Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Integra Deadline Cloud nella tua pipeline
Puoi integrare le tue pipeline di rendering esistenti con AWS Deadline Cloud per semplificare la gestione del flusso di lavoro e i processi di invio dei lavori.
Sebbene l'esempio seguente utilizzi una pipeline di effetti visivi, lo stesso modello di integrazione si applica a qualsiasi flusso di lavoro ad alta intensità di calcolo: simulazioni scientifiche, modellazione finanziaria, formazione sull'apprendimento automatico o elaborazione dei dati. In ogni caso, si configura il modo in cui i dati raggiungono gli host di lavoro, quali applicazioni vengono eseguite su tali host, il modo in cui gli operatori inviano i lavori e il modo in cui si monitorano i progressi e si controllano i costi.
Cos'è l'integrazione della pipeline?
Un'integrazione di pipeline di Deadline Cloud si riferisce al modo in cui una farm Deadline Cloud fornisce l'elaborazione in batch per i flussi di lavoro interattivi e automatizzati. Questo esempio utilizza una pipeline di effetti visivi che puoi adattare alle applicazioni e ai processi utilizzati dagli operatori nei loro flussi di lavoro.
Una pipeline di effetti visivi è costituita dalle fasi di post-produzione per elaborare filmati di input, modelli 3D, animazioni, texture, illuminazione, immagini renderizzate e altro ancora. Prescrive in che modo i diversi reparti si scambiano risorse per svolgere le attività di cui sono responsabili. Una pipeline ben progettata facilita la creazione efficiente delle immagini finali per un programma televisivo o simili.
Integrando una farm Deadline Cloud nella tua pipeline, puoi scaricare i lavori di lunga durata su una coda e dare priorità al modo in cui Deadline Cloud li pianifica su flotte di lavoratori host. Puoi utilizzare le flotte gestite dal servizio e puoi crearne di tue in sede o in locale. AWS
Per creare l'integrazione della tua pipeline, considera i seguenti fattori:
-
Dove vengono archiviati i dati delle tue risorse e come li fornirai ai lavoratori ospitanti dell'azienda agricola?
-
Di quali applicazioni e plug-in sono necessari i vostri lavori e in che modo li fornirete ai worker host della farm?
-
Quando gli artisti o altri operatori hanno dei lavori da svolgere, come li invieranno alla fattoria?
-
Chi monitorerà l'avanzamento e lo stato dei lavori e in che modo controllerai i costi e ottimizzerai l'utilizzo dei lavoratori ospitanti?
Esempio di studio locale con azienda agricola AWS
Questo esempio si concentra su una pipeline in cui gli artisti collaborano in sede e inviano i lavori a un'azienda agricola per il AWS rendering. L'approccio qui presentato è rapido da integrare su Deadline Cloud e fornisce un punto di partenza flessibile per la personalizzazione.
Ecco i fattori per l'integrazione della pipeline di questo studio di esempio:
-
I dati degli asset vengono archiviati su un file system condiviso del NAS nell'ufficio locale.
-
SìWindows, i progetti vengono montati sull'unità P: e le utilità sono montate su X:.
-
SìmacOS, i progetti sono montati su/Volumes/Projects e le utilità sono montate su/. Volumes/Utilities
-
-
Usano Maya per la modellazione 3D, Arnold per il rendering e Nuke per il compositing. Nessun plugin personalizzato è installato in queste applicazioni.
-
Vogliono utilizzare l'esperienza di invio predefinita.
-
Gli artisti controlleranno il proprio lavoro e i produttori monitoreranno i costi e aggiusteranno le priorità quando necessario.
L'integrazione della pipeline per questo studio utilizza gli allegati di lavoro per trasferire i dati dai locali dello studio da e verso la sede dello studio AWS, in quanto può essere facile iniziare e può essere adattato a flotte di grandi dimensioni. Il bucket S3 degli allegati di lavoro configurato in coda funge da livello di cache tra il NAS locale e gli host di lavoro su. AWS
Quando gli artisti inviano lavori da Maya o Nuke, il submitter integrato di Deadline Cloud scansiona la scena per identificare i file necessari per l'esecuzione del lavoro, quindi li allega al lavoro caricandoli su S3. Un hash ad alte prestazioni viene utilizzato per identificare i file precedentemente caricati da qualsiasi artista in studio. In questo modo, quando un artista invia in modo iterativo nuove versioni dello stesso scatto, o un artista consegna uno scatto a un altro, è necessario caricare solo file nuovi o modificati nel processo di invio del lavoro.
Lo studio utilizza entrambe Windows le macOS workstation, quindi configura i profili di archiviazione con posizioni del file system di tipo locale sia per i progetti che per le unità di utilità. Consulta l'argomento Profili di archiviazione per allegati di lavoro per maggiori dettagli su come questo supporta la mappatura dei percorsi necessaria quando i lavori vengono eseguiti su un sistema operativo diverso da quello da cui vengono inviati. Inoltre, configurano un Linux host sulla propria rete per scaricare automaticamente l'output di tutte le attività dei lavori in coda una volta completati. Per informazioni su come configurarlo, consulta Download automatici degli allegati ai lavori.
La farm contiene due flotte Linux gestite da servizi con requisiti di vCPU e RAM impostati su intervalli che partono dalle specifiche minime necessarie allo studio per il proprio lavoro. Una delle flotte è configurata per fornire un numero limitato di istanze spot per fornire una capacità di rendering costante durante l'orario di lavoro, mentre l'altra è configurata in modalità attesa e salvataggio per eseguire più lavori durante le ore non di punta a un costo inferiore. Tutti i prodotti Maya, il plug-in Maya for Arnold e Nuke sono forniti per le flotte Linux gestite dai servizi dal canale Deadline-cloud conda, insieme alle licenze basate sull'utilizzo. Per ridurre i costi di installazione delle applicazioni, sostituiscono l'ambiente conda predefinito configurato per la coda nella console Deadline Cloud con l'ambiente di coda conda di esempio di github con un caching migliorato. https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/queue_environments#conda-queue-environment-with-improved-caching
Per supportare l'invio dei lavori, hanno impostato i submitter di Deadline Cloud su ogni workstation, selezionando le integrazioni Maya e Nuke. Con Deadline Cloud Monitor, possono accedere alla farm, monitorare lo stato di avanzamento dei lavori e visualizzare gli output dei log per la diagnosi dei problemi. Entrambi i trasmettitori Maya e Nuke dispongono di finestre di dialogo integrate per inviare lavori dall'interfaccia dell'applicazione.
Quando configurano i livelli di accesso degli utenti nella farm (vedi Come funzionano le autorizzazioni in Deadline Cloud), danno a Contributor l'accesso agli artisti in modo che possano inviare lavori, visualizzare tutti i lavori e modificare le proprietà dei propri lavori. Consentono al Manager di accedere ai render wrangler in modo che possano modificare le proprietà di tutti i lavori. Consentono al proprietario di accedere ai produttori, in modo che possano tenere traccia della spesa e dell'utilizzo creando budget ed esplorando i costi di utilizzo.
