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:

  1. Хранение геометрии. Пространственные и табличные данные в СУБД — PostgreSQL, Oracle, MS SQL, SAP HANA, облачные базы, плюс файловые хранилища вроде S3 и Azure.

  2. Сервер публикации. Типы сервисов: векторные и растровые тайлы, map image, feature, scene, а также геокодирование, геопроцессинг, сетевые сервисы, печать.

  3. Стандарты обмена. WMS, WFS, WCS, WMTS, WPS, OGC API, KML, GeoJSON.

  4. 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.

  5. Развёртывание. Windows, Linux и Kubernetes — через EKS, AKS, GKE, Rancher, Tanzu, OpenShift; Kubernetes-версия лицензируется отдельной годовой подпиской.

  6. Аналитические расширения. Network Analyst, Spatial Analyst, 3D Analyst, Data Reviewer, Workflow Manager и отраслевые — Roads & Highways, Pipeline Referencing, Utility Network.

  7. 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.