数值预报中试系统设计与关键技术实现_赵春燕.pdf

www.ChinaAET.comComputer Technology and Its Applications计算机技术与应用数值预报中试系统设计与关键技术实现*赵春燕1，周斌2，3，胡江凯2，3，王彬2，3，孙婧1，赵滨2，3（1.国家气象信息中心，北京 100081；2.中国气象局地球系统数值预报中心，北京 100081；3.灾害天气国家重点实验室，北京 100081）摘 要：气象数值预报模式是数值天气预报业务的重要基础，模式的研发改进需要在高性能计算环境中不断地开展模拟试验来检验评估预报效果。针对气象科学家手工编排批处理脚本开展数值模拟试验方式中存在的不便捷、耗时长、不可见、底层细节复杂、试验分析比对困难等问题，采用 C/S 架构，基于 Python 和工作流技术，设计实现了可视化界面交互“建模-计算-监控-分析-管理-共享”全流程集成应用的数值预报中试系统。应用结果表明，系统提升了模式研发试验效率和高性能计算机系统的易用性，在数值天气预报模式研发中试中发挥重要支撑作用，扩展性良好。关键词：数值预报模式；模式试验；中试；高性能计算；工作流；交互界面中图分类号：TP319 文献标志码：A DOI:10.16157/j.issn.0258-7998.223096中文引用格式：赵春燕，周斌，胡江凯，等.数值预报中试系统设计与关键技术实现J.电子技术应用，2023，49(3)：106-113.英文引用格式：Zhao Chunyan，Zhou Bin，Hu Jiangkai，et al.Design of test-bed system for meteorological numerical prediction model and key technology realizationJ.Application of Electronic Technique，2023，49(3)：106-113.Design of test-bed system for meteorological numerical prediction model and key technology realizationZhao Chunyan1，Zhou Bin2，3，Hu Jiangkai2，3，Wang Bin2，3，Sun Jing1，Zhao Bin2，3(1.National Meteorological Information Centre，Beijing 100081，China；2.CMA Earth System Modeling and Prediction Centre，Beijing 100081，China；3.State Key Laboratory of Severe Weather，Beijing 100081，China)Abstract：Meteorological forecast numerical model is an important basis of numerical weather forecasting.The research and development of meteorological numerical model needs to continuously carry out simulation experiments in high-performance computing to test and evaluate the prediction effect.Aiming at the problems of inconvenient,time-consuming,invisible,complex details,difficult to analysis during meteorological scientists manually compile batch processing scripts to carry out numerical simulation experiments,this paper develops an interactive visual model test-bed system based on Python and workflow technology with client-server architecture,which provides the construction,simulation,monitoring,analysis,management and sharing for model experiment.The application results show that,the system improves the efficiency of model research and development and the usability of high-performance computer system,plays an important supporting role in the test-bed of numerical weather forecast model,and has good scalability.Key words：meteorological forecast numerical model；numerical forecast；test-bed；high performance computing；workflow；interactive0 引言数值天气预报业务是为国家经济发展、防灾减灾和民生改善提供气象服务的重要保障，而数值预报模式的研发是天气预报业务的重要支撑1。数值预报模式是一种典型的大积分计算量、海量数据处理的科学计算程序，具有多步任务运算、数据管理复杂、串并行混合等特点，一般运行于超大规模高性能计算系统和大数据存储管理系统之上。当前，中国气象局国家级数值天气预报业务体系2基于中国气象局“派-曙光”高性能计算机系统业务运行和研究开发3。随着 E 级计算4和后摩尔时代的发展，高性能计算机的系统架构、软件生态、编程方式均将发生变化56，高性能计算资源的使用门槛将进一步提高。随着气象科学进入地球系统时代7，全球数值预报正朝向基于地球系统科学框架下的多圈层耦合8*基金项目：国家重点研发计划地球系统模式公共软件平台研发（2017YFA0604500）；国家重点研发计划高可扩展性并行框架和耦合器研制（2017YFC1501903）106Computer Technology and Its Applications计算机技术与应用电子技术应用 2023年 第49卷 第3期地球系统数值预报模式发展，更高分辨率海量数据的应用将进一步提升模式研发试验的复杂度。研发试验是改进数值预报模式的主要手段，通常过程需要构建试验的复杂运行流程与参数化方案，调用海量多圈层的观测数据、背景场9数据驱动，进行高效率的大 规 模 并 行 计 算，最 后 对 试 验 结 果 进 行 应 用 检 验 评估1011，并反馈修正模式。此前，数值预报模式试验主要在命令行环境下，采用手工编写批处理脚本来编排、运行和检验试验。科学家开展研发试验不便捷，手工准备、编排一次试验耗时很长；科学家需要了解多个复杂 IT 系统的环境细节，精力无法聚焦于试验科学性本身，批处理式试验全程不可见，运行调试周期长，错误无法及时发现处理，整体效率低。并且缺乏试验的管理，历史试验的复现研究不便，无法便捷充分地比对共享试验方案和效果。国 际 主 要 气 象 机 构 欧 洲 中 期 数 值 天 气 预 报 中 心（ECMWF）、美国国家航空航天局(NASA)和英国国家大气科学中心（NCAS）均建立了面向气象应用的数值预报模 式 试 验 平 台，用 于 简 化 科 学 家 的 研 究 过 程。如ECMWF 的 PrepIFS12，是开放支撑欧盟成员国研究人员开展 IFS模式应用研究的一体化数值模拟试验工具，提供可视化客户端，实现在 ECMWF 的超算上构建、计算、监控和管理 IFS模式试验，但在试验结果分析和试验结果比较方面尚需要研究人员人工进行；美 NASA 的 NED13（NASA Experiment Designer），用于支撑 NASA 的科学家在超算上可视化的配置、运行、监控和管理复杂模式试验，提供客户端交互界面，支撑相似试验工作流的比较，但 NED 仅支持在预定义或已运行的历史试验工作流基础上运行或修改参数后运行试验，限定性高；NCAS 在英国气象局的数值模式 Unified Model(UM)研究中使用RoseCylc14工具构建和管理试验，Rose 是可视化客户端，提供试验预定义 Cylc工作流15的修改编辑、调度、运行和监控，该工具支持模式研究试验工作流的构建和提交运行监控，但不支持试验的分析、比较和管理。2021 年，中国气象局成立了地球系统数值预报中心，聚力发展地球系统数值预报系统。国务院 气象高质量发展纲要（20222035 年）要求加强地球系统数值预报核心技术攻关，发展自主可控的地球系统数值预报模式。面向国家发展战略，为了高效地支撑数值预报模式的研发，针对科学家开展数值模式研发试验的困境，尤其是试验不便捷、效率低、周期长和无法共享等问题，本文设计实现了数值预报中试系统，采用可视化交互界面，集成了开展数值预报模式试验所需交互的全流程环节以屏蔽底层细节，应用工作流技术实现了试验复杂工作流的构建、调度运行和监控，运用分布式存储和 RDBMS等技术建立试验管理体系，支持试验的管理、比较、共享。开创性地为科学家提供了界面交互的“建模-计算-监控-分析-管理-共享”的一站式全流程集成应用，并已应用于数值预报模式研发中，具备良好的易用性和扩展性。本文阐述了系统设计及关键技术实现、性能及应用效果，并讨论下一步工作方向。1 数值预报中试系统设计1.1 系统框架系统采用 C/S 架构设计，集成的客户端界面支撑用户交互式开展模式试验的全流程操作，服务端实现试验全过程工作流的自动化构建并提交到高性能计算机系统运行，系统框架设计如图 1 所示。图 1系统框架107Computer Technology and Its Applications计算机技术与应用www.ChinaAET.com（1）客户端。客户端为用户交互界面，为用户提供试验构建配置、运行监控、结果分析和试验管理一站式操作，衔接了模式试验全流程环节的集成展现交互，使用户不必分别通过命令行或脚本交互分散的不同 IT 系统，屏蔽了底层细节，简化了用户的使用。（2）通信层。通信层实现客户端和服务端的可扩展通信。（3）服务端。服务端负责模式试验各环节的链接，包括试验的部署、工作流生成、工作流引擎交互、检验计算执行，并实现与相关平台的交互，包括高性能计算机系统、代码管理平台、工作流引擎、检验工具等。其中，服务端与工作流引擎的交互为试验自动化部署运行的核心。（4）数据层。运用分布式存储和 RDBMS 等技术建立试验管理体系，实现试验信息、输入数据（观测、背景场）、输出数据的管理。（5）调度层。调度层由工作流引擎实现，调度试验流程化运行，调用高性能计算机系统的作业管理软件实现作业分发，并提供工作流的监控展示。（6）基础设施层。基础设施层为系统部署和交互的软硬件环境和接口。“派-曙光”高性能计算机系统为模式试验运行资源平台，高性能二级存储为模式试验归档空间。软件层面涉及“派-曙光”高性能计算机系统上的模式编译器、并行编程环境、模式共享数据环境、绘图软件、Slurm 作业管理软件、METCODE 代码管理平台16的Git 客户端、Perforce17代码库命令行客户端以及检验工具。1.2 系统核心功能围绕模式试验开展的全流程，设计了试验可视化构建、试验运行监控、试验结果分析、试验管理等核心功能模块，如图 2 所示。1.2.1 试验可视化构建针对手工编排批处理脚本开展试验的复杂和低效问题，为科学家构建了可视化交互界面一站式构建运行分析试验。试验构建模块完成试验的流程构建和参数化方案设置，包括试验流程构建、试验源码配置、试验运行参数配置、试验数据配置和试验资源配置。试验流程构建设置试验运行的模块和其执行顺序，即模式前处理、资料同化、云分析、模式计算、后处理等过程和它们之间的依赖关系，并设置循环时次，从而由服务器端自动构建试验的工作流；试验源码配置，设置试验调取的源码版本，自动对接模式代码管理平台浏览选择源码版本；试验运行参数9配置设置各个模块的运行参数，如模式的动力框架参数、物理过程方案、边界层方案、输出控制等，图 3 所示为模式计算模块运行参数交互配置界面；试验数据配置设置试验的输入数据，包括各类观测资料、卫星资料、背景场资料等；试验资源配置设置试验所使用的高性能计算平台、模块所需计算资源量、作业队列等。以上交互界面均提供默认参数并支持自定义，同时提供基于试验模板的试验快速构建和基于试验拷贝的试验快速构建。1.2.2 试验运行监控为了解决命令行批处理方式开展试验黑箱运行缺乏可视化监控告警的问题，在可视化客户端界面集成了试验一键提交、自动化调度运行、监控展示和告警。试验提交完成试验在高性能计算机系统上的部署、工作流生成、工作流引擎服务器的启动、工作流加载和运行启动。试验运行流程化调度根据试验任务的循环、依赖关系调度执行，并实时跟踪运行状态，在界面以树形结构展示试验运行流程，对试验故障模块进行告警，查看错误输出、查看进度日志，并调试和重交作业。图 4 所示为试验运行可视化监控界面，展示了试验的运行流程、状态和告警情况。1.2.3 试验结果分析针对科学家手工编排批处理脚本开展试验的方式下，试验代码版本、参数、数据以不同形式分散在不同 IT系统，难以对比评估的问题，在可视化客户端界面集成了模式检验工具，支撑开展试验方案、试验结果的比较图 2系统功能模块108Computer Technology and Its Applications计算机技术与应用电子技术应用 2023年 第49卷 第3期评估。针对不同的试验需求设置，包括检验分析、理想试验绘图分析、单柱试验绘图分析 3 个子模块。检验分析通过集成的检验工具支撑普通模式试验、平行试验、回算试验等的对比分析评估；理想试验18绘图分析为理想试验结果绘制常规的图形评估动力框架效果。单柱试验19绘图分析为单柱试验结果绘制常规的图形评估物理方案的效果。根据用户在客户端界面设置的检验对比参数，服务端调度实现检验计算，并返回检验结果，图 5 所示为客户端界面的检验综合评分情况，提供模式整体改进效果评估。1.2.4 试验管理共享针对试验缺乏管理、难以复现、共享的问题，设计实现了试验管理共享功能，包括试验对比、试验数据管理、试验查询统计、试验删除、试验拷贝、试验共享、试验模板管理子模块。试验对比提供试验方案等信息的一键比较，结合试验结果检验对比，支撑用户全面比较试验方案和改进效果；试验数据管理完成试验信息、试验方案、试验数据的存储管理，便于回调、复现和共享试验；试验查询统计提供指定时间周期内的试验的查询、试验数量等相关信息的统计；试验拷贝和试验模板为用户提供试验快速构建的两种方式，通过拷贝指定的历史试验，快速生成新的试验方案，提高试验效率；试验模板管理可将通用的试验类型或常用试验存储为试验模板，基于模板快速构建新的试验流程和参数化方案；试验共享功能可支持用户将试验共享给他人用于对比、拷贝、复现等，支持对试验的点赞和评论功能，提高试验管理共图 3试验可视化构建试验运行参数配置交互界面图 4试验工作流展示及监控109Computer Technology and Its Applications计算机技术与应用www.ChinaAET.com享水平。2 系统关键技术实现2.1 C/S 端实现及消息通信客户端集成用户交互试验的所有环节，以简化用户操作，屏蔽底层细节。客户端采用 wxPython20框架实现界面展现，并嵌入 WEB 展现支撑绘图结果展示，通过调用 wxPython 的 wx.html2 库实现对 HTML 文件内容的支持解析和显示。集成 ecFlow21监控界面实现试验流程监控。服务端基于 Python 开发实现，并调用 ecFlow Python API、Git、Perforce 接口及 Shell 脚本等。采用 RabbitMQ22消息中间件实现客户端和服务端的通信，通过标准化的消息队列实现消息的自动化扩展。2.2 远程交互控制的工作流技术为用户的交互屏蔽底层细节并将复杂的试验流程有序且自动化地调度执行，是本系统需要解决的核心问题。本系统基于 ecFlow 工作流引擎实现试验的流程化运行调度和监控，开发了模式编译、运行和数据归档的全流程工作流组件。ecFlow 由欧洲中期天气预报中心开发，为 C/S 架构的软件，广泛应用于气象部门的数值预报业务流程管理和监控。本系统集成使用其可视化客 户 端(ecflowview)、服 务 端(ecflow_server)和 ecFlow Python API。调用 ecFlow Python API 实现供作业的加载、运行启动、作业删除等交互功能，可视化客户端提供工作流的展示和监控，服务端实现作业的编排、生成、提交和状态跟踪等。2.2.1 可传参的试验工作流组件库开发了工作流生成程序及工作流任务组件库，封装了高性能计算资源的使用细节。为了更好地处理数值预报模式试验的循环复用特性，服务端基于 Python 调用ecFlow API 编程实现生成工作流定义文件，根据模式运行流程的关键模块，开发了预处理和模式运行任务组件库。如图 6 所示，用户在客户端交互的参数写入数据库后，服务端获取所有参数据按照 key-value 缓存到数据字典并解析：（1）EcfGenScript 类：将用户选择的模式模块，根据预定义的执行顺序添加触发器构建试验的运行流程，并获取用户配置的资源、循环及运行控制参数，生成工作流生成程序并生成工作流定义。（2）ConfigFiles 类：将数据、试验参数方案等解析后生成参数文件 config.h，任务组件中以 include 预处理指令引入该文件即可使用其中的参数。将工作流定义文件、预处理文件和任务组件结构化组织起来，即可完成工作流的组装，为试验生成定制的可解释执行的自动工作流。预处理文件的开发使用屏蔽了高性能计算机使用的细节。主要包括编译环境预处理文件、作业卡预处理文件。编译环境预处理文件实现自动检测高性能计算机的平台，以选择适应的编译器。作业卡预处理文件根据串行、并行作业的特点，封装不同的作业卡，以调度不同的资源队列和资源量。以图 6 中模式前处理环节为例，前处理中标准初始化为并行计算任务，调用了预处理文件库中的并行作业卡 parallel.h 文件，该文件根据“派-曙光”高性能计算机的 Slurm 的作业卡规范，定义了节点数(-N)、单节点进程数(-ntasks-per-node)和队列(-p)等资源参数。%引用表示变量的值从工作流定义中传递，即可灵活适应不同模块的资源量需求差异。2.2.2 工作流引擎交互通 过 调 用 ecFlow Python API 实 现 工 作 流 引 擎 交互。系统为每个用户启动一个工作流引擎实例，采用图 5试验与业务预报结果综合评分检验对比110Computer Technology and Its Applications计算机技术与应用电子技术应用 2023年 第49卷 第3期预分配的端口识别。用户点击试验提交后，消息路由转发请求消息到服务端，服务端首先检测该用户的工作流引擎是否启动，如未启动则根据消息传递的端口参数，调用工作流引擎启动脚本，启动工作流引擎服务。主要调用的 ecFlow Python API 方法包括工作流引擎服务器的状态检测、启动和停止，以及工作流的加载、启动、获取、删除等。2.3 试验数据管理共享为了解决试验的难以复现、对比和共享问题，试验数据管理包括试验配置信息和试验输入输出数据的管理。如图 7 所示，试验配置信息主要为试验的元数据管理，包括该试验系采用的源码版本、参数化方案信息、资 源 信 息、运 行 数 据 清 单、归 档 空 间 等 信 息，采 用RDBMS 管理。在高性能计算机高性能并行文件系统环境中以文件管理形式建立了数值预报模式业务运行和研发的共享数据环境，支撑业务及研发所需观测资料、背景场等资料输入数据的高效访问。试验输出数据基于高性能计算机二级存储系统进行归档管理，以试验 ID 作为元数据标识，便于回调、复现、对比、共享和拷贝试验。图 6试验工作流屏蔽资源使用细节图 7试验数据管理111Computer Technology and Its Applications计算机技术与应用www.ChinaAET.com3 系统应用及效果3.1 试验构建性能提升系统客户端交互界面提供基于默认参数的一键式创建试验、基于默认参数修改定制试验、基于常用试验模板的一键式创建试验和基于已有试验的拷贝创建试验 4 种方式，采集了从试验创建到部署至高性能计算机系统试验空间，准备编译运行的时间。表 1 统计了采用一键式创建试验方式，三类模式试验各 10 组，各个环节所需的平均时间，测试结果表明，一键式创建试验方式下试验从构建到提交至资源层仅需约 1 min，相较于人工开展模式研发试验数天的学习和实践成本，显著降低了试验成本，提升了便捷性和试验效率。3.2 系统扩展性从客户端、消息通信、服务端松耦合三方面体现了系统的易扩展性。客户端支持增加/删除/变更模式、模式模块、各模块参数项等的交互式扩展和维护，同时支持用户自定义参数的定制扩展。标准化的消息通信机制支持客户端变更触发消息通信的自动扩展，提升了通信的适应性扩展能力。对于参数项的变化，服务端基于Python 的字典数据结构整体接收参数的缓存并写入参数文件，实现了服务端对客户端变更的自动化处理。服务端采用松耦合的模式管理，对于新扩展的模式或模块，仅需在工作流进行部分改造，提升了系统的整体可扩展性。3.3 系统应用情况系统已多次迭代并应用，应用于中国气象局地球系统数值预报中心数值天气预报模式研发试验、模式定版及业务化前平行与回算试验。支撑了中国气象局 CMA全球/中尺度模式的研发-试验-分析一体化的中试，至今已支撑数值天气预报模式多次迭代升级试验的开展和评估。3.4 与国际系统对比对比了本系统与国际主要气象机构的数值预报试验平台 PrepIFS、NED 和 RoseCylc 的功能，如表 2 所示，在一站式“建模-计算-监控-分析-管理-共享”全流程的支持上，本系统功能更完备，在试验比较、试验共享功能上，相较 PrepIFS，本系统除了支持试验方案的比较，同时也支持试验结果检验分析对比，功能更完备，试验共享功能支持试验查看、试验拷贝，并支持共享开放功能，以及对试验进行评论等功能。4 结论数值预报中试系统将模式试验的各环节进行了集成，为气象数值模式的研究试验提供一个便捷的、高效的、可扩展的“建模-计算-监控-分析-管理-共享”全流程一体化的集成应用系统，简化了试验流程，屏蔽了底层系统细节，实现了试验的管理和共享，为科研人员解决了开展模式研究试验效率低、附加复杂、缺乏管理共享的痛点问题。本系统已应用于中国气象局数值天气预报模式的研发中，是高性能计算的集成应用软件的有益探索。未来，面向地球系统数值预报的聚力发展，需要对系统进一步完善，便捷地支撑耦合模式的交互，以及模式的国省协同研发中试，并在工作流调度环节进行优化，实现更简便高效的工作流构建，提高系统的适用性。随着计算规模和计算能力的提升，未来气象高性能计算系统的布局将遵循更加绿色节能环保的原则，形成异地分布式布局，同时随着人工智能技术在气象数值模式全流程的应用探索，未来将进一步提升在分布式和异构资源环境中的资源调度应用能力。参考文献 1 沈学顺,王建捷,李泽椿,等.中国数值天气预报的自主创新发展J.气象学报,2020，78(3)：451-476.2 沈学顺,苏勇,胡江林,等.GRAPES_GFS 全球中期预报表 1系统试验构建性能测试模式试验类型CMA 中尺度模式试验CMA 全球模式试验CMA 全球模式平行试验试验构建过程各环节平均耗时/s试验创建4.172.633.02试验提交3.312.232.16参数生成0.240.20.04源码获取8.2323.676.9试验生成11.035.5211.73试验部署18.0217.6738.26作业加载2.014.650.72平均总耗时/s47.0156.5762.83表 2与国际相关系统功能比较（：支持；：不支持）机构CMAECMWFNASANCAS系统数值预报中试系统PrepIFSNEDRoseCylc试验可视化构建试验工作流及监控试验检验分析试验管理试验方案比较试验结果比较试验共享112Computer Technology and Its Applications计算机技术与应用电子技术应用 2023年 第49卷 第3期系 统 的 研 发 和 业 务 化 J.应 用 气 象 学 报,2017,28(1):1-10.3 Rank68:PAI-BSystem,Rank74:PAI-ASystemEB/OL.(2018-06-xx)2021-10-14.https:/www.top500.org/lists/top500/list/2018/06/.4 KOTHE D,LEE S,QUALTERS I.Exascale computing in the United StatesJ.Computing in Science&Engineering,2019,21(1):17-29.5 Wang Di,Li Hongliang.Microprocessor architecture and design in post exascale computing eraC/2021 6th International Conference on Intelligent Computing and Signal Processing(ICSP),2021:20-32.6 ASHRAF M U,EASSA F A,ALBESHRI A A.Massive parallel computational model for heterogeneous exascale computing systemC/2017 9th IEEE-GCC Conference and Exhibition(GCCCE),2017:1-6.7 杨雅萍，王祎，白燕,等.国家地球系统科学数据中心发展与实践J.农业大数据学报,2019,1(4):5-13.8 SEITZINGER S P,GAFFNEY O,BRASSEUR G,et al.International geosphere-biosphere programme and earth system science:three decades of coevolutionJ.Anthropocene,2015,12:3-16.9 张利红,陈静,康岚,等.背景场资料与参数化方案对暴雨预报的影响J.高原山地气象研究,2009,29(2)：19-25.10 赵滨,张博.邻域空间检验方法在降水评估中的应用J.暴雨灾害,2018,37(1):1-7.11 屠 妮 妮,何 光 碧,衡 志 炜,等.基 于 MET 系 统 对SWCWARMS 及 GRAPES 模式在西南地区的站点检验分析J.高原山地气象研究,2016,36(2)：8-16.12 IFShub:a new way to work with IFS experimentsEB/OL.(2021-04-xx)2021-08-16.https:/www.ecmwf.int/en/newsletter/167/computing/ifshub-new-way-work-ifs-experiments.13 The complete users guide for the NASA experiment designer(NED)EB/OL.(2009-xx-xx)2021-08-16.https:/modelingguru.nasa.gov/docs/DOC-1630.14 British Crown.Rose documentationEB/OL.(2019-01-02)2022-03-23.http:/metomi.github.io/rose/doc/html/index.html.15 OLIVER H,SHIN M,MATTHEWS D,et al.Workflow automation for cycling systems:the cylc workflow engineJ.Computing in Science&Engineering，2019,21(4):7-21.16 赵春燕,王彬,孙婧,等.基于 GIT 的气象数值模式代码管理平台 METCODEJ.气象科技，2021,49(4):535-541.17 赵春燕,孙婧,魏敏.云及高性能计算集群环境中配置管理系统设计J.计算技术与自动化，2016,35(1):111-116.18 苏勇，沈学顺，陈子通，等.GRAPES_GFS 中三维参考大气的研究:理论设计和理想试验J.气象学报,2018,76(2)：241-254.19 黄 伟，张 旭，Bao Jianwen，等.GFS 物 理 过 程 包 在GRAPES 区域模式中的实施及改进：单柱试验J.大气科学,2018,42(6):1219-1234.20 wxPython API documentationEB/OL.(2020-11-20)2021-10-14.https:/docs.wxpython.org/.21 Chen Xiaoxia,Wei Min,Sun Jing.Workflow-based platform design and implementation for numerical weather prediction models and meteorological data serviceJ.Atmospheric and Climate Sciences,2017,7(3):337-351.22 余永城，翁秋华，段卿，等.RabbitMQ 在气象通信系统中的应用研究J.计算机技术与发展，2020,30(4):216-220.（收稿日期：2022-06-17）作者简介：赵春燕（1984-），女，硕士，高级工程师，主要研究方向：气象高性能计算应用支撑软件设计开发。周斌（1970-），通信作者，男，硕士，高级工程师，主要研究 方 向：数 值 天 气 预 报 系 统 开 发，E-mail：。胡江凯（1973-），男，硕士，正研级高工，主要研究方向：数值天气预报系统开发。扫码下载电子文档113