影像数据管理与分析系统 (Kubernetes)

通常使用 ArcGIS Enterprise on Kubernetes 软件将影像数据管理和分析系统模式部署到 Kubernetes。

ArcGIS Enterprise on Kubernetes 采用微服务和容器化技术来提供云原生架构,可运行于组织的 Kubernetes 平台或者云提供商的 Kubernetes 服务上。 可使用容器将 GIS 进程分为多个微服务,每个微服务均执行离散的主要功能。 每个微服务都将在一个容器中运行,该容器将打包运行某个应用程序所需的一切。 一个或多个容器将容纳在一个 Pod 中,该 Pod 包含存储资源、网络身份以及一套待运行容器的规则。 Kubernetes 集群可协调和管理 ArcGIS Enterprise on Kubernetes 容器。

ArcGIS Enterprise on Kubernetes 最适用于已投资 Kubernetes 来协调和管理其容器化应用程序的组织。

相关资源:

基础架构

以下是在 Kubernetes 上部署的影像数据管理和分析系统的典型基础架构

此逻辑示意图不应按原样用作您的系统设计。 在设计您的系统时,应综合考虑许多重要因素和设计选项。 有关详细信息,请参阅使用系统模式主题。 此外,下图仅提供了系统的基础功能;如需提供扩展功能,则可能需要附加系统组件。

影像数据管理和分析系统基础架构 (Kubernetes)

上文所示功能反映了截至 2025 年 7 月可用的功能。

此架构的关键组件包括:

  • 存储在对象存储、文件服务器和其他源中的(多种类型)影像数据。 此模式中影像数据的定义非常广泛,其中包括从航空、无人机和卫星平台采集的传统栅格影像、激光雷达和其他 3D 数据类型、定向影像以及多维和科学数据集。 对象存储与此系统尤为相关,因为其经常用作海量影像资产的高性价比存储系统,针对此存储类型进行优化后,可以显著提升性能。
  • ArcGIS Enterprise on Kubernetes 容器到 Kubernetes 集群的基础部署。 其中包含四类 Pod,代表不同的系统功能。 有关详细信息,请参阅 ArcGIS Enterprise on Kubernetes 文档
  • 您需要使用负载均衡器将流量引入每个工作节点。 有关详细信息,请参阅 ArcGIS Enterprise on Kubernetes 系统网络要求
  • 对象存储将为已上传和保存的内容、托管切片和图像图层缓存以及地理处理输出提供 ArcGIS 托管存储。 自 ArcGIS Enterprise 11.2 版本起,可以将对象存储配置为使用来自多个受支持服务提供商的云原生存储。
  • ArcGIS Online 是 Esri 的 SaaS 基础架构,通常用于为此系统提供底图(例如影像底图)、参考数据(例如地点)以及其他位置服务(其中包括地理编码和搜索)。 或者,组织可以托管并管理自己的位置服务,而非使用 Esri 的 SaaS 系统。 有关详细信息,请参阅位置服务系统模式
  • 此模式中通常会使用多种应用程序,以满足不同需求。 其中包括 ArcGIS Pro(桌面)、ArcGIS Experience Builder (web) 和 ArcGIS Field Maps(本机)。 ArcGIS Portal Website、Map Viewer 和 Scene Viewer 均用于与影像数据进行交互并对其进行配置和分析。 运行于用户托管环境、ArcGIS Notebook Server 或 ArcGIS Pro 中的 Python Notebooks 用于与影像数据进行交互并对其进行可视化和分析,而 ArcGIS Reality 提供了一套完整的用于处理现实捕捉数据的工具。 了解有关影像数据管理和分析系统中使用的应用程序的详细信息。

此架构中包含以下关键交互:

  1. 客户端应用程序通过 HTTPS(通常通过无状态 REST API)与影像数据服务以及位置服务进行通信。 此模式将大量使用切片和动态影像服务、场景服务和各种分析服务。
  2. 在此部署模式中,用户通常在文件共享或云对象存储上管理各种格式的影像资产。 将直接从此存储中发布影像服务,无需复制数据或者从存储系统中导出。 通常在文件地理数据库或企业级地理数据库中创建镶嵌数据集和其他数据模型。 ArcGIS Enterprise on Kubernetes 中的影像托管服务或 Pod 可以托管从镶嵌数据集发布的影像服务,以及从门户的用户上传内容或者栅格分析作业发布的托管影像服务。 栅格分析作业(ArcGIS Enterprise 11.2 及更高版本)用于分析海量影像,并将结果作为影像服务保存和发布回系统。
注:

对于 11.4 版本之前的 ArcGIS Enterprise 部署,可能需要使用 ArcGIS License Manager 来配置和管理 ArcGIS Pro 许可。 有关详细信息,请参阅 ArcGIS License Manager 文档

有关 ArcGIS Enterprise 组件之间交互的其他信息,请参阅 ArcGIS Enterprise on Kubernetes 产品文档

功能

Kubernetes 上影像数据管理和分析系统的功能如下所述。 有关详细信息,请参阅功能概览和不同部署模式的功能支持比较

以下未列出在影像数据管理和分析系统中使用,但通常由其他系统提供的功能,例如底图、地理编码和位置服务系统提供的其他位置服务。 了解有关相关系统模式的详细信息。

基础功能

基础功能表示由影像数据管理和分析系统提供的最常见功能,这些功能由以上介绍的基础架构实现。

  • 借助影像可视化和分析,用户可以通过动态影像叠加、导航历史影像集合或根据最近的无人机飞行采集观测数据,将影像数据作为应用程序中的底图进行交互。 可以通过动态调整、拉伸和更改波段组合来增强影像。 对影像渲染进行优化以显示请求的感兴趣区域,并在每次平移和缩放时重新应用渲染。 可以使用地理处理工具、算法和函数来分析影像数据,以评估土地利用、监控活动和变化、衡量损失以及评估环境因素。
  • 数据建模和结构化可创建标准化方法,以将大量数据添加至常见数据模型,例如镶嵌LAS 数据集、栅格产品和传感器模型、定向影像目录或其他行业特定或用例特定的模型,例如轨迹数据。 创建目录数据集并与本地或网络存储中的资产目录图层进行交互,或者从 ArcGIS Online 或 ArcGIS Enterprise 组织添加项目和服务。 这些模型有助于组织这些详细数据集、提供有关这些数据集的元数据并支持这些数据集的实际使用。
  • 借助影像数据发布,所有类型的用户均可创建并托管影像和其他遥感数据源的集合。 将影像集合和产品发布为本地或全球比例的动态或切片服务,可使用 Web、移动和桌面应用程序对其进行可视化并与其进行交互。
  • 动态栅格分析依赖于使用栅格函数并将一组栅格函数组合到栅格函数模板中,以快速组合波段、比较影像,并通过影像集合分析值以创建动态输出图像。 栅格函数采用实时请求处理机制,仅应用于请求的像素区域,无需重新处理整个数据集即可实现动态渲染影像,是一种高效的处理方式。
  • 高程分析将提供以下功能:生成等值线、运行水文模型、查看和描绘流域以及查看详细数据集的地形、坡度和坡向渲染。 通过剪切和填充或者比较 3D 表面和数据集来完成体积分析。 组合多源、多分辨率的高程数据,准备一个无缝高程服务,该服务既可用于直接展示,也可作为城市或区域 3D 渲染的基础。 Esri 还为可视化和分析请求提供即用型高程服务
  • 图像提取功能允许以编程方式动态导出并下载源和镶嵌影像数据,以用于其他应用程序或作为深度学习工作流中的影像片。 提取可以提供对源像素的直接访问,也可以针对请求的范围以特定分辨率创建新的重采样图像。 ArcGIS 还支持提取 World Imagery 底图的区域,以供在离线数据访问和编辑工作流中离线使用。
  • 深度学习和 AI 已嵌入 ArcGIS 和影像数据管理系统中。 用户可以使用影像资产和本地计算资源在深度学习模型上训练和运行推断,也可以跨大型系统(其中包括云资源和服务)进行扩展。 ArcGIS Living Atlas 还包含预训练模型库,这些模型可直接使用,也可以根据组织的特定工作流、数据或地理位置对其进行调整。
  • 可以使用标准科学格式(例如 NetCDF、GRIB、HDF 和 Zarr)探索多维数据。 这些数据将显示诸如随时间的变化或者不同大气高度或深度的测量值等变量。 ArcGIS 在 ArcGIS ProArcGIS Map Viewer 中提供了专用用户界面,用于快速显示时间剖切片、构建和显示复杂的多元符号、识别可用变量、构建您自己的新计算或者预测数据集时间范围之外的变量。
  • 图像空间中工作并执行图像测量任务,并将从传感器捕获的影像与传统正射视图和立体视图一起可视化。 图像空间分析还可用于采集要素、无需重采样即可查看细节以及防止失真。
  • 利用立体查看功能实现影像的 2.5D 可视化,执行图像测量任务,手动数字化和提取具有高精度和 3D 对象潜力的要素。 立体编辑主要集成于 ArcGIS Pro 中,是摄影测量工作流中的常用功能。

扩展功能

添加扩展功能通常是为了满足特定需求或者支持行业特定的数据模型和解决方案,并且可能需要附加软件组件或架构注意事项。

  • 分布式栅格分析作业可配置为在分布式计算模型中跨海量影像库运行栅格函数计算。 这些操作可能还包括使用经过训练的深度学习模型进行推断,或者根据预定义的渲染器或计算来创建新的输出数据产品。 通过 ArcGIS Enterprise 的影像托管功能对来自栅格分析作业的数据进行持久化。
  • 可以使用各种类型的定向影像,其中包括倾斜影像、气泡/球面影像、360 度全景影像、街景影像和检测影像。 这些数据集并非传统的像底点图像,但通过诸如安全调查、资产巡检或数据采集等工作流,可以为组织提供重要价值。 ArcGIS 中的定向影像功能包括结构化数据模型、专用查看器应用程序,并支持在各种应用程序中提供和使用定向影像。
  • 借助一系列 Web、桌面和移动应用程序及工具,全面支持无人机操作:从机队管理到特定任务规划和地面数据处理。 ArcGIS Dashboards 可用于监控采集进度、识别运营问题,以及管理向数据处理和质量团队的报告。
  • 实景映射结合广泛的正射映射功能,用于生成高保真产品。 使用无人机和其他航空影像创建全分辨率数字表面模型、真正射、定向影像目录、2D 表面网格、密集 3D 点云以及如照片般逼真的 3D 网格。 实景映射功能可用于 Web、桌面和基于服务器的处理模式。
  • 管理、可视化和分析激光雷达数据集(其中包括各种数据格式),以了解表面状况、识别不同强度级别、返回点图层、提取要素、对点云进行分类、使用照片级真实感着色并创建衍生产品。 可以使用 LAS 数据集将大型激光雷达文件集作为一个连续图层进行管理。
  • 通过访问来自 SAR 传感器和平台的影像集合来使用合成孔径雷达。 ArcGIS 包括特定于 SAR 的栅格类型栅格函数以及支持这种独特而强大的数据类型的可视化方法。
  • 使用时空资产目录 (STAC) 连接到现有影像目录,并搜索、过滤和解析记录,以标识适合工程的数据。 使用 ArcGIS Pro 中的 STAC 连接和搜索体验arcpy Python 模块ArcGIS API for Python 来查询公共和私有 STAC 目录,并通过云数据连接直接访问资产。

注意事项

以下注意事项将 ArcGIS 优化架构框架的支柱应用于 Kubernetes 上的影像数据管理和分析系统模式。 此处提供的信息并不详尽,而是强调了设计和/或实施这种特定的系统和部署模式组合的关键注意事项。 有关 ArcGIS 优化架构框架支柱的详细信息,请参阅架构实践

可靠性

可靠性可确保您的系统提供业务以及客户和利益相关者所需的相应级别服务。 有关详细信息,请参阅可靠性支柱概览

  • 需要高可用性级别的 SLA 十分常见。
    • 架构配置文件是预定义的部署配置文件,可跨 Pod 关联至不同级别的冗余,并在诸如硬件需求、冗余要求和组织使用等多个已知变量间提供灵活适配。
    • 当需要跨关键 Pod 增加和扩展冗余时,请考虑增强型可用性架构配置文件。
  • 此外,还支持系统级备份和恢复

安全性

安全性可保护您的系统和信息。 有关详细信息,请参阅安全性支柱概览

  • 管理影像需要身份验证授权。 保护影像输出也很常见,对其进行访问时需要身份验证和授权。
    • 用户访问权限和数据协作由基于角色的访问控制以及现代授权和身份验证模型(包括 OAuth、SAML 和多因子身份验证)进行管理。
    • 需要对权限进行严格管理,以确保只有经过专业培训且通过审批的用户才能被授予图像托管功能(即创建服务的权限)。 可以通过为用户分配自定义角色或者将其角色更改为其他现有角色来启用或禁用这些权限。
    • 可以使用诸如 AWS IAM 和 Azure 托管标识等云原生安全概念访问云存储中的影像数据。

了解有关 ArcGIS Enterprise 安全性最佳做法和实施指南的详细信息。

性能和可扩展性

性能和可扩展性旨在优化用户对系统的整体体验,并确保系统能够扩展以满足不断变化的工作负载需求。 有关详细信息,请参阅性能和可扩展性支柱概览

  • 将不会自动处理此模式中的扩展,因此应仔细进行规划。
  • 可扩展性是一项重要的设计考虑因素,因为影像数据管理和分析系统通常在组织内部使用频率极高。 此外,随着 GIS 在整个组织中的整体采用率不断增长,使用量可能会迅速且出乎意料地增加。 可以通过调整 Pod 的数量来水平扩展 ArcGIS Enterprise on Kubernetes 部署,也可以通过调整内存和 CPU 来垂直扩展 ArcGIS Enterprise on Kubernetes 部署。 此外,ArcGIS Enterprise on Kubernetes 还为服务提供了强大、灵活的扩展选项。 了解有关服务扩展的详细信息。
    • 通常无需扩展图像托管,因为切片影像请求本质上是轻量级的。 栅格分析站点的扩展取决于可用的计算资源以及所需的分析类型和频率。
  • 在此系统模式中,需要仔细考虑影像的源定义和结构,因为影像服务直接连接到源影像。 低效的文件类型或存储模式会影响服务性能。

自动化

自动化旨在减少在手动部署和运营任务上花费的精力,从而提高运营效率并减少人为引入的系统异常。 有关详细信息,请参阅自动化支柱概览

  • 影像数据管理通常需要借助 Python 等工具实现自动化处理。 最常见的做法是使用 ArcGIS API for Python,该工具可以处理影像服务和数据,并可用于自动更新、更改影像或其他工作流。
  • 系统管理自动化很大程度上由 Kubernetes 处理。
  • ArcGIS Enterprise on Kubernetes 包含对基于 Helm 的部署和配置的支持。

集成

集成可将此系统与其他系统连接起来,以实现企业级服务交付与组织效能提升。 有关详细信息,请参阅集成支柱概览

  • 基于 ArcGIS Enterprise 的影像数据管理和分析系统通常与其他影像管理系统集成,其中包括共享可在 ArcGIS Enterprise 中注册的影像服务的内容提供商。
  • 影像数据管理和分析系统的影像服务输出通常也集成到组织企业内的其他系统中,因此也可能支持系统管理员未知或不可用的业务操作。

可观测性

可观测性提供了对系统的可见性,由此确保操作人员和其他技术角色能够使系统以健康、稳定的状态运行。 有关详细信息,请参阅可观测性支柱概览

  • 可以通过多种方式来观测 ArcGIS Enterprise on Kubernetes,其中包括通过 ArcGIS Enterprise Manager 进行系统日志运行状况监控。 监控系统可用性、性能和使用情况对于此系统模式最为关键。 除了监控 ArcGIS Enterprise 软件之外,还必须监控所有支持组件和基础设施,例如 Kubernetes 环境、数据库和其他数据存储,以及计算、网络、安全和其他基础设施。 了解有关监控系统运行状况和可靠性的详细信息。
  • 向整个组织(可能还有其他组织)提供影像服务可能会导致系统设计人员或运营商无法预料的使用模式和增长。 监控可帮助人们决定何时需要进行扩展和升级,由此实现在满足 SLA 需求的同时保障业务继续正常运营。
  • 当使用 SAML 和/或 OpenID Connect 登录账户时,可以通过配置的身份提供者对用户登录账户和账户更改进行其他观测。

其他

设计和实施影像数据管理和分析系统的其他注意事项包括:

  • 成功的运营需要深入理解 GIS、IT 和数据库概念以及技术。 其中包括特定于所选存储系统、影像数据类型和格式以及 Kubernetes 的知识和技能。
  • 对于拥有资源和人力,可在 Kubernetes 上部署和维护企业软件的组织,ArcGIS Enterprise on Kubernetes 部署选项可将 IT 管理和维护与 GIS 管理分开。
  • 当实施此系统模式时,应充分考虑数据治理以及与 IT 策略和角色(例如数据管理员和数据库管理员)的一致性。

相关资源:

Top