楊玉紅，李永生，尹天翔

（廣東省氣象探測(cè)數(shù)據(jù)中心，廣東 廣州 510640）

近年來，隨著大數(shù)據(jù)等信息技術(shù)的飛速發(fā)展，各行各業(yè)信息化建設(shè)呈現(xiàn)出日新月異的發(fā)展景象，氣象行業(yè)更是如此［1-2］。信息化帶來海量數(shù)據(jù)，既是一種機(jī)遇，也是一種挑戰(zhàn)［3-4］。一方面，實(shí)時(shí)數(shù)據(jù)時(shí)空分辨率精細(xì)化導(dǎo)致數(shù)據(jù)量劇增；另一方面應(yīng)用對(duì)數(shù)據(jù)的時(shí)效性和完整性要求更高。如何完成海量數(shù)據(jù)的高速處理，是應(yīng)用面臨的巨大挑戰(zhàn)［5-6］。

數(shù)值預(yù)報(bào)產(chǎn)品作為“大數(shù)據(jù)”的典型，其處理方法和處理速度一直是眾人關(guān)注的焦點(diǎn)［7］。近年來，隨著空間分辨率越來越高、預(yù)報(bào)時(shí)間間隔越來越短，高精度集合預(yù)報(bào)產(chǎn)品越來越廣泛被業(yè)務(wù)應(yīng)用，因其巨大的數(shù)據(jù)量與時(shí)效性要求，對(duì)實(shí)時(shí)處理技術(shù)提出近乎嚴(yán)苛的要求，處理效率直接影響產(chǎn)品能否在業(yè)務(wù)中被使用。本研究對(duì)南海臺(tái)風(fēng)集合預(yù)報(bào)產(chǎn)品的并行算法進(jìn)行研究，引入了python多進(jìn)程處理模塊，探究多進(jìn)程處理在數(shù)值預(yù)報(bào)領(lǐng)域的作用效果。

1 傳統(tǒng)串行數(shù)據(jù)預(yù)報(bào)產(chǎn)品解碼算法

數(shù)值預(yù)報(bào)文件的存儲(chǔ)格式有很多種，比如二進(jìn)制格式、文本格式、GRIB1格式、GRIB2格式［8］、NETCDF格式［9-10］等。為了便于管理與應(yīng)用，廣東省氣象探測(cè)數(shù)據(jù)中心建立了“廣東省氣象格點(diǎn)資料服務(wù)平臺(tái)”，服務(wù)內(nèi)容之一就是將多途徑收集的各種數(shù)值預(yù)報(bào)資料統(tǒng)一加工，生成便于存儲(chǔ)和訪問的“自有”NETCDF格式產(chǎn)品庫(kù)。該產(chǎn)品庫(kù)數(shù)據(jù)組織形式統(tǒng)一、產(chǎn)品周期統(tǒng)一，給后期無論是接口服務(wù)，還是繪圖服務(wù)都提供了極大的便利。

但是，隨著高精度集合預(yù)報(bào)產(chǎn)品的出現(xiàn)，服務(wù)平臺(tái)原有的解碼效率又成為業(yè)務(wù)關(guān)注的焦點(diǎn)。以廣州熱帶海洋氣象研究所研發(fā)的南海臺(tái)風(fēng)集合預(yù)報(bào)產(chǎn)品為例，其特點(diǎn)是分辨率高、格點(diǎn)數(shù)多、集合成員數(shù)目多、數(shù)據(jù)量龐大；與歐洲集合預(yù)報(bào)產(chǎn)品相比，南海臺(tái)風(fēng)集合預(yù)報(bào)產(chǎn)品的GRIB數(shù)據(jù)量增加了5倍，轉(zhuǎn)換為NetCDF格式后，數(shù)據(jù)量更是增加至10倍以上（表1）。

表1 南海臺(tái)風(fēng)集合預(yù)報(bào)產(chǎn)品與歐洲集合預(yù)報(bào)產(chǎn)品參數(shù)對(duì)比

1.1 基于簡(jiǎn)短目錄的數(shù)值預(yù)報(bào)解碼方法

基于簡(jiǎn)短目錄的數(shù)值預(yù)報(bào)產(chǎn)品解碼方法，是搭建氣象格點(diǎn)資料服務(wù)平臺(tái)以來的一種能有效提高生成產(chǎn)品效率的方法［11］。

簡(jiǎn)短目錄是GRIB文件的頭信息，記錄了GRIB文件的記錄編號(hào)、二進(jìn)制位置、時(shí)間、參數(shù)名稱、層次值等信息。

算法原理：先將所有GRIB文件全部轉(zhuǎn)換為二進(jìn)制文件，同時(shí)輸出該文件的簡(jiǎn)短目錄列表；然后將簡(jiǎn)短目錄列表根據(jù)要素名稱進(jìn)行分類后得到新的簡(jiǎn)短目錄列表；最后，對(duì)新簡(jiǎn)短目錄列表進(jìn)行遍歷，根據(jù)新簡(jiǎn)短目錄列表要素位置信息定位二進(jìn)制數(shù)據(jù)文件，將不同要素的數(shù)據(jù)寫入不同的NetCDF文件中。

基于簡(jiǎn)短目錄的數(shù)值預(yù)報(bào)產(chǎn)品解碼方法特點(diǎn)，將數(shù)值預(yù)報(bào)產(chǎn)品不同要素進(jìn)行分類的階段使用了簡(jiǎn)短目錄進(jìn)行操作，而不是直接操作原始數(shù)據(jù)，操作數(shù)據(jù)量大大減少，節(jié)省了解碼時(shí)間。

1.2 算法復(fù)雜度

由于GRIB與NetCDF是兩種不同的編碼，必須遍歷一次所有的數(shù)據(jù)并重組，因此從“漸近時(shí)間復(fù)雜性”的角度無法對(duì)算法進(jìn)行優(yōu)化。

與時(shí)間復(fù)雜度類似，空間復(fù)雜度是指算法在計(jì)算機(jī)內(nèi)執(zhí)行時(shí)所需存儲(chǔ)空間的度量。記作：S（n）＝O（f（n）），一般所討論的是除正常占用內(nèi)存開銷外的輔助存儲(chǔ)單元規(guī)模。簡(jiǎn)短目錄列表解碼方法中，每次只需讀取DataUnit大小數(shù)據(jù)，因此，S（n）＝DataUnit。

由于該算法讀寫頻繁，因此IO對(duì)算法的影響不可忽視：

其中，DecodeData為轉(zhuǎn)換后二進(jìn)制文件；GribFile表示原始GRIB文件；VarType為按要素分類后的新簡(jiǎn)短目錄列表；DataUnit為經(jīng)度乘以緯度范圍的格點(diǎn)場(chǎng)數(shù)據(jù)量。

1.3 數(shù)值預(yù)報(bào)算法的復(fù)雜度

根據(jù)算法復(fù)雜度公式，將歐洲集合預(yù)報(bào)產(chǎn)品的各個(gè)參數(shù)代入式（1）（R代表讀操作、W代表寫操作，將表1中各參數(shù)代入1.2節(jié)式（1））：

高空要素：S（n）＝（181×111×4 Byte）＝78.48 K

地面要素：S（n）＝（281×161×4 Byte）＝176.72 K

IO（n）＝63×（R+R+W+W）+63×51×（7×11+21）R＝315 000R+126W

將南海臺(tái)風(fēng)集合預(yù)報(bào)產(chǎn)品的各個(gè)參數(shù)代入公式：

S（n）＝981×587×4 Byte＝2.20 M

IO（n）＝3 630×（R+R+W+W）+3 630×31×（6×5+10）R＝4 508 460R+7 260W

由表2可以看出，南海臺(tái)風(fēng)集合預(yù)報(bào)產(chǎn)品，無論是在空間復(fù)雜度還是IO復(fù)雜度，較歐洲集合預(yù)報(bào)產(chǎn)品，都增加了至少10倍，IO寫操作甚至增加至60倍。歐洲集合預(yù)報(bào)產(chǎn)品從接收第一份GRIB數(shù)據(jù)文件開始，至所有文件轉(zhuǎn)換為NetCDF格式完畢，處理時(shí)間總計(jì)不超過40 min，解碼速度和效率完全能夠滿足業(yè)務(wù)使用需求；而南海臺(tái)風(fēng)集合預(yù)報(bào)產(chǎn)品，在使用簡(jiǎn)短目錄列表方法后，測(cè)試得到的運(yùn)行時(shí)間約為3.5 h，是歐洲集合預(yù)報(bào)處理時(shí)間的5倍多。因此，需探求一種新的高效解碼方法來解決高精度數(shù)值預(yù)報(bào)產(chǎn)品解碼效率的問題。

表2 兩個(gè)數(shù)值產(chǎn)品基于簡(jiǎn)短目錄列表算法復(fù)雜度分析結(jié)果

2 并行集合預(yù)報(bào)解碼算法

通過簡(jiǎn)短目錄列表解碼方法在解碼高精度集合預(yù)報(bào)產(chǎn)品時(shí)，由于無論是空間復(fù)雜度還是IO復(fù)雜度，都是普通數(shù)值預(yù)報(bào)產(chǎn)品的數(shù)十倍。經(jīng)測(cè)試，解碼一個(gè)時(shí)次南海臺(tái)風(fēng)集合預(yù)報(bào)產(chǎn)品的所有要素，時(shí)間約為3.5 h。測(cè)試環(huán)境如表3所示。

表3 測(cè)試環(huán)境服務(wù)器參數(shù)

南海臺(tái)風(fēng)集合預(yù)報(bào)產(chǎn)品的GRIB源文件生成時(shí)間為t+8 h至t+10 h，若加上解碼時(shí)間3.5 h，那么NetCDF預(yù)報(bào)產(chǎn)品的生成時(shí)間將在t+11.5 h至13.5 h，超出了業(yè)務(wù)時(shí)間容忍度，如無法在早間會(huì)商時(shí)使用等。因此，探求一種高效的解碼方式，將高精度集合預(yù)報(bào)產(chǎn)品融入到當(dāng)前業(yè)務(wù)中顯得尤為重要。

2.1 多進(jìn)程處理

由于廣東省氣象局使用的數(shù)值預(yù)報(bào)產(chǎn)品對(duì)不同的要素是單獨(dú)處理、單獨(dú)存放，按照要素名生成對(duì)應(yīng)的NetCDF文件。鑒于要素相互獨(dú)立，各要素間不存在前置處理或其他依存關(guān)系，多進(jìn)程處理不會(huì)出現(xiàn)數(shù)據(jù)死鎖、共享資源鎖等影響處理速度的情況，因此可以考慮采用多進(jìn)程處理方法來提高解碼效率，降低程序運(yùn)行時(shí)間。

然而，多進(jìn)程處理方法需要考慮服務(wù)器內(nèi)存是否足夠、IO讀寫能力是否足夠，進(jìn)程數(shù)必須按照服務(wù)器的計(jì)算能力來調(diào)整，需要通過空間復(fù)雜度和IO復(fù)雜度的計(jì)算來確定適合的最大進(jìn)程數(shù)。S（n）和IO（n）會(huì)隨著N個(gè)進(jìn)程發(fā)生線性增長(zhǎng)，變成N·S（n）和N·IO（n），進(jìn)程總數(shù)會(huì)受到限制。

2.2 多進(jìn)程設(shè)計(jì)在南海臺(tái)風(fēng)集合預(yù)報(bào)產(chǎn)品的應(yīng)用

考慮到南海臺(tái)風(fēng)集合預(yù)報(bào)產(chǎn)品包含16個(gè)要素，根據(jù)解碼程序的設(shè)計(jì)流程，解碼算法在生成NetCDF要素產(chǎn)品時(shí)，每個(gè)要素單獨(dú)處理，文件獨(dú)立存放，最終生成16個(gè)NetCDF文件。圖1左側(cè)部分為解碼算法的輸入產(chǎn)品，即3 630個(gè)GRIB文件產(chǎn)品；右側(cè)部分為算法的輸出產(chǎn)品，即16個(gè)NetCDF要素產(chǎn)品。中間部分為解碼程序，以及由解碼程序生成的3個(gè)子進(jìn)程。

“廣東省氣象格點(diǎn)資料服務(wù)平臺(tái)”的調(diào)度程序是基于Python語(yǔ)言開發(fā)的，因此選擇使用Multiprocessing包的Pool模塊來完成并行調(diào)度算法無疑是一種最合適的方法。

Multiprocessing包是Python中的多進(jìn)程管理包，是跨平臺(tái)的多進(jìn)程模塊，能夠像管理線程一樣管理進(jìn)程。Pool模塊來自于Multiprocessing包，可以提供指定數(shù)量的進(jìn)程供用戶調(diào)用，當(dāng)有新的請(qǐng)求提交到Pool時(shí)，如果Pool池還沒有滿，就會(huì)創(chuàng)建一個(gè)新的進(jìn)程來執(zhí)行請(qǐng)求。如果Pool池滿，請(qǐng)求就會(huì)告知等待，直到Pool池中有進(jìn)程結(jié)束，才會(huì)創(chuàng)建新的進(jìn)程來執(zhí)行這些請(qǐng)求。

算法方案?jìng)未a如下：

＃定義【父進(jìn)程】數(shù)值預(yù)報(bào)解碼算法（算法參數(shù)為要素名稱）

＃定義算法參數(shù)列表

＃使用多進(jìn)程方式調(diào)用算法

綜合分析可知，原算法父進(jìn)程需要串行逐個(gè)處理與生成16個(gè)要素，如今使用并行解碼算法后，父進(jìn)程根據(jù)進(jìn)程池設(shè)置子進(jìn)程個(gè)數(shù)，創(chuàng)建子進(jìn)程，然后由N個(gè)子進(jìn)程并行完成16個(gè)要素的處理與生成工作，解碼時(shí)間將縮短為串行解碼方式的1／N，這將會(huì)大大提高了解碼效率。

并行算法的效率跟算法的并行進(jìn)程數(shù)密不可分，一定程度上，進(jìn)程數(shù)量越多，算法的效率越高。但在并行高精度集合預(yù)報(bào)產(chǎn)品解碼算法中，由于算法需要使用空間換時(shí)間，為了更好的利用CPU資源，因此占用的內(nèi)存資源數(shù)量非常高，進(jìn)程數(shù)受到服務(wù)器資源總數(shù)的限制。

計(jì)算最大進(jìn)程數(shù)：首先，計(jì)算每時(shí)次每個(gè)要素在讀取過程中需要分配的內(nèi)存空間，計(jì)算方法：占用內(nèi)存空間＝經(jīng)緯度格點(diǎn)數(shù)×層次數(shù)×預(yù)報(bào)時(shí)效數(shù)×成員數(shù)×4字節(jié)（FLOAT類型）

通過計(jì)算，得出每時(shí)次每個(gè)要素需要占用內(nèi)存空間約為40 Gb，而“廣東省氣象格點(diǎn)資料服務(wù)平臺(tái)”中轉(zhuǎn)換服務(wù)器的內(nèi)存數(shù)目為128 Gb，因此，每次轉(zhuǎn)換過程中，最多啟動(dòng)3個(gè)轉(zhuǎn)換進(jìn)程，保證系統(tǒng)資源能夠承載服務(wù)正常運(yùn)行。

根據(jù)上述結(jié)論，測(cè)試南海臺(tái)風(fēng)集合預(yù)報(bào)產(chǎn)品解碼程序子進(jìn)程數(shù)量1至數(shù)量4時(shí)，程序運(yùn)行時(shí)間與系統(tǒng)內(nèi)存使用情況。得到結(jié)論見表4。

表4 南海臺(tái)風(fēng)集合預(yù)報(bào)產(chǎn)品解碼程序運(yùn)行時(shí)間與系統(tǒng)資源使用情況

同樣，計(jì)算得出歐洲集合預(yù)報(bào)產(chǎn)品每時(shí)次每個(gè)要素需要占用內(nèi)存空間為14 Gb。因此，每次轉(zhuǎn)換過程中，最多啟動(dòng)9個(gè)轉(zhuǎn)換進(jìn)程，以保證服務(wù)器能夠正常運(yùn)行。測(cè)試歐洲集合預(yù)報(bào)產(chǎn)品解碼程序子進(jìn)程數(shù)量為1至9時(shí)，程序運(yùn)行時(shí)間與系統(tǒng)內(nèi)存使用情況，所得結(jié)果如表5所示。

表5 歐洲集合預(yù)報(bào)產(chǎn)品解碼程序運(yùn)行時(shí)間與系統(tǒng)資源使用情況

3 結(jié)論

本研究提出了一種多進(jìn)程數(shù)值預(yù)報(bào)產(chǎn)品解碼算法，旨在提高高精度數(shù)值預(yù)報(bào)產(chǎn)品等數(shù)據(jù)量較大的數(shù)值預(yù)報(bào)產(chǎn)品的處理效率。本算法結(jié)合數(shù)值預(yù)報(bào)簡(jiǎn)短目錄解碼方法，利用數(shù)值預(yù)報(bào)產(chǎn)品解碼過程中各要素之前彼此隔離的特點(diǎn)，依據(jù)計(jì)算機(jī)架構(gòu)的局部性原理引入多進(jìn)程計(jì)算方法，通過空間換時(shí)間，以達(dá)到提高數(shù)值預(yù)報(bào)解碼效率的目的。經(jīng)過實(shí)驗(yàn)測(cè)試，得到以下結(jié)論：

1）使用多進(jìn)程計(jì)算在高精度集合預(yù)報(bào)產(chǎn)品解碼過程中確實(shí)可以提高解碼效率。

2）在內(nèi)存容量和硬盤容量允許的前提下，并行子進(jìn)程數(shù)目越多，計(jì)算效率越高，算法運(yùn)行所需要的時(shí)間越少。

3）確保系統(tǒng)資源足夠的前提下，設(shè)定子進(jìn)程數(shù)據(jù)盡可能大，會(huì)提高算法運(yùn)行效率。

4）在保證計(jì)算機(jī)運(yùn)算速度和方便實(shí)現(xiàn)多進(jìn)程調(diào)度時(shí)，選擇Python或Go這類面向?qū)ο缶幊痰亩喾妒降挠?jì)算機(jī)語(yǔ)言，可以最大限度將業(yè)務(wù)計(jì)算和任務(wù)調(diào)度解耦。

本研究的測(cè)試結(jié)果表明，基于Python的多進(jìn)程數(shù)值預(yù)報(bào)產(chǎn)品解碼算法是可行的，而且將會(huì)大大提高程序的效能，為未來數(shù)值預(yù)報(bào)產(chǎn)品等大數(shù)據(jù)在業(yè)務(wù)中的應(yīng)用提供了一種新的思路。