Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Integrasikan Deadline Cloud ke dalam pipeline Anda

Anda dapat mengintegrasikan pipeline rendering yang ada dengan De AWS adline Cloud untuk merampingkan manajemen alur kerja dan proses pengiriman pekerjaan Anda.

Sementara contoh di bawah ini menggunakan pipeline efek visual, pola integrasi yang sama berlaku untuk alur kerja intensif komputasi manapun — simulasi ilmiah, pemodelan keuangan, pelatihan pembelajaran mesin, atau pemrosesan data. Dalam setiap kasus, Anda mengonfigurasi cara data mencapai host pekerja, aplikasi mana yang berjalan di host tersebut, cara operator mengirimkan pekerjaan, dan cara Anda memantau kemajuan dan mengontrol biaya.

Apa itu integrasi pipa?

Integrasi pipeline Deadline Cloud mengacu pada bagaimana farm Deadline Cloud menyediakan pemrosesan batch untuk alur kerja interaktif dan otomatis Anda. Contoh ini menggunakan pipeline efek visual yang dapat Anda sesuaikan dengan aplikasi dan proses yang digunakan operator Anda dalam alur kerja mereka.

Pipeline efek visual terdiri dari tahapan pasca produksi untuk memproses rekaman input, model 3D, animasi, tekstur, pencahayaan, gambar yang dirender, dan banyak lagi. Ini menentukan bagaimana departemen yang berbeda menukar aset untuk melakukan tugas-tugas yang mereka tanggung jawab. Pipeline yang dirancang dengan baik memfasilitasi pembuatan gambar akhir yang efisien untuk acara televisi atau sejenisnya.

Dengan mengintegrasikan farm Deadline Cloud ke dalam pipeline Anda, Anda dapat menurunkan pekerjaan yang berjalan lama ke antrian, dan memprioritaskan bagaimana Deadline Cloud menjadwalkannya pada armada host pekerja. Anda dapat menggunakan armada yang dikelola oleh layanan, dan Anda dapat membuat armada Anda sendiri di lokasi atau di lokasi. AWS

Untuk membuat integrasi pipeline Anda, pertimbangkan faktor-faktor berikut:

Contoh studio lokal dengan peternakan AWS

Contoh ini berfokus pada pipeline di mana seniman bekerja sama di tempat dan mengirimkan pekerjaan ke peternakan AWS untuk dirender. Pendekatan yang disajikan di sini cepat diintegrasikan ke Deadline Cloud dan memberikan titik awal yang fleksibel untuk penyesuaian.

Berikut adalah faktor-faktor untuk integrasi pipeline dari studio contoh ini:

Integrasi pipeline untuk studio ini menggunakan lampiran pekerjaan untuk mentransfer data dari tempat studio ke dan dari AWS, karena mudah untuk memulai dan dapat menskalakan ke ukuran armada yang besar. Bucket S3 lampiran pekerjaan yang dikonfigurasi pada antrian bertindak sebagai tingkat cache antara NAS lokal dan host pekerja di AWS.

Saat artis mengirimkan pekerjaan dari Maya atau Nuke, pengirim terintegrasi Deadline Cloud memindai adegan untuk mengidentifikasi file yang diperlukan agar pekerjaan dapat dijalankan, lalu melampirkannya ke pekerjaan dengan mengunggahnya ke S3. Hash kinerja tinggi digunakan untuk mengidentifikasi file yang sebelumnya diunggah oleh artis mana pun di studio. Dengan cara ini, ketika seorang seniman secara berulang mengirimkan versi baru dari bidikan yang sama, atau satu artis menyerahkan bidikan ke yang lain, hanya file baru atau yang dimodifikasi yang perlu diunggah dalam proses pengiriman pekerjaan.

Studio menggunakan keduanya Windows dan macOS workstation, sehingga mereka mengkonfigurasi profil penyimpanan dengan lokasi sistem file tipe lokal untuk proyek dan drive utilitas mereka. Lihat topik Profil penyimpanan untuk lampiran pekerjaan untuk detail selengkapnya tentang bagaimana ini mendukung pemetaan jalur yang diperlukan saat pekerjaan berjalan pada sistem operasi yang berbeda dari yang dikirimkan. Mereka juga mengkonfigurasi Linux host di jaringan mereka untuk secara otomatis mengunduh output dari semua tugas pekerjaan dalam antrian ketika mereka selesai. Untuk mempelajari cara mengaturnya, lihat Unduhan otomatis untuk lampiran pekerjaan.

Peternakan berisi dua arm Linux ada yang dikelola layanan dengan vCPU dan persyaratan RAM yang diatur untuk rentang mulai dari spesifikasi minimum yang dibutuhkan studio untuk pekerjaan mereka. Salah satu armada dikonfigurasi untuk menyediakan sejumlah kecil instans spot untuk memberikan kapasitas render yang konsisten selama jam kerja, dan armada lainnya dikonfigurasi sebagai tunggu dan simpan untuk menghasilkan lebih banyak pekerjaan selama jam di luar jam sibuk dengan biaya lebih rendah. Semua Maya, plugin Maya for Arnold, dan Nuke disediakan untuk armada yang Linux dikelola layanan dari saluran conda deadline-cloud, di samping lisensi berbasis penggunaan. Untuk menghemat overhead dari instalasi aplikasi, mereka mengganti lingkungan conda default yang dikonfigurasi untuk antrian di konsol Deadline Cloud dengan lingkungan antrian conda sampel github dengan caching yang ditingkatkan.

Untuk mendukung pengiriman pekerjaan, mereka menyiapkan submitter Deadline Cloud di setiap workstation, memilih integrasi Maya dan Nuke. Dengan monitor Deadline Cloud, mereka dapat masuk ke peternakan, memantau kemajuan pekerjaan, dan melihat output log untuk mendiagnosis masalah. Baik pengirim Maya dan Nuke menampilkan dialog terintegrasi untuk mengirimkan pekerjaan dari dalam antarmuka aplikasi.

Saat mengonfigurasi tingkat akses pengguna di farm (lihat Cara kerja izin di Deadline Cloud), mereka memberikan Kontributor akses ke artis sehingga mereka dapat mengirimkan pekerjaan, melihat semua pekerjaan, dan memodifikasi properti pekerjaan mereka sendiri. Mereka memberi Manajer akses untuk merender wrangler sehingga mereka dapat memodifikasi properti dari semua pekerjaan. Mereka memberi Pemilik akses ke produsen, sehingga mereka dapat melacak pengeluaran dan penggunaan dengan membuat anggaran dan menjelajahi biaya penggunaan.