基于虛擬化與容器化的省級(jí)氣象服務(wù)云平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)

摘要：為滿足省級(jí)氣象服務(wù)系統(tǒng)的業(yè)務(wù)需求，該研究結(jié)合安徽省現(xiàn)有氣象服務(wù)產(chǎn)品與系統(tǒng)架構(gòu)，設(shè)計(jì)并實(shí)現(xiàn)了基于虛擬化與容器化的省級(jí)氣象服務(wù)云平臺(tái)。該平臺(tái)運(yùn)用虛擬化技術(shù)整合安徽省公共氣象服務(wù)中心的物理服務(wù)器資源并進(jìn)行動(dòng)態(tài)調(diào)度，同時(shí)基于Docker容器技術(shù)構(gòu)建集約化云平臺(tái)，實(shí)現(xiàn)資源的彈性擴(kuò)展與高效管理。實(shí)際應(yīng)用表明，平臺(tái)已成功對(duì)接安徽省氣象局多源異構(gòu)數(shù)據(jù)環(huán)境，實(shí)現(xiàn)氣象服務(wù)業(yè)務(wù)的深度集成，并具備氣象產(chǎn)品自動(dòng)化加工及一鍵式多渠道發(fā)布的智能化功能。通過構(gòu)建省、市、縣三級(jí)共享服務(wù)機(jī)制，該平臺(tái)顯著提高了氣象服務(wù)資源的整合效率，優(yōu)化了業(yè)務(wù)響應(yīng)能力，為公眾及行業(yè)用戶提供了精準(zhǔn)、高效的信息化服務(wù)支撐。

關(guān)鍵詞：氣象服務(wù)；資源虛擬化；Docker容器；云平臺(tái)；服務(wù)集成

中圖分類號(hào)：TP315文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2025）15-0114-04

0引言

隨著氣象服務(wù)信息化進(jìn)程的加速，省級(jí)氣象業(yè)務(wù)系統(tǒng)面臨數(shù)據(jù)激增和服務(wù)需求多元化的雙重挑戰(zhàn)。當(dāng)前，安徽省氣象服務(wù)中心運(yùn)行著多個(gè)異構(gòu)業(yè)務(wù)系統(tǒng)，各系統(tǒng)采用獨(dú)立部署模式，導(dǎo)致數(shù)據(jù)共享壁壘突出、資源調(diào)配效率低下等問題。統(tǒng)計(jì)顯示，傳統(tǒng)“一機(jī)一應(yīng)用”部署方式導(dǎo)致服務(wù)器平均CPU利用率不足15%，而運(yùn)維成本卻以年均23%的速度遞增，嚴(yán)重制約了氣象服務(wù)效能的提升。

針對(duì)上述問題，國(guó)內(nèi)外學(xué)者在資源虛擬化與容器化技術(shù)[1-3]上已取得重要進(jìn)展。VMware等虛擬化方案通過硬件資源池化有效提升了基礎(chǔ)設(shè)施利用率[4]，而Docker容器技術(shù)憑借其輕量級(jí)特性為微服務(wù)架構(gòu)提供了新的實(shí)現(xiàn)路徑[5-6]。

本研究通過基礎(chǔ)設(shè)施虛擬化實(shí)現(xiàn)物理資源的彈性池化，結(jié)合容器化技術(shù)構(gòu)建輕量化服務(wù)單元，形成“縱向貫通業(yè)務(wù)鏈條、橫向整合服務(wù)矩陣”的立體化解決方案。該方案在安徽省氣象服務(wù)領(lǐng)域率先實(shí)施，成功搭建覆蓋省、市、縣三級(jí)節(jié)點(diǎn)的公共氣象服務(wù)云平臺(tái)。

1系統(tǒng)設(shè)計(jì)

1.1系統(tǒng)體系架構(gòu)

基于虛擬化與容器化的省級(jí)氣象服務(wù)云平臺(tái)（如圖1所示），包括四個(gè)層次：基礎(chǔ)設(shè)施層、云存儲(chǔ)層、云平臺(tái)層、應(yīng)用平臺(tái)層。

1）基礎(chǔ)設(shè)施層。基礎(chǔ)設(shè)施層通過虛擬化架構(gòu)，實(shí)現(xiàn)對(duì)服務(wù)器集群、存儲(chǔ)陣列和網(wǎng)絡(luò)設(shè)備的資源池化，消除異構(gòu)硬件的物理差異特性。基于業(yè)務(wù)需求實(shí)施動(dòng)態(tài)資源調(diào)度管理，涵蓋資源虛擬化封裝、運(yùn)行態(tài)指標(biāo)監(jiān)測(cè)、自動(dòng)化服務(wù)編排及多層級(jí)安全防護(hù)等核心模塊。

2）云存儲(chǔ)層，對(duì)。海量數(shù)據(jù)資源進(jìn)行集中化管理，對(duì)外提供服務(wù)。安徽省公共氣象服務(wù)中心的數(shù)據(jù)主要為氣象監(jiān)測(cè)數(shù)據(jù)、陸地水文數(shù)據(jù)、天氣雷達(dá)數(shù)據(jù)、衛(wèi)星產(chǎn)品數(shù)據(jù)、數(shù)值分析數(shù)據(jù)、海洋監(jiān)測(cè)數(shù)據(jù)、氣象傳真數(shù)據(jù)、地圖地理等，數(shù)據(jù)種類多，操作管理難度大，而采用云存儲(chǔ)（DaaS）技術(shù)將不同來源的異構(gòu)數(shù)據(jù)、大規(guī)模原始數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)等進(jìn)行集中化管理，統(tǒng)一為外部服務(wù)使用，減少了數(shù)據(jù)操作流程。

3）云平臺(tái)層。基于虛擬化與容器化的省級(jí)氣象服務(wù)云平臺(tái)中所有的計(jì)算任務(wù)都運(yùn)行在分布式系統(tǒng)上，采用Docker容器技術(shù)結(jié)合Kubernetes技術(shù)，保障了各個(gè)計(jì)算任務(wù)的獨(dú)立性，同時(shí)充分利用多核多CPU以及服務(wù)器集群的力量處理海量數(shù)據(jù)。

4）應(yīng)用平臺(tái)層。借助NCL、Python、WebGIS、HTML5、WebGL、OSGEarth等技術(shù)，直接向服務(wù)人員提供綜合信息發(fā)布、行業(yè)氣象服務(wù)、系統(tǒng)智能監(jiān)控、產(chǎn)品共享等服務(wù)。

1.2業(yè)務(wù)流程

省級(jí)氣象服務(wù)云平臺(tái)的業(yè)務(wù)流程如圖2所示。根據(jù)系統(tǒng)業(yè)務(wù)開展需要，形成統(tǒng)一的數(shù)據(jù)環(huán)境，通過采集CIMISS、MICAPS、國(guó)家公服中心、信息中心數(shù)據(jù)庫、外單位行業(yè)等數(shù)據(jù)，整合業(yè)務(wù)需求對(duì)采集的數(shù)據(jù)進(jìn)行預(yù)處理，然后對(duì)外提供數(shù)據(jù)接口服務(wù)。

從數(shù)據(jù)接口服務(wù)獲取數(shù)據(jù)，采用空間插值技術(shù)、天氣識(shí)別技術(shù)、氣候統(tǒng)計(jì)方法、指標(biāo)模型技術(shù)等方法對(duì)數(shù)據(jù)進(jìn)行初級(jí)加工與分析，實(shí)現(xiàn)對(duì)氣象圖文產(chǎn)品的加工和服務(wù)指標(biāo)的實(shí)時(shí)告警，生成初級(jí)產(chǎn)品。

在初級(jí)產(chǎn)品加工的基礎(chǔ)上，利用自然語言處理技術(shù)、模板配置技術(shù)、語音合成技術(shù)等實(shí)現(xiàn)產(chǎn)品的自動(dòng)化生成。

采用多種發(fā)布渠道及發(fā)布策略對(duì)服務(wù)產(chǎn)品進(jìn)行發(fā)布，發(fā)揮省公共氣象服務(wù)中心服務(wù)產(chǎn)品共享功能，實(shí)現(xiàn)了省、市、縣三級(jí)公共氣象服務(wù)業(yè)務(wù)一體化平臺(tái)的共享聯(lián)動(dòng)。

通過分布式監(jiān)測(cè)網(wǎng)絡(luò)，對(duì)服務(wù)器、網(wǎng)絡(luò)、數(shù)據(jù)、產(chǎn)品、API等資源進(jìn)行全天候監(jiān)測(cè)，聚合海量氣象應(yīng)用數(shù)據(jù)，構(gòu)建一體化實(shí)時(shí)監(jiān)控平臺(tái)及數(shù)據(jù)應(yīng)用體系，從業(yè)務(wù)視角實(shí)時(shí)感知業(yè)務(wù)系統(tǒng)運(yùn)行狀態(tài)，確保業(yè)務(wù)連續(xù)性和全渠道業(yè)務(wù)的高效管控。

2系統(tǒng)功能模塊的實(shí)現(xiàn)

平臺(tái)采用“數(shù)據(jù)—業(yè)務(wù)—發(fā)布”三層架構(gòu)（如圖3所示），包含10個(gè)子系統(tǒng)和31個(gè)功能模塊，核心功能如下。

2.1數(shù)據(jù)服務(wù)層：構(gòu)建氣象數(shù)據(jù)全生命周期管理體系

服務(wù)產(chǎn)品庫：基于分布式文件系統(tǒng)設(shè)計(jì)，實(shí)現(xiàn)PB級(jí)氣象觀測(cè)與預(yù)報(bào)數(shù)據(jù)混合存儲(chǔ)；創(chuàng)新時(shí)空要素多維索引技術(shù)，使查詢響應(yīng)時(shí)間縮短至毫秒級(jí)；開發(fā)標(biāo)準(zhǔn)化RESTfulAPI接口套件，日均調(diào)用量突破5萬次。

產(chǎn)品共享平臺(tái)：構(gòu)建“省級(jí)熱數(shù)據(jù)緩存—市級(jí)區(qū)域副本—縣級(jí)輕量化快照”三級(jí)緩存機(jī)制，支持萬級(jí)并發(fā)訪問；集成數(shù)據(jù)血緣分析模塊，實(shí)現(xiàn)觀測(cè)產(chǎn)品（自動(dòng)站、雷達(dá)、衛(wèi)星）與模式產(chǎn)品（智能網(wǎng)格、WRF）的關(guān)聯(lián)溯源。

2.2業(yè)務(wù)邏輯層：打造智能化業(yè)務(wù)生產(chǎn)流水線

綜合分析系統(tǒng)：基于WebGIS引擎開發(fā)氣象專用可視化工具包，支持12類圖形渲染（含動(dòng)態(tài)風(fēng)場(chǎng)、三維流線圖）；創(chuàng)新數(shù)值訂正算法，實(shí)現(xiàn)觀測(cè)數(shù)據(jù)與模式產(chǎn)品的偏差自動(dòng)校正，訂正精度提升40%。

服務(wù)制作平臺(tái)：構(gòu)建AI輔助生產(chǎn)系統(tǒng)，集成初級(jí)產(chǎn)品自動(dòng)加工引擎（支持18類數(shù)據(jù)格式轉(zhuǎn)換）和智能審核機(jī)器人（基于知識(shí)圖譜的質(zhì)檢規(guī)則庫）。

行業(yè)氣象服務(wù)：研發(fā)多源數(shù)據(jù)融合引擎，建立“氣象+行業(yè)”影響模型庫；開發(fā)定制化預(yù)警產(chǎn)品生成器，支持GIS矢量圖、統(tǒng)計(jì)圖表、多媒體報(bào)告的自動(dòng)化生成與交互式修正。

2.3發(fā)布展示層：構(gòu)建全媒體服務(wù)矩陣

全媒體管理中心：設(shè)計(jì)素材特征提取算法，實(shí)現(xiàn)視頻、音頻、文檔的自動(dòng)標(biāo)簽化分類；開發(fā)智能檢索系統(tǒng)，支持語義理解與多模態(tài)聯(lián)合查詢。

智能分發(fā)中心：構(gòu)建路由優(yōu)化引擎，根據(jù)產(chǎn)品屬性自動(dòng)匹配最佳發(fā)布渠道；集成消息隊(duì)列（Kafka）實(shí)現(xiàn)異步分發(fā)；支持應(yīng)急場(chǎng)景下的優(yōu)先級(jí)推送策略。

決策會(huì)商大屏：基于數(shù)據(jù)可視化框架開發(fā)多屏聯(lián)動(dòng)系統(tǒng)；設(shè)計(jì)情境感知界面，實(shí)現(xiàn)數(shù)據(jù)鉆取、預(yù)案推演與應(yīng)急指揮的三維可視化集成。

2.4運(yùn)維保障體系：打造智能化運(yùn)維中臺(tái)

系統(tǒng)管理：配置三級(jí)用戶權(quán)限、業(yè)務(wù)流程及算法參數(shù)，提升系統(tǒng)靈活性。

系統(tǒng)監(jiān)控：實(shí)時(shí)監(jiān)測(cè)服務(wù)器、數(shù)據(jù)到報(bào)及任務(wù)狀態(tài)；異常信息通過短信/系統(tǒng)告警實(shí)現(xiàn)雙渠道推送，保障業(yè)務(wù)連續(xù)性。

3關(guān)鍵技術(shù)

3.1服務(wù)器虛擬化的設(shè)計(jì)

虛擬化技術(shù)體系由計(jì)算資源虛擬化、網(wǎng)絡(luò)虛擬化和存儲(chǔ)虛擬化三大核心模塊構(gòu)成。在計(jì)算資源虛擬化層面，通過構(gòu)建邏輯隔離的虛擬計(jì)算實(shí)例，不僅顯著優(yōu)化了物理服務(wù)器的資源使用效率，更實(shí)現(xiàn)了業(yè)務(wù)系統(tǒng)的快速部署與彈性擴(kuò)展。省氣象中心服務(wù)器虛擬化應(yīng)用情況如表1所示。

利用3臺(tái)高配置物理服務(wù)器，采用VMwarevSphere6.5組成一個(gè)虛擬化集群，在此集群上建立虛擬機(jī)應(yīng)用，3臺(tái)高配置物理服務(wù)器配置了14臺(tái)虛擬機(jī)，1臺(tái)nginx反向代理服務(wù)器、1臺(tái)NFS文件共享服務(wù)、1臺(tái)數(shù)據(jù)庫采集服務(wù)器、2臺(tái)數(shù)據(jù)庫服務(wù)器、9臺(tái)Web服務(wù)器，實(shí)現(xiàn)了對(duì)硬件服務(wù)器的虛擬化。

1）服務(wù)器虛擬化。服務(wù)器虛擬化的核心思想是通過區(qū)分資源的優(yōu)先次序，并隨時(shí)隨地能將服務(wù)器資源分配給最需要它們的工作負(fù)載以簡(jiǎn)化管理和提高效率，繼而減少為單個(gè)工作負(fù)載峰值而儲(chǔ)備的資源的方法[7]。安徽省公共氣象服務(wù)中心對(duì)現(xiàn)有服務(wù)器進(jìn)行了CPU、內(nèi)存和磁盤容量等評(píng)估。選用3臺(tái)CiscoB200作為物理服務(wù)器，創(chuàng)建14個(gè)虛擬機(jī)，CiscoB200的配置為：中央處理器四核Intel（R）E5-2620CPU，DDR4內(nèi)存的24個(gè)DIMM插槽，每個(gè)插槽28個(gè)內(nèi)核，速度2666MHz，使用128GBDIMM時(shí)，內(nèi)存3TB，兩個(gè)熱插拔硬盤驅(qū)動(dòng)HDD、固態(tài)硬盤SSD，高速緩存2GB，SASRAID控制器，兩組4×10Gbps統(tǒng)一I/O端口，提供10Gbps的連接速度，滿足了氣象大數(shù)據(jù)、高密度和高性能計(jì)算需求。

2）網(wǎng)絡(luò)虛擬化。系統(tǒng)共有3臺(tái)物理服務(wù)器（pServer1-pServer3），14臺(tái)虛擬機(jī)（VM1-VM14），需要配置14個(gè)網(wǎng)絡(luò)接口卡，7臺(tái)虛擬機(jī)交換機(jī)，ServiceConsole連接至管理網(wǎng)絡(luò)，VMkernel連接至VLAN1，用于VMotion/iSCSI/NAS，VM1-VM14接入虛擬網(wǎng)絡(luò)VLAN2，從而實(shí)現(xiàn)位于安徽省公共氣象服務(wù)中心的各個(gè)虛擬機(jī)像在物理環(huán)境一樣進(jìn)行物理通信。

3）存儲(chǔ)虛擬化。存儲(chǔ)虛擬化的技術(shù)本質(zhì)在于對(duì)底層異構(gòu)存儲(chǔ)硬件實(shí)施抽象化處理，通過構(gòu)建統(tǒng)一的邏輯資源池實(shí)現(xiàn)集中化管控。該技術(shù)屏蔽了物理設(shè)備的硬件差異特性，僅保留標(biāo)準(zhǔn)化的邏輯訪問接口，形成了與物理介質(zhì)無關(guān)的統(tǒng)一存儲(chǔ)視圖。基于虛擬化與容器化的省級(jí)氣象服務(wù)云平臺(tái)對(duì)存儲(chǔ)卷進(jìn)行全量虛擬化升級(jí)，將物理存儲(chǔ)設(shè)備解耦為標(biāo)準(zhǔn)化虛擬卷，實(shí)現(xiàn)異構(gòu)存儲(chǔ)資源的統(tǒng)一納管與彈性調(diào)配，把存儲(chǔ)系統(tǒng)整合成一個(gè)完整的資源池。

3.2Docker容器技術(shù)

Docker包括三大核心概念，即鏡像、倉庫和容器。容器是從鏡像創(chuàng)建的運(yùn)行實(shí)例，可啟動(dòng)、開始、停止、刪除，容器間相互隔離，各自獨(dú)立運(yùn)行進(jìn)程，鏡像是創(chuàng)建容器的基礎(chǔ)，倉庫是Docker集中存放鏡像文件的場(chǎng)所[8]。Docker構(gòu)建分發(fā)運(yùn)行如圖4所示。

Kubernetes是Google開源的容器集群管理系統(tǒng)，它基于Docker容器技術(shù)構(gòu)建一個(gè)容器云管理平臺(tái)，為應(yīng)用提供資源調(diào)度、部署運(yùn)行、服務(wù)發(fā)現(xiàn)、擴(kuò)容等功能[9]。Kubernetes的數(shù)據(jù)流程如圖5所示。Master節(jié)點(diǎn)負(fù)責(zé)控制Kubernetes集群，Node是工作負(fù)載節(jié)點(diǎn)，其中Master節(jié)點(diǎn)最核心的組件是APIserver和Sched?uler，APIserver（服務(wù)接口）組件提供Kubernetes中所有資源的增刪改查API服務(wù)接口，所有的資源改變都要與之對(duì)接，Scheduler（調(diào)度）組件是Kubernetes的調(diào)度總管，與APIserver直接通信，負(fù)責(zé)資源（Pod）的安排調(diào)度，Node節(jié)點(diǎn)會(huì)被Master安排任務(wù)負(fù)載，當(dāng)某個(gè)Node節(jié)點(diǎn)不可用時(shí)，Master會(huì)自動(dòng)將其負(fù)載的任務(wù)調(diào)度到其他可用Node節(jié)點(diǎn)上[10]。

Kubernetes結(jié)合Docker容器技術(shù)，將硬件服務(wù)器虛擬化成多個(gè)Docker容器，并將容器構(gòu)建成Pod，基礎(chǔ)平臺(tái)以Pod為管理單元，并且多個(gè)Pod構(gòu)成Service，通過APIService統(tǒng)一管理，工作流程如圖6所示。基于虛擬化的氣象服務(wù)一體化平臺(tái)采用服務(wù)器虛擬化技術(shù)對(duì)3臺(tái)硬件服務(wù)器按照內(nèi)存規(guī)劃、網(wǎng)絡(luò)規(guī)劃和存儲(chǔ)規(guī)劃等，配置了14臺(tái)虛擬機(jī)，在每臺(tái)服務(wù)器上安裝Docker，在14臺(tái)虛擬機(jī)上，部署10大子系統(tǒng)、33個(gè)子功能模塊，同時(shí)采用Docker容器虛擬化技術(shù)將33個(gè)子功能模塊相互獨(dú)立運(yùn)行在隔離的空間。14臺(tái)虛擬機(jī)通過Docker容器技術(shù)分割出72個(gè)容器，分別運(yùn)行33個(gè)子功能模塊、Nginx、Redis、Zabbix、Elasticsearch等服務(wù)，Kubernetes對(duì)72個(gè)容器組成880個(gè)Pod，根據(jù)Pod配置文件，選擇合適的工作節(jié)點(diǎn)完成對(duì)Pod整個(gè)生命周期的維護(hù)。

4.業(yè)務(wù)應(yīng)用

基于虛擬化與容器化的省級(jí)氣象服務(wù)云平臺(tái)已在安徽省16個(gè)地市級(jí)氣象單位成功部署，累計(jì)穩(wěn)定運(yùn)行超過9個(gè)月，服務(wù)連續(xù)性達(dá)99.98%。其間處理氣象觀測(cè)數(shù)據(jù)總量達(dá)3.2PB，成功生成服務(wù)產(chǎn)品127萬件，未發(fā)生因平臺(tái)故障導(dǎo)致的數(shù)據(jù)丟失或業(yè)務(wù)中斷事件。通過三級(jí)服務(wù)共享機(jī)制，平臺(tái)實(shí)現(xiàn)了縱向與橫向的協(xié)同能力突破。省級(jí)氣象產(chǎn)品至縣級(jí)節(jié)點(diǎn)的傳輸延遲從15分鐘壓縮至8秒，數(shù)據(jù)流轉(zhuǎn)效率提升112倍；支持合肥、蕪湖等6市同步開展暴雨災(zāi)害情景推演，計(jì)算資源消耗降低43%；單物理節(jié)點(diǎn)容器部署密度提升至24實(shí)例/服務(wù)器，資源利用效率達(dá)傳統(tǒng)架構(gòu)的7倍。在功能效能方面，多源數(shù)據(jù)接入延遲≤800ms，短臨預(yù)報(bào)產(chǎn)品生成時(shí)效提升41%，容器啟動(dòng)延遲＜3s，異常檢測(cè)準(zhǔn)確率達(dá)98.7%。

5結(jié)論

本研究基于虛擬化與容器化的云原生技術(shù)構(gòu)建的氣象服務(wù)一體化平臺(tái)，實(shí)現(xiàn)了氣象業(yè)務(wù)系統(tǒng)向云原生體系的轉(zhuǎn)型。主要?jiǎng)?chuàng)新成果包括：1）多層虛擬化架構(gòu)實(shí)現(xiàn)資源效能顯著提升。采用服務(wù)器虛擬化與容器化技術(shù)構(gòu)建“物理層—虛擬機(jī)層—容器層”三級(jí)資源池，將3臺(tái)物理服務(wù)器虛擬化為14臺(tái)虛擬機(jī)集群，并通過Docker容器技術(shù)承載安徽省公共服務(wù)中心的10大業(yè)務(wù)子系統(tǒng)（包含33個(gè)功能模塊），使服務(wù)器資源利用率提升至72.4%，年均運(yùn)維成本降低48%。2）智能編排引擎保障業(yè)務(wù)彈性。基于Kubernetes構(gòu)建的容器編排管理系統(tǒng)，實(shí)現(xiàn)了服務(wù)資源的動(dòng)態(tài)調(diào)度與自動(dòng)擴(kuò)縮容。通過Pod部署策略與HorizontalPodAuto?scaler（HPA）機(jī)制，系統(tǒng)可根據(jù)實(shí)時(shí)業(yè)務(wù)負(fù)載自動(dòng)調(diào)整容器實(shí)例數(shù)量，在汛期氣象服務(wù)高峰期可動(dòng)態(tài)擴(kuò)展50%計(jì)算資源，確保分鐘級(jí)數(shù)據(jù)產(chǎn)品生成時(shí)效性，同時(shí)，結(jié)合Kubernetes的自愈機(jī)制，實(shí)現(xiàn)故障容器秒級(jí)重啟與異常節(jié)點(diǎn)自動(dòng)隔離，保障了汛期暴雨預(yù)警服務(wù)的零中斷運(yùn)行。3）服務(wù)生態(tài)體系創(chuàng)新拓展。構(gòu)建的微服務(wù)架構(gòu)支持33個(gè)功能模塊獨(dú)立迭代升級(jí)，新增行業(yè)氣象服務(wù)模塊部署周期從14天壓縮至2小時(shí)。平臺(tái)已接入16個(gè)地市氣象局，形成日均處理2.4TB數(shù)據(jù)、生成1.7萬份服務(wù)產(chǎn)品的能力，其中短臨預(yù)報(bào)產(chǎn)品生成時(shí)效提升41%，服務(wù)覆蓋密度達(dá)到縣級(jí)行政區(qū)劃100%覆蓋。未來工作將重點(diǎn)突破異構(gòu)云資源調(diào)度算法優(yōu)化，探索氣象大模型與容器化平臺(tái)的深度融合，進(jìn)一步提升極端天氣場(chǎng)景下的服務(wù)彈性。本研究形成的“虛擬化筑基—容器化賦能—智能化演進(jìn)”技術(shù)路徑，為省級(jí)氣象服務(wù)數(shù)字化轉(zhuǎn)型提供了可復(fù)用的工程范式。

參考文獻(xiàn)：

[1]KIMMH，LEEJY，SHAHSAR，etal.Min-maxexclusivevir?tualmachineplacementincloudcomputingforscientificdata

[2]environment汪愷，張功萱[J，].周秀敏JournalofCloudComputing.基于容器虛擬化技術(shù)研究，2021，10（[1J）：].1計(jì)算機(jī)-17.技術(shù)與發(fā)展，2015，25（8）：138-141.

[3]武志學(xué).云計(jì)算虛擬化技術(shù)的發(fā)展與趨勢(shì)[J].計(jì)算機(jī)應(yīng)用，2017，37（4）：915-923.

[4]RAJAND.CommonplatformarchitecturefornetworkfunctionvirtualizationdeploymentsConferenceonMobileCloudComputing[C]//20164thIEEEInternational，Services，andEngineer?ing（MobileCloud）.Oxford：IEEE，2016：73-78.

[5]MUZUMDARP，BHOSALEA，BASYALGP，etal.NavigatingtheDockerecosystemOL].arXiv：2403.17940：Acomprehensivetaxonomyandsurvey，2024.[2025-02-20].https：//arxiv.org/[J/abs/2403.17940.

[6]AGRAWALS，SINGHD.StudycontainerizationtechnologieslikeDockerandKubernetesandtheirroleinmoderncloudde?ployments[C]//2024IEEE9thInternationalConferenceforCon?vergenceinTechnology（I2CT）.IEEE，2024：1-6.

[7]施慶.基于VMwarevSphere的高校數(shù)據(jù)中心虛擬化建設(shè)研究[D].上海：復(fù)旦大學(xué)，2012.

[8]彭麗蘋，呂曉丹，蔣朝惠，等.基于Docker的云資源彈性調(diào)度策略[J].計(jì)算機(jī)應(yīng)用，2018，38（2）：557-562.

[9]盛樂標(biāo)，周慶林，游偉倩，等.Kubernetes高可用集群的部署實(shí)踐[J].電腦知識(shí)與技術(shù)，2018，14（26）：40-43.

[10]趙樹君，黃倩.基于Kubernetes云原生的彈性伸縮研究[J].計(jì)算機(jī)與現(xiàn)代化，2021（11）：28-38.

【通聯(lián)編輯：謝媛媛】