7.2 ArcGIS Enterprise 云部署与管理

7.2 ArcGIS Enterprise 云部署与管理

7.2.1 云 GIS 与 ArcGIS Enterprise 的云转型

云 GIS 的兴起

云计算技术的快速发展，为 GIS 领域带来了革命性的变革。 云 GIS 利用云计算的弹性、可扩展性、高可用性等优势，极大地提升了 GIS 服务的效率和灵活性。 与传统的本地部署模式相比，云 GIS 具有以下显著优势：

• 降低成本: 无需购置和维护昂贵的硬件设备，按需付费，降低 IT 基础设施成本。

• 弹性伸缩: 根据业务需求快速扩展或缩减资源，应对高峰和低谷时期的负载变化。

• 高可用性与容灾: 利用云平台的冗余机制，提高系统可用性和数据安全性，降低灾难恢复的复杂性。

• 便捷的访问与共享: 用户可以随时随地通过互联网访问 GIS 服务，促进数据和信息的共享与协作。

ArcGIS Enterprise 的云适应性

ArcGIS Enterprise 充分适应了云 GIS 的发展趋势，提供了多种云部署选项，以满足不同用户的需求。 它不再仅仅局限于传统的本地数据中心部署，而是可以灵活地部署在公有云、私有云或混合云环境中。 这种云适应性使得 ArcGIS Enterprise 能够更好地融入现代 IT 架构，并充分利用云计算的优势。

ArcGIS Online 与 ArcGIS Enterprise 的协同

ArcGIS Online 作为 Esri 提供的 SaaS 云 GIS 平台，与 ArcGIS Enterprise 形成了强大的互补关系。 ArcGIS Online 侧重于开箱即用的 GIS 服务和内容，而 ArcGIS Enterprise 则提供了更强大的定制化、安全性和控制力。 在云环境中，两者可以协同工作，构建混合云 GIS 架构，充分发挥各自的优势。 例如，可以将 ArcGIS Online 用于轻量级的应用和公开数据共享，而将 ArcGIS Enterprise 用于核心业务系统和敏感数据管理。

7.2.2 ArcGIS Enterprise 云部署模式

ArcGIS Enterprise 提供了多种云部署模式，用户可以根据自身需求和云环境选择合适的方案。 主要的云部署模式包括：

• 云基础设施即服务 (IaaS) 部署: 用户在云服务提供商 (如 AWS, Azure, Google Cloud) 的 IaaS 平台上，自行构建 ArcGIS Enterprise 的基础设施，包括虚拟机、存储、网络等。 这种模式提供了最大的灵活性和控制力，用户可以完全自定义环境配置。

• 云平台即服务 (PaaS) 部署: 用户利用云服务提供商提供的 PaaS 服务，例如容器服务 (Kubernetes)、数据库服务等，来简化 ArcGIS Enterprise 的部署和管理。 这种模式可以减少用户在基础设施层面的运维工作，更专注于 ArcGIS Enterprise 的配置和应用。

• Esri 托管云服务: Esri 也提供官方的 ArcGIS Enterprise 托管云服务，用户可以将 ArcGIS Enterprise 完全托管给 Esri 运维，无需自行管理基础设施。 这种模式提供了最便捷的部署方式，但灵活性相对较低。

各种部署模式的比较

选择合适的部署模式需要综合考虑自身的技术能力、安全需求、成本预算和管理需求。

7.2.3 基于 IaaS 的 ArcGIS Enterprise 云部署实践 (以 AWS 为例)

本节将以 AWS IaaS 平台为例，详细介绍 ArcGIS Enterprise 的云部署实践，并提供相关的代码示例。 AWS 作为全球领先的云服务提供商，提供了完善的基础设施服务和工具，非常适合部署 ArcGIS Enterprise。

部署架构设计

一个典型的基于 AWS IaaS 的 ArcGIS Enterprise 高可用部署架构如下图所示：

架构组件详解:

• VPC (Virtual Private Cloud): 隔离的云网络环境，确保安全性和网络控制。

• Public Subnet: 公有子网，用于部署面向公网的组件，如负载均衡器。

• Private Subnet: 私有子网，用于部署内部应用组件，如 Web Adaptor, ArcGIS Server, 数据库和文件服务器。

• Internet Gateway: VPC 连接互联网的网关。

• Application Load Balancer (ALB): 应用负载均衡器，将用户请求分发到 Web Adaptor 虚拟机，实现高可用和负载均衡。

• ArcGIS Web Adaptor VM: 安装 ArcGIS Web Adaptor 的虚拟机，作为 ArcGIS Enterprise 的 Web 入口。

• ArcGIS Server VM: 安装 ArcGIS Server 的虚拟机，负责 GIS 服务的发布和处理。

• RDS PostgreSQL: AWS 托管的 PostgreSQL 数据库服务，用于存储 ArcGIS Enterprise 的系统数据库和地理数据库。

• EFS (Elastic File System): AWS 弹性文件系统，用于存储 ArcGIS Enterprise 的共享文件，例如配置存储、服务器目录等。

部署步骤概览:

1. 创建 AWS VPC 和子网: 配置网络环境，包括 VPC, 公有子网和私有子网。

2. 创建安全组: 配置安全组规则，控制虚拟机和数据库的网络访问。

3. 创建 EC2 虚拟机: 创建 Web Adaptor VM 和 ArcGIS Server VM。

4. 部署 RDS PostgreSQL: 创建 AWS RDS PostgreSQL 实例。

5. 部署 EFS 文件系统: 创建 AWS EFS 文件系统。

6. 安装 ArcGIS Enterprise 组件: 在虚拟机上安装 ArcGIS Web Adaptor 和 ArcGIS Server。

7. 配置 ArcGIS Enterprise: 配置 ArcGIS Server 连接数据库和文件系统，配置 Web Adaptor 连接 ArcGIS Server。

8. 配置负载均衡器: 配置 ALB 将流量转发到 Web Adaptor 虚拟机。

9. 测试和验证: 验证 ArcGIS Enterprise 部署是否成功，功能是否正常。

代码实践：使用 Terraform 自动化部署 (示例)

为了提高部署效率和可重复性，可以使用 Infrastructure as Code (IaC) 工具，例如 Terraform 或 AWS CloudFormation，自动化 ArcGIS Enterprise 的云部署。 以下提供一个简化的 Terraform 代码示例，用于创建 AWS VPC, 子网, 安全组和 EC2 虚拟机 (仅为示例，实际部署需要根据具体需求进行完善)。

# 定义 AWS Provider
provider "aws" {
  region = "us-west-2" # 请替换为您的 AWS 区域
}
# 创建 VPC
resource "aws_vpc" "main" {
  cidr_block = "10.0.0.0/16"
  enable_dns_hostnames = true
  enable_dns_support = true
  tags = {
    Name = "arcgis-enterprise-vpc"
  }
}
# 创建 Public Subnet
resource "aws_subnet" "public" {
  vpc_id = aws_vpc.main.id
  cidr_block = "10.0.1.0/24"
  availability_zone = "us-west-2a" # 请替换为您的可用区
  map_public_ip_on_launch = true # 自动分配公网 IP
  tags = {
    Name = "public-subnet"
  }
}
# 创建 Private Subnet (Web Tier)
resource "aws_subnet" "private_web" {
  vpc_id = aws_vpc.main.id
  cidr_block = "10.0.2.0/24"
  availability_zone = "us-west-2a" # 请替换为您的可用区
  tags = {
    Name = "private-subnet-web"
  }
}
# 创建安全组 (Web Tier)
resource "aws_security_group" "web_sg" {
  name = "web-tier-sg"
  vpc_id = aws_vpc.main.id
  description = "允许 Web 访问的安全组"
  ingress {
    from_port = 80
    to_port = 80
    protocol = "tcp"
    cidr_blocks = ["0.0.0.0/0"] # 允许公网 HTTP 访问 (实际部署应根据安全需求调整)
  }
  ingress {
    from_port = 443
    to_port = 443
    protocol = "tcp"
    cidr_blocks = ["0.0.0.0/0"] # 允许公网 HTTPS 访问 (实际部署应根据安全需求调整)
  }
  egress {
    from_port = 0
    to_port = 0
    protocol = "-1"
    cidr_blocks = ["0.0.0.0/0"] # 允许所有出站流量
  }
  tags = {
    Name = "web-tier-security-group"
  }
}
# 创建 EC2 虚拟机 (Web Adaptor VM 示例)
resource "aws_instance" "web_vm" {
  ami = "ami-xxxxxxxxxxxxxxxxx" # 请替换为 ArcGIS Enterprise 兼容的 AMI
  instance_type = "t3.medium" # 请根据需求选择实例类型
  subnet_id = aws_subnet.private_web.id
  vpc_security_group_ids = [aws_security_group.web_sg.id]
  key_name = "your-ssh-key" # 请替换为您的 SSH 密钥对名称
  tags = {
    Name = "web-adaptor-vm-1"
  }
}
​

代码解释:

• provider "aws": 定义 AWS Provider，指定 AWS 区域。

• resource "aws_vpc" "main": 创建 VPC 资源，配置 CIDR 块和 DNS 设置。

• resource "aws_subnet" "public", resource "aws_subnet" "private_web": 创建公有子网和私有子网，指定 VPC ID, CIDR 块和可用区。

• resource "aws_security_group" "web_sg": 创建 Web 层安全组，配置入站和出站规则，允许 HTTP/HTTPS 访问。

• resource "aws_instance" "web_vm": 创建 EC2 虚拟机，指定 AMI, 实例类型, 子网 ID, 安全组和 SSH 密钥对。

使用 Terraform 部署:

1. 安装 Terraform: 请参考 Terraform 官方文档进行安装。

2. 配置 AWS 凭证: 配置 AWS CLI 或环境变量，确保 Terraform 可以访问您的 AWS 账户。

3. 创建 Terraform 配置文件: 将上述代码保存为 main.tf 文件。

4. 初始化 Terraform: 在命令行中运行 terraform init 命令，初始化 Terraform 环境。

5. 应用 Terraform 配置: 运行 terraform apply 命令，Terraform 将根据配置文件创建 AWS 资源。

注意: 以上 Terraform 代码仅为示例，实际部署需要根据 ArcGIS Enterprise 的系统要求、安全策略和高可用性需求进行完善。 例如，需要添加 RDS PostgreSQL, EFS, Load Balancer 等资源的配置，并配置 ArcGIS Enterprise 组件的安装和配置脚本。

7.2.4 ArcGIS Enterprise 云管理实践

ArcGIS Enterprise 云部署完成后，还需要进行日常的管理和维护，以确保系统的稳定运行和高效性能。 云管理实践主要包括以下方面：

• 监控与日志管理: 建立完善的监控体系，实时监控 ArcGIS Enterprise 的各项指标，例如 CPU 使用率、内存使用率、磁盘空间、网络流量、服务响应时间等。 收集和分析日志信息，及时发现和解决问题。 可以使用 AWS CloudWatch, Azure Monitor 等云监控服务，以及 ArcGIS Monitor 等 Esri 提供的监控工具。

• 性能优化: 根据监控数据和用户反馈，进行性能优化，提升 ArcGIS Enterprise 的响应速度和吞吐量。 性能优化措施包括：

  • 资源调优: 根据负载情况调整虚拟机实例类型、数据库配置、文件系统性能等。

  • 服务优化: 优化 GIS 服务的发布和配置，例如使用缓存、优化数据访问方式、调整服务实例数量等。

  • 网络优化: 优化网络配置，例如使用 CDN 加速静态资源访问，优化网络路由等。

• 安全管理: 加强云环境的安全防护，包括：

  • 身份认证与访问控制: 使用 IAM (AWS Identity and Access Management), Azure AD 等云身份管理服务，管理用户身份和访问权限。 配置 ArcGIS Enterprise 的安全设置，例如 Web 层身份验证、服务访问权限控制等。

  • 安全加固: 加固虚拟机操作系统和 ArcGIS Enterprise 组件的安全配置，例如禁用不必要的服务、安装安全补丁、配置防火墙等。

  • 数据加密: 对敏感数据进行加密存储和传输，例如使用 RDS 加密、EFS 加密、HTTPS 传输等。

  • 安全审计: 记录和审计用户操作和系统事件，及时发现和应对安全威胁。

• 备份与恢复: 制定完善的备份和恢复策略，定期备份 ArcGIS Enterprise 的系统数据库、配置存储、服务器目录等重要数据。 测试恢复流程，确保在发生故障时能够快速恢复系统。 可以使用 AWS Backup, Azure Backup 等云备份服务。

• 弹性伸缩: 根据业务需求和负载变化，动态调整 ArcGIS Enterprise 的资源规模。 可以使用 AWS Auto Scaling, Azure Virtual Machine Scale Sets 等云弹性伸缩服务，实现自动扩容和缩容。

• 更新与维护: 定期更新 ArcGIS Enterprise 组件和云基础设施的软件版本和补丁，保持系统安全和稳定。 Esri 官方会定期发布 ArcGIS Enterprise 的更新版本，建议及时关注并进行升级。

代码实践：使用 AWS CloudWatch 监控 (示例)

可以使用 AWS CloudWatch 监控 EC2 虚拟机的 CPU 使用率、内存使用率、磁盘空间等指标。 以下是一个简化的 CloudWatch 监控配置示例 (通过 AWS CLI 命令行操作)：

# 创建 CloudWatch 自定义指标命名空间
aws cloudwatch put-metric-data --namespace "ArcGISEnterprise" --metric-data file://metric-data.json
# metric-data.json 文件内容示例
{
    "MetricData": [
        {
            "MetricName": "CPUCUtilization",
            "Dimensions": [
                {
                    "Name": "InstanceId",
                    "Value": "i-xxxxxxxxxxxxxxxxx" # 请替换为您的 EC2 实例 ID
                }
            ],
            "Value": 75.5, # CPU 使用率示例值
            "Unit": "Percent"
        },
        {
            "MetricName": "MemoryUtilization",
            "Dimensions": [
                {
                    "Name": "InstanceId",
                    "Value": "i-xxxxxxxxxxxxxxxxx" # 请替换为您的 EC2 实例 ID
                }
            ],
            "Value": 60.2, # 内存使用率示例值
            "Unit": "Percent"
        }
    ]
}
​

代码解释:

• aws cloudwatch put-metric-data: AWS CLI 命令，用于向 CloudWatch 发送自定义指标数据。

• --namespace "ArcGISEnterprise": 定义自定义指标命名空间，用于组织和管理指标。

• --metric-data file://metric-data.json: 指定指标数据文件，metric-data.json 文件定义了指标名称、维度、值和单位。

• MetricName, Dimensions, Value, Unit: 指标数据的关键属性，分别表示指标名称、维度 (用于区分不同实例)、指标值和单位。

使用 CloudWatch 监控:

1. 安装 AWS CLI: 请参考 AWS CLI 官方文档进行安装和配置。

2. 创建 metric-data.json 文件: 根据上述示例创建 metric-data.json 文件，并替换为您的 EC2 实例 ID 和实际的指标值。

3. 发送指标数据: 在命令行中运行上述 aws cloudwatch put-metric-data 命令，将指标数据发送到 CloudWatch。

4. 查看监控图表: 登录 AWS CloudWatch 控制台，选择 "Metrics" -> "Custom Namespaces" -> "ArcGISEnterprise"，即可查看自定义指标的监控图表。

注意: 以上 CloudWatch 监控示例仅为演示如何发送自定义指标数据，实际应用中需要结合系统监控工具 (例如 Prometheus, Grafana) 或 ArcGIS Monitor 等专业监控工具，实现更全面的监控和告警功能。 同时，还需要配置 CloudWatch Alarm, 当指标超过阈值时触发告警通知。

7.2.5 云部署与管理的最佳实践

为了成功地在云环境中部署和管理 ArcGIS Enterprise，需要遵循一些最佳实践：

• 充分规划和设计: 在部署之前，进行充分的规划和设计，明确业务需求、安全需求、性能需求和预算限制，选择合适的云部署模式和架构。

• 自动化部署和配置: 尽可能使用 Infrastructure as Code (IaC) 工具 (例如 Terraform, CloudFormation) 和配置管理工具 (例如 Ansible, Chef, Puppet) 自动化部署和配置过程，提高效率、降低错误率、实现环境一致性。

• 安全优先: 将安全作为云部署和管理的首要考虑因素，从网络安全、身份认证、访问控制、数据加密、安全审计等多个方面加强安全防护。

• 监控和告警: 建立完善的监控体系，实时监控系统状态和性能指标，配置告警规则，及时发现和解决问题。

• 弹性伸缩: 充分利用云平台的弹性伸缩能力，根据业务负载动态调整资源规模，优化成本和性能。

• 备份与恢复: 制定完善的备份和恢复策略，定期备份重要数据，测试恢复流程，确保数据安全和业务连续性。

• 持续优化: 持续监控和优化 ArcGIS Enterprise 的性能和安全，根据业务发展和技术进步，不断改进云部署和管理实践。

• 学习和培训: 加强团队成员的云技术和 ArcGIS Enterprise 云部署与管理方面的学习和培训，提升专业能力。

7.2.6 总结与展望

随着云计算技术的不断发展和成熟，ArcGIS Enterprise 在云环境下的应用将越来越广泛。 未来，我们可以期待更加智能化、自动化、弹性的 ArcGIS Enterprise 云平台，为用户提供更高效、更便捷、更安全的 GIS 服务。 同时，Serverless GIS, Edge GIS 等新兴技术也将与 ArcGIS Enterprise 云部署相结合，拓展 GIS 应用的边界，创造更大的价值。