプローチが含まれています。
STAC (Spatio-temporal Asset Catalogs) を操作して、画像の既存のカタログに接続し、レコードを検索、フィルター、解析して、プロジェクトに適したデータを特定します。 ArcGIS Pro の STAC 接続および検索操作、arcpy Python モジュール、ArcGIS API for Python を使用して、パブリックおよびプライベートの STAC カタログを検索し、クラウドデータ接続を通じてアセットに直接アクセスします。

検討事項

以下の検討事項では、ArcGIS Well-Architected Framework の柱を Kubernetes 上の画像データ管理および解析システムパターンに適用します。ここに示す情報は、すべてを網羅するものではなく、システムとデプロイメントパターンの特定の組み合わせを設計または実装する際に検討すべき主要な事項に焦点を当てています。 ArcGIS Well-Architected Framework の柱の詳細については、アーキテクチャーの実践をご参照ください。

信頼性

信頼性は、システムがビジネス、顧客、関係者が求めるサービスレベルを提供することを保証するものです。詳細については、信頼性の柱の概要をご参照ください。

高可用性を必要とする SLA は一般的です。
- アーキテクチャープロファイルは、ポッド間でのさまざまなレベルの冗長性と相互に関係する定義済みのデプロイメントプロファイルであり、ハードウェア、冗長性、組織での用途に関する要件など、いくつかの既知の変数に柔軟性をもたらします。
- 重要なポッド間で冗長性を向上および拡張する必要がある場合は、Enhanced availability アーキテクチャープロファイルを検討してください。
システムレベルのバックアップと復元もサポートされています。

セキュリティー

セキュリティーは、システムおよび情報の保護を担います。詳細については、セキュリティーの柱の概要をご参照ください。

画像を管理するには、認証と承認が必要です。また、画像の出力はセキュリティー保護されるのが一般的であり、アクセスには認証と承認が必要になります。
- ユーザーアクセスとデータコラボレーションは、ロールベースのアクセス制御と、OAuth、SAML、多要素認証などの最新の承認および認証モデルによって管理されます。
- 権限は、適切なトレーニングを受けたプロビジョニング済みのユーザーにのみイメージホスティング機能 (サービスを作成する機能) が付与されるよう慎重に管理されます。これらの権限を有効または無効にするには、カスタムロールをユーザーに割り当てるか、ロールを別の既存のロールに変更します。
- クラウドストレージ内の画像データには、AWS IAM や Azure マネージド ID などのクラウドネイティブなセキュリティーコンセプトを使用してアクセスできます。

ArcGIS Enterprise のセキュリティーのベストプラクティスと実装ガイダンスをご参照ください。

パフォーマンスとスケーラビリティー

パフォーマンスとスケーラビリティーは、システムに対する全体的なユーザーエクスペリエンスを最適化することだけでなく、変化するワークロードの要求に合わせてシステムを拡張することも目的としています。詳細については、パフォーマンスとスケーラビリティーの柱の概要をご参照ください。

このパターンでのスケーリングは自動的に処理されないので、十分に配慮した計画を立てる必要があります。
画像データ管理および解析システムは通常、組織内で多用されるため、スケーラビリティーは設計上の重要な検討事項です。さらに、GIS の組織全体での導入が拡大するにつれて、使用量が急速かつ予想外に増加する可能性があります。 ArcGIS Enterprise on Kubernetes のデプロイメントは、ポッド数の調整によって水平方向に、メモリーと CPU の調整によって垂直方向にスケーリングできます。 ArcGIS Enterprise on Kubernetes は、サービスのための堅牢で柔軟な拡張オプションも提供します。サービスのスケーリングの詳細をご参照ください。
- タイル化された画像のリクエストはその性質により軽量であるため、通常、画像ホスティングサイトのスケーリングは必要ありません。ラスター解析サイトのスケーリングは、使用可能な計算リソースと、必要な解析のタイプおよび頻度によって異なります。
イメージサービスはソース画像に直接接続するため、このシステムパターンでは画像のソース定義と構造を慎重に検討する必要があります。非効率なファイルタイプやストレージパターンは、サービスのパフォーマンスに影響を与える可能性があります。

自動化

自動化は手動によるデプロイメントと運用タスクに費やす労力を削減することを目的としており、運用効率の向上と人為的ミスによるシステム異常の減少につながります。詳細については、自動化の柱の概要をご参照ください。

画像データ管理には、多くの場合、Python を使用した自動化が必要です。この操作は、ArcGIS API for Python を使用して実行するのが最も一般的です。ArcGIS API for Python は、イメージサービスと画像データを処理することが可能であり、更新、画像の変更、その他のワークフローを自動化するために使用できます。
システム管理の自動化は、主に Kubernetes によって処理されます。
ArcGIS Enterprise on Kubernetes には、Helm ベースのデプロイメントと構成のサポートが含まれています。

統合

統合により、このシステムを他のシステムと接続してエンタープライズサービスを提供し、組織の生産性を向上させます。詳細については、統合の柱の概要をご参照ください。

ArcGIS Enterprise ベースの画像データ管理および解析システムは、ArcGIS Enterprise に登録できるイメージサービスを共有するコンテンツプロバイダーなど、他の画像管理システムと統合されることがよくあります。
画像データ管理および解析システムから生成されるイメージサービス出力は通常、組織の企業全体の他のシステムと統合されているため、システム管理者が知らないか、利用できない事業運用をサポートしていることもあります。

可観測性

可観測性はシステムの状態を可視化し、運用スタッフやその他の技術担当者がこのシステムを正常かつ安定した状態で稼働させ続けることを可能にします。詳細については、可観測性の柱の概要をご参照ください。

ArcGIS Enterprise on Kubernetes は、システムログや ArcGIS Enterprise Manager による健全性の監視など、さまざまな方法で監視できます。このシステムパターンでは、システムの可用性、パフォーマンス、使用状況を監視することが最も重要です。 ArcGIS Enterprise ソフトウェアを監視するだけでなく、Kubernetes 環境、データベース、他のデータストア、コンピューティング、ネットワーク、セキュリティー、他のインフラストラクチャーなど、すべてのサポートコンポーネントとインフラストラクチャーを監視することが重要です。システムの正常性と信頼性を監視する方法の詳細をご覧ください。
組織全体 (場合によっては組織外) にイメージサービスを提供すると、システムの設計者や運用者が予測していなかった使用パターンや拡大につながるおそれがあります。監視を行うことで、適切に (SLA に従って) 運用を継続しながら、需要に応じたスケーリングや展開のタイミングを決定しやすくなります。
SAML や OpenID Connect ログインを使用する場合は、構成された ID プロバイダーを通じて、ユーザーログインとアカウントの変更をさらに監視できることがあります。

その他

画像データ管理および解析システムの設計と実装に関するその他の検討事項には、次のものがあります:

正常に運用するには、GIS、IT、データベースの概念とテクノロジーを十分に理解する必要があります。これには、選択したストレージシステムに固有の知識とスキル、画像データのタイプと形式、Kubernetes などが含まれます。
Kubernetes 上でのエンタープライズソフトウェアのデプロイおよび保守のためのリソースとスタッフを確保している組織では、ArcGIS Enterprise on Kubernetes デプロイメントオプションによって、IT の管理と保守を GIS 管理から分離することができます。
このシステムパターンを実装する際には、データガバナンスと、IT ポリシーおよびロール (データ管理者やデータベース管理者など) との整合性を十分に検討する必要があります。