气象云建设的思考.pptxVIP

气象云建设的思考;目录;1 现状与需求分析1.1需求分析;气象预报预测的需求;气象观测的需求;气象服务的需求;1.2 现状分析;第三，数据存储与管理系统“信息孤岛遍布”;造成“信息孤岛”遍布的原因;第四，“业务应用系统林立”;第五，气象服务系统碎片化;出路;2 气象云建设原则2.1 满足各种气象业务、服务和管理需求;2.2 有利于提高气象预报预测准确率;2.3 集约高效;2.4 数据共享;3 气象云总体设计思路;图1 云存储、云计算和云服务关系示意图;3.1 云存储;图2云数据库示意图;3.1.1数据存储模型的选择;数据分布式存储有三种技术选择;分布式关系型数据库;观测数据的存储;气象观测数据的特殊需求;气象管理信息的存储;分布式半关系型数据库;数值预报预测产品，每次生成的高分辨率数值分析预报预测产品数据量都比较大，对于用户少的产品(例如动力气候产品；如果MICAPS的绝大多数算法在后台实现，用户调用的是MICAPS生成的产品，那么数值天气预报产品的用户也不多)，可以把模式名称、产品生成的时间、预报时效、物理量作为索引存储在关系型数据库中，将物理量的三维数据存储在分布式文件系统之中，这种存储方式可以满足数值预报预测产品的三种基本应用，快速检索得到所需要的这些数据，支持这些应用：从三维数据中检索出该物理量某等压面的二维数据（生成等压面物理量图形等）、某垂直截面的二维数据（生成物理量垂直剖面图等）、某格点的垂直一维数据（生成模式产品探空图及有关的物理量）。 对于用户较多的产品，可以把层次也作为元数据放到索引之中，将物理量某层次的二维数据存储在分布式文件系统之中。这种存储方式，虽然调用垂直截面二维数据、某格点垂直一维数据需要从多个文件中获取，计算速度可能慢一些，但是可以更好地满足多用户的并发调用。两种存储方式孰优孰劣，与厂家开发的软件有关，需要测试后才能决定。 ;由MICAPS4.0、SWAN、CIPAS2.0、MESIS、LAPS、SWAP、SMART、农气业务系统、交通气象业务系统等自动生成的产品，气象影视产品，也可以采用分布式文件系统存储?? 例如，MICAPS生成的探空站T-logP图,可以将站名、时间、T-logP作为索引存储在关系型数据库中,将T-logP图存储在分布式文件库中; 又如影视产品,可以将制作单位、时间、产品属性等作为索引存储在关系型数据库中,将视频图像存储在分布式文件库中,等等。;分布式半关系型数据库的优点;非关系型数据库（NoSQL）;未来的气象云数据库;3.1.2气象云存储需要解决的问题;3.1.3气象大数据中心的设计;一级数据中心设想;3.2 云计算;3.2.1气象部门如何应用SaaS、PaaS和IaaS;（2）PaaS：平台即服务;（3）IaaS: 设施即服务;气象部门如何应用IaaS、PaaS、SaaS？;图3 IaaS、PaaS、SaaS三者的关系;3.2.2如何应用PaaS平台进行气象信息加工;第二类是其它业务应用系统;MICAPS4.0另外一些算法,例如涡度、散度、垂直速度及各种平流的计算涉及多个站(格点)的数据, 如果所有探空站数据存储在一个分布式关系型数据库中（实际上就是这样做的），数值天气预报产品按照上一节提出的分布式文件系统存储，这些物理量既可以采用“数算同体”的方式计算,也可以采用“数算异体”的方式计算，后者是从数据存储系统中获得所需的数据,然后在计算结点计算物理量,并将其存储到存储物理量数据的结点中去，一次计算需要一次输入输出（I/O）。 涉及全局的算法,例如寻找相似个例的算法，对于寻找地面形势的相似，就必须采用“数算异体”的方式计算，因为每个结点只存储了部分站点的观测数据，必须先拼成全域的地面图，才能进行相似算法的计算。 ;CIPAS 2.0大部分算法与MICAPS4.0类似,既有只在站点和格点上计算的算法, 可以采用“数算同体”的方式进行分布式并行计算;也有平流计算的方法, 既可以采用“数算同体”也可以采用“数算异体”的方式计算;气候业务广泛应用的EOF分析、波谱分析等算法都涉全局的数据, 需要采用“数算异体”的方式计算。 其它业务应用系统的算法大体如此。 ;如何改变“业务应用系统林立”的状况，首先需要对这些业务应用系统的算法进行分析，删除重复的算法； 其次在PaaS平台上统一对所有的算法根据其特点进行不同的分布式并行计算，并它们将生成的产品存储在分布式产品库中； 第三，做好所有产品的用户接口，供所有内部用户调用。 ;第三类气象服务网站;第四类气象影视产品的制作。;第五类管理信息的加工处理;3.2.3 SaaS的应用;业务应用系统的变革;一体化设计;3.3 云服务;气象服务对象有决策者、公众、专业用户等，为他们提供的