Integrasikan Deadline Cloud ke pipeline Anda

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

Apa itu integrasi pipa?

Integrasi pipeline Deadline Cloud mengacu pada bagaimana Deadline Cloud farm 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 kerjanya.

Pipa 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 bertukar aset untuk melakukan tugas yang menjadi tanggung jawab mereka. Pipa yang dirancang dengan baik memfasilitasi pembuatan gambar akhir yang efisien untuk acara televisi atau sejenisnya.

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

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

• Di mana data aset Anda disimpan, dan bagaimana Anda akan memberikannya kepada host pekerja di peternakan?

• Aplikasi dan plugin mana yang dibutuhkan pekerjaan Anda, dan bagaimana Anda menyediakannya ke host pekerja di peternakan?

• Ketika seniman atau operator lain memiliki pekerjaan untuk dijalankan, bagaimana mereka akan mengirimkannya ke pertanian?

• Siapa yang akan memantau kemajuan dan status pekerjaan, dan bagaimana Anda akan mengontrol biaya dan mengoptimalkan pemanfaatan host pekerja?

Contoh studio lokal dengan peternakan di AWS

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

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

• Data aset disimpan pada sistem file bersama NAS di kantor lokal mereka.

  • PadaWindows, proyek dipasang ke drive P: dan utilitas dipasang ke X:.

  • PadamacOS, proyek dipasang ke/Volumes/Projects and utilities are mounted to /Volumes/Utilities.

• Mereka menggunakan Maya untuk pemodelan 3D, Arnold untuk rendering, dan Nuke untuk pengomposisian. Tidak ada plugin khusus yang diinstal dalam aplikasi ini.

• Mereka ingin menggunakan pengalaman pengiriman default.

• Seniman akan memantau pekerjaan mereka sendiri dan produsen akan memantau biaya dan menyesuaikan prioritas bila diperlukan.

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

Ketika artis mengirimkan pekerjaan dari Maya atau Nuke, pengirim terintegrasi Deadline Cloud memindai adegan untuk mengidentifikasi file yang diperlukan agar pekerjaan dapat dijalankan, dan kemudian menempelkannya 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 cara ini mendukung pemetaan jalur yang diperlukan saat pekerjaan dijalankan 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 armada yang Linux dikelola layanan dengan persyaratan v CPUs dan RAM yang diatur ke rentang mulai dari spesifikasi minimum yang dibutuhkan studio untuk pekerjaan mereka. Salah satu armada dikonfigurasi untuk menyediakan sejumlah kecil instans spot untuk menyediakan kapasitas render yang konsisten selama jam kerja, dan armada lainnya dikonfigurasi sebagai tunggu dan hemat untuk membuat lebih banyak pekerjaan selama jam sibuk dengan biaya lebih rendah. Semua Maya, plugin Maya untuk 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 mengatur submitter Deadline Cloud di setiap workstation, memilih integrasi Maya dan Nuke. Dengan monitor Deadline Cloud, mereka dapat masuk ke pertanian, 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 peternakan, mereka memberi Kontributor akses ke artis sehingga mereka dapat mengirimkan pekerjaan, melihat semua pekerjaan, dan memodifikasi properti pekerjaan mereka sendiri. Mereka memberi Manajer akses untuk membuat 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 mengeksplorasi biaya penggunaan.