Привет, Хабр. Мы в Геоинтеллекте делаем геоаналитическую платформу и последние годы регулярно слышим от ГИС-отделов один и тот же вопрос: чем заменить серверную ГИС.
Поставщик ArcGIS сформулировал ситуацию публично: Esri CIS сообщила, что приостанавливает «все продажи продуктов и услуг Esri в Россию и Беларусь», при этом поддержка уже существующих клиентов продолжается. Для организации, у которой на серверной ГИС висят геопорталы, это означает конечный горизонт: лицензии и расширения не продлеваются бесконечно.
Вопрос про замену почти всегда задают как инфраструктурный — найти продукт, который отдаёт те же сервисы по тем же протоколам. И вот что происходит дальше: миграцию движка такая организация проходит за несколько месяцев, а потом обнаруживает, что работающей геоаналитики у неё по-прежнему нет.
Ниже — разбор, из каких слоёв состоит стек и почему эти слои замещаются с разной скоростью.
Разложим серверную ГИС по слоям
Возьмём за точку отсчёта классический серверный стек. По официальной матрице функциональности ArcGIS Enterprise он раскладывается примерно так:
-
Хранение геометрии. Пространственные и табличные данные в СУБД — PostgreSQL, Oracle, MS SQL, SAP HANA, облачные базы, плюс файловые хранилища вроде S3 и Azure.
-
Сервер публикации. Типы сервисов: векторные и растровые тайлы, map image, feature, scene, а также геокодирование, геопроцессинг, сетевые сервисы, печать.
-
Стандарты обмена. WMS, WFS, WCS, WMTS, WPS, OGC API, KML, GeoJSON.
-
Портал и права доступа. Роли Viewer / Editor / User / Publisher / Admin, типы пользователей от Viewer до Professional Plus, аутентификация через SAML 2.0, OpenID Connect, LDAP и Active Directory.
-
Развёртывание. Windows, Linux и Kubernetes — через EKS, AKS, GKE, Rancher, Tanzu, OpenShift; Kubernetes-версия лицензируется отдельной годовой подпиской.
-
Аналитические расширения. Network Analyst, Spatial Analyst, 3D Analyst, Data Reviewer, Workflow Manager и отраслевые — Roads & Highways, Pipeline Referencing, Utility Network.
-
Данные. Платформа поддерживает практически любые источники: реального времени, видео, изображения, Big Data.
Обратите внимание на формулировку седьмого пункта. Поддерживает — ключевое слово. Серверная ГИС такого класса спроектирована как data-agnostic: она работает с любой геометрией, которую вы в неё положили. Данные по конкретной территории в этой архитектуре организация приносит сама или покупает у локального поставщика данных.
Это не упрёк и не недоработка. Это осознанное архитектурное решение, и у него есть веская причина: топографу, кадастровому инженеру и проектировщику инженерных сетей нужна именно универсальность, потому что их данные уникальны и существуют только у них.
Но дальше это решение определяет, что именно вы будете замещать.
Слои 1–5: заменяются, и довольно скучно
Инфраструктурная часть стека воспроизводится. Не бесплатно и не мгновенно, но это инженерная задача с понятным концом.
Геометрию держит PostGIS. Публикацию сервисов и стандарты OGC закрывают GeoServer или QGIS Server. Сетевой анализ и изохроны считаются на pgRouting, OSRM или Valhalla. Растры обрабатываются GDAL. Аутентификация ортогональна вендору: если у вас корпоративный IdP по SAML или OIDC, он переживёт смену ГИС-сервера. Kubernetes тоже ортогонален.
Основная работа здесь — не выбор компонентов, а инвентаризация. Нужно понять, сколько сервисов реально опубликовано, кто их потребляет, по каким протоколам, какие из них читаются внешними клиентами и мобильными приложениями, а какие просто висят с 2017 года. Дальше — переписать клиентов, которые завязаны на вендор-специфичные REST-эндпоинты, и протестировать.
Важная честная оговорка: собранный из open-source стек — это сборка, а не продукт. У неё нет единого вендора, единой поддержки и единого апдейта. Кто-то в команде становится её владельцем, и это постоянная нагрузка, а не разовый проект. Но повторяю: задача решаемая и ограниченная по времени.
Слой 7: то, что миграцией движка не решается
А теперь то, из-за чего эта статья написана.
Прикладная геоаналитика — выбрать место под точку продаж, перестроить сеть отделений, понять, где городу не хватает поликлиники — держится не на движке. Она держится на наборе слоёв данных по территории. И вот как выглядит каждый из них вблизи.
Население с привязкой к зданиям. Административная статистика даёт цифры до муниципалитета. Для выбора локации нужна оценка по дому. Между этими двумя состояниями лежит дизагрегация: берём итоги по территории и распределяем по жилому фонду с учётом этажности, площади, года постройки, типа дома. Это модель, которую нужно построить, откалибровать и потом поддерживать при каждом обновлении жилого фонда. Не выгрузка.
Потоки людей. Сигнальные данные сетей сотовой связи. Задача здесь не «получить файл», а построить конвейер: приём, геопривязка, агрегация до уровня, на котором не остаётся персональных данных, сшивка с расчётной сеткой, нормировка на проникновение конкретного оператора в конкретном регионе. Без последнего шага вы сравниваете города по доле рынка оператора, а не по людям.
Оборот и покупательская активность. Обезличенные агрегаты по данным ОФД — то, что позволяет оценить ёмкость рынка в квартале, а не среднюю по городу.
POI и конкуренты. Справочники организаций лицензируются у правообладателей; у нас, например, часть геоданных приходит партнёрской поставкой от 2ГИС. Качество такого слоя измеряется не количеством точек, а скоростью отработки закрытий. Мёртвая точка в выдаче конкурентов ломает весь расчёт конкурентного окружения, и ломает тихо — результат выглядит правдоподобно.
Земля и недвижимость. Кадастровые сведения и кадастровая стоимость участков — отдельный источник со своим циклом обновления и своими особенностями геометрии.
Доходы. Модельные оценки платёжеспособности по территории, потому что прямых данных такой гранулярности не существует.
Теперь главное. Ни один из этих слоёв не покупается однократно. У каждого свой правообладатель, свой договор, своя частота обновления и своя метрика качества. Поставьте под них любой движок, самый лучший — получите пустую карту с отличной производительностью.
Масштаб времени здесь другой. Мы занимаемся геоаналитикой с 2003 года; сейчас в данных платформы 498 млн объектов по десяти странам. Это не аргумент в стиле «мы молодцы» — это ответ на вопрос «сколько займёт собрать такой набор своими силами».
Две разные архитектуры, а не два конкурента
Отсюда видно, что речь не про «что лучше», а про два разных типа продукта.
Движок-ориентированный (data-agnostic). Универсальное ядро, аналитика в расширениях, данные приносит организация. Сильная сторона — там, где данные свои и уникальные: топография, инженерные сети, кадастровое производство, лесоустройство, геология. Там универсальность и есть главное требование, и подменить её нечем.
Данные-ориентированный (data-first). Набор слоёв по территории плюс прикладные модели поверх них, движок размером ровно под эти задачи. Сильная сторона — там, где вопрос прикладной и повторяемый: где открыть, куда перенести, чего не хватает.
Геоинтеллект — второго типа. Микросервисная архитектура, API для интеграции с CRM, BI, ERP и ГИС, работа в закрытом контуре, реестр российского ПО (приказ Минкомсвязи № 665 от 30.11.2018).
Как это ложится на слои:
Что нужно
В движок-ориентированном стеке
У нас
Хранение и публикация геометрии
Сервер сервисов + СУБД на выбор
Платформа на микросервисах
Данные о населении, потоках, обороте
Своя закупка у поставщиков данных
Входят в платформу
Прикладные модели: спрос, доступность, потенциал локации
Собираются из расширений и скриптов
Готовые расчёты
Сетевой анализ, изохроны, зоны охвата
Network Analyst
Есть
3D-сцены и городские модели
3D Analyst
Нет
Обработка снимков, растровая аналитика
Spatial Analyst и инструменты обработки изображений
Нет
Топография, инженерные сети, кадастровое производство
Отраслевые расширения
Не наш профиль
Авторские цепочки геопроцессинга
ModelBuilder, Python
Нет, расчёты выносятся через API
Закрытый контур
Windows / Linux / Kubernetes, SAML, LDAP
Поддерживается, включая BI и CRM
Что мы не умеем
Раз уж зашла речь, проговорю прямо, потому что это сэкономит кому-то время на созвонах.
У нас нет 3D-сцен и городских моделей. Нет обработки космо- и аэросъёмки и растровой аналитики. Мы не занимаемся топографическим производством и подготовкой карт к печати по нормативам. Нельзя собрать в интерфейсе свою цепочку геопроцессинга, как в ModelBuilder: если нужен авторский расчёт, данные выносятся через API и считаются на вашей стороне. ИИ-помощник «Георгий» пока в разработке, а не в проде.
Если ваша задача — в этом списке, замена не у нас. Нормальный ответ, который лучше услышать на первой встрече, а не на третьей.
Как разделить проект замены
Если вы сейчас это планируете, разложите задачу на два проекта с разными сроками и разными ответственными.
По движку:
-
сколько сервисов опубликовано и кем они реально потребляются;
-
где лежит геометрия и переносится ли схема без переписывания;
-
кто ходит в сервисы: внешние клиенты, мобильные приложения, BI-слой;
-
как устроена аутентификация и переживёт ли она смену ГИС-сервера.
По данным:
-
какие слои участвуют в принятии решений, а какие просто подключены;
-
кто правообладатель каждого слоя и что с ним будет через год;
-
до какого уровня агрегации нужны данные — дом, квартал, район. От этого зависит, нужна модель или достаточно выгрузки;
-
какую частоту обновления бизнес реально переживёт.
Второй список почти всегда оказывается длиннее и дороже первого. И именно он решает, получится у вас геоаналитика или геовизуализация.
Коротко
Замена серверной ГИС — это два проекта, а не один. Движок — инженерная задача с понятным концом. Данные — операционная работа без конца: договоры, конвейеры, обновления, контроль качества.
Поэтому «найти аналог серверной ГИС» — плохая постановка задачи. Хорошая звучит так: что из нашей аналитики держится на движке, что на данных, и кто отвечает за каждое.
Если проходили такую миграцию — расскажите в комментариях, что в итоге оказалось дольше. У нас есть гипотеза, но интересно услышать практику.
Источник: habr.com