从2005年底至今, 国家气象信息中心联合多家单位及研究机构, 建立了一个气象部门内全国范围的、分布的、跨广域网络的气象计算网格, 并进行了研究开发, 形成了一套网格平台软件系统。

气象计算网格的整体架构由位于国家级主节点、分布在全国不同地区的8个区域气象中心分节点、省级节点组成, 通过全国气象宽带网络连接起来^[1]。现已聚合了分布在国家级、区域、省的10个异构高性能计算机系统, 总计算能力超过26TFLOPS, 占气象部门内50%以上。

气象网格平台软件系统可分为计算资源、平台软件、资源管理、应用服务、用户接口等几个层次, 包括资源监视、资源动态调度^[2]、资源作业查询、用户安全^[3]、交互访问、数据支持服务、数值预报模式插件等模块。

气象计算网格整合的资源位于不同地点, 系统架构、运行情况、使用效率各不相同。为使网络计算用户、运行值班和系统管理人员了解这些资源的即时状态信息, 软件研发中设置了资源监视模块, 收集加入气象计算网格的各地气象高性能计算资源的运行状态信息, 在web门户系统进行集中展示。

从架构上来看, 资源监视模块涉及到3个层次:远程气象计算网格节点、资源状态信息获取和web展示。

远程气象计算网格节点:国家级、区域级、省级气象信息中心通过部署、配置、运行了计算网格平台软件后, 将其管理高性能计算机系统整合加入到全国气象计算网格, 成为一个网格节点。

资源状态信息获取:资源监视模块的主要功能, 实现了资源状态信息轮询、收集、整理功能, 是网格平台软件系统的组成部分之一。

web展示:通过web页面展示计算资源状态信息, 位于web门户网站内, 是其动态页面内容的一部分。

计算资源状态描述了一个气象网格节点内高性能计算机系统信息, 可分为3个主要部分:概要信息、节点信息、作业信息。

概要信息描述了计算资源的总体状态信息, 包括资源名称、所属单位、位置、描述、状态、负载等内容。节点信息描述了计算资源内部节点的状态信息。作业信息描述了计算资源上运行的各个作业信息。

资源状态信息获取层包括资源状态信息查询、资源状态信息收集和资源状态信息整理3个软件子模块和若干信息文件。气象计算网格节点内的高性能计算机系统通常通过一个专用的网关软件服务接入网格。

资源监视模块内资源状态信息获取流程设计如图 1所示。

图 1

图 1. 资源状态信息流程设计 Fig 1. Design of data flow of resource state

·资源状态信息查询按照预定时间和间隔, 信息轮询子模块读入预配置好的监视网格节点列表文件, 获取相应的安全访问证书, 然后通过网格访问协议连接气象网格节点的网关服务, 以异步方式提交资源状态信息轮询请求。随后将查询请求信息插入到查询队列文件里。

·资源状态信息收集信息收集子模块每隔一段时间定时启动, 读入查询队列文件, 然后根据读入结果, 通过网格访问协议连接气象网格节点的网关服务, 获取资源状态信息轮询的结果。无论成功与否, 信息收集子模块都会将查询结果写入到状态信息日志文件里。随后更新查询队列文件, 清除相应的队列项。

·资源状态信息整理信息整理子模块定时启动, 读入状态信息日志文件和网格计算资源静态信息, 然后转换生成了资源地理视图所需状态消息文件 (XML格式), 并主动推送提供给资源地理视图显示, 随后转换生成了资源列表详查栏目所需状态信息文件 (XML格式), 并主动推送提供给资源列表详查栏目显示。

web展示层直接面向用户, 基于通用浏览器的方式展示计算资源的状态信息。web展示层由资源地理视图和资源列表详查栏目两个子模块具体实现, 以不同方式展示计算资源的状态信息。资源地理视图结合资源所属网格节点所在不同的地理位置, 在地图上展示资源的概要状态信息, 用户可直观、全局地获知气象计算网格内资源分布情况和即时概要状态信息。资源列表详查栏目以列表和图表页面形式给出每一个计算资源全面详尽的状态信息。

网格平台软件系统采用了UNICORE^[4]技术作为基础平台软件。UNICORE系统基于C/S架构。目前通用的客户端是基于Java应用程序开发的可视化用户界面, 服务器端由网关服务、网络作业管理服务、目标系统接口服务、用户信息库、具体化信息服务等模块构成^[5]。

在国家、区域或省级气象计算 (信息) 中心部署UNICORE软件后, 搭建成为气象计算网格节点。UNICORE网关服务通常运行于一台专用的网格接入服务器上, 提供了对网格节点的单一访问入口。一般而言, 一个 (国家级、区域级或省级) 气象信息 (计算) 中心提供了一个唯一的网关服务, 来访问使用这个中心所有的计算资源。

监视模块需要连接计算网格节点, 进行安全互校验, 提交查询脚本, 获取资源状态。显然图形化的、“固定动作”的UNICO RE客户端不能满足程序开发定制运行的需要。经过调研, 决定采用ARCON客户工具箱技术实现监视模块中的节点访问功能。

ARCON客户工具箱 (ARCON Client Toolkit) ^[6]是由Fujitsu欧洲研究院支持的一个开源软件项目。这个工具箱提供了访问UNICORE网格站点的一个轻量级、简明的API编程接口。基于ARCON客户工具箱 (4.6.1版本), 开发实现了资源状态信息轮询和资源状态信息收集的代码。

信息轮询通过作业形式提交资源状态查询请求, 提交作业可以采用同步或异步方式进行。考虑到各网格节点通过气象广域网络连接, 分散于全国各地, 属异地分治异构。为了提高监视模块代码的健壮性和适应性, 并减少网络资源的堵塞占用, 状态信息轮询的代码主要采用异步方式实现。

信息收集通过作业返回结果的方式获取资源状态信息。网格节点返回的结果信息包含两部分:结果对象以及作业特有信息。由于各地区的高性能计算机使用的作业管理软件不同, 因此查询结果文件的格式和内容有所不同。

资源状态信息获取层主要程序包包括基础驱动、作业调度、查询队列日志、资源状态解析、配置文件等Java类, 实现功能描述见表 1。

表 1

表 1 资源状态信息获取层主要程序包 Table 1 Major packages of resource state information acquisition layer

表 1 资源状态信息获取层主要程序包 Table 1 Major packages of resource state information acquisition layer

程序包运行时作为一个系统守护进程常驻内存, 启动两个线程, 一次查询从一个信息轮询线程发起, 提交一个查询作业, 记录在查询队列日志中。另一个信息收集线程监听查询队列日志, 将查询完成的作业取回结果。资源解析模块启动相关解析, 将结果生成统一格式的XML文件。两个线程的运行频率可以用配置文件设置。

资源列表详查栏目采用通用的J2EE web组件技术实现, 服务器端使用Servlet技术获取各计算资源的最新状态信息, 并且响应前端的显示更新请求。资源地理视图采用了Flex +J2EE web组件技术实现。

Flex技术是实现具有复杂交互web应用程序的一种代表性技术, 具有用户友好性、交互性、跨平台兼容性、一次加载多次使用、客户端数据缓存、高效的网络数据信息传输等特点^[7]。开发平台选用了Adobe公司的Flex Builder2.0工具, 自主开发了FlexMap包, 实现了地图上气象计算资源的即时状态显示和交互功能, 以直观形式表现高性能计算机资源的物理分布情况, 以文字形式展现高性能计算机节点的状态信息。

随着气象网格平台软件系统在全国各网格节点的部署运行, 现已实现了对国家级网格节点及广州、北京、成都、沈阳4个区域级中心网格节点和安徽省级网格节点内10个高性能计算机系统的集中监视和展示, 如图 2所示。

图 2

图 2. 资源监视模块的部署情况 Fig 2. Deploy ment of resource monitor module

资源状态信息获取层的各个子模块运行于国家气象信息中心内。

资源地理视图嵌入到web门户系统主页运行, 如图 3所示 (绿色表示状态正常)。鼠标停到资源上面时, 就会给出资源的即时概要状态信息。

图 3

图 3. 资源地理视图 Fig 3. Resource GIS view

资源列表详查栏目如图 4所示, 列出所有资源的状态信息, 包括系统名称、所在位置、系统架构、处理器数量、理论峰值、内存、磁盘、负载、作业数及状态等信息。

图 4

图 4. 资源列表详查栏目 Fig 4. Resource list column

还可以查看某一个资源的详细信息, 例如广州区域气象信息中心高性能计算机系统的状态信息如图 5所示。可以获知系统的各个节点状态、负载、运行具体作业等信息。

图 5

图 5. 查看单个计算资源的详细状态信息 Fig 5. Detailed state information of a computing resource

此外, 应安徽省气象局要求, 在国家气象信息中心开发部署了安徽省数值预报模式业务备份系统, 一旦发现安徽省高性能计算机系统状态出现问题, 立即启动国家级备份系统。为实现安徽省气象局计算机系统的24 h实时监控, 资源监视模块将安徽省气象局IBMP690系统的状态信息推送到计算机室监视值班系统内, 实现了业务备份监视触发机制。

资源监视模块是气象网格平台软件系统的核心组成模块之一, 现已投入业务运行, 提供服务使用。资源监视模块能够及时、准确地反映气象网格整合计算资源的运行状态, 为气象网格计算用户资源使用和值班工作提供有效参考。同时, 监视模块的运行状态也能反映网格中各节点的网络连通和运行状态, 为保障网格环境正常运行提供支持^[8-12]。

下一步工作将在资源监视模块运行一段时间后, 不影响气象网格正常运行的情况下, 对监视模块运行状态进行分析, 对其性能进行优化, 通过调整监视数据采集流程并优化配置等工作, 使监视模块占用更少的网络和计算资源完成监视任务^[13-16]。

随着气象计算网格的深入建设, 资源监视模块将推广到更多的计算资源上, 实现对气象部门内所有计算资源的监视。