22532

ارائه يك چارچوب نرم‌افزاري براي اجراي كاراي مدل‌هاي پژوهش و پيش‌بيني هواشناسي

كارشناسي ارشد

فناوري اطلاعات - شبكه هاي كامپيوتري

1395

1398/10/2

دكتر محمد عبداللهي ازگمي

كامپيوتر

مدل پژوهش و پيش‌بيني آب‌وهوا يك سيستم شبيه‌سازي بشدت وابسته به رايانش، I/O و شبكه است و اجراي آن در سريع‌ترين رايانه‌ها نيز يك چالش بزرگ است. اجراي بهينه و در تنگناي زماني مقرر، موردنظر بسياري از سازمان‌ها و مؤسسات هواشناسي است. مديريت و پياده‌سازي برنامه‌هاي نيازمند رايانش با كارايي بالا عمدتاً روي زيرساخت‌هاي رايانش خوشه‌اي و ابري به دليل وجود منابع پردازشي فراوان كه آنها را در پردازش موازي داده‌هاي عظيم توانمند مي‌سازد، انجام مي شود. در اين زيرساخت‌ها معمولاً از مجازي‌سازي براي مديريت دسترسي به منابع استفاده مي‌گردد. اين كار موجب تحميل سربار زماني اضافي به خوشه مي‌شود. استفاده از مجازي‌سازي سبك‌وزن ضمن ايجاد سربار بسيار ناچيز، منافع و مزاياي دسترسي نامحدود به منابع در زيرساخت‌هاي ابري را به همراه دارد. براي اثبات بهره‌وري مناسب چارچوب موردنظر، بررسي مقايسه‌اي بين كانتينر‌هاي موردنظر در اين پروژه يعني Docker، Singularity و مجازي‌سازي تحت ابرناظر KVM در اجراي مدل WRF انجام مي‌شود. در اين تحقيق نشان داده مي‌شود كه ويژگي‌هاي مجازي‌سازي سبك‌وزن مبتني بر كانتينر در مقايسه با مجازي‌سازي مبتني بر ابرناظر، زمان كلي اجراي مدل WRF به‌عنوان يك برنامه كاربردي علمي نيازمند رايانش با كارايي بالا را كاهش مي‌دهد. تخمين زمان اجراي مدل هواشناسي بر روي يك سكوي نرم‌افزاري، سخت‌افزاري و در مقياس‌هاي مختلف جغرافيايي از اين جهت براي سازمان‌ها و مؤسسات هواشناسي اهميت دارد كه بتوانند در زمان‌بندي موردنظر خروجي مدل را تحليل و نتايج را اعلام نمايند. در اين تحقيق متغيرهايي كه در سرعت اجراي مدل هواشناسي WRF تاثير دارند، مشخص گرديدند. سپس با انتخاب يك فاصله شبكه‌اي بعنوان مرجع با تعداد نقاط شبكه‌ مشخص و 4 فاصله شبكه‌اي با تعداد نقاط شبكه‌ كه مضرب درستي از نقاط شبكه‌ مرجع هستند و اجراي آن‌ها با استفاده از مدل WRF، زمان اجراي يك نقطه از نقاط شبكه‌ بدست آمد. با استفاده از شبيه‌سازي عددي براي اولين بار يك رابطه رياضي از زمان اجراي مدل در مقياس‌هاي مختلف پيشنهاد شد. رابطه فوق بر اساس تعداد نقاط شبكه، فاصله شبكه‌اي، زمان شبيه‌سازي مدل و تعداد پردازنده‌هاي مورد استفاده در سخت‌افزار، زمان اجراي مدل را برحسب دقيقه محاسبه مي نمايد.

1399/07/22

A Software Framework for Efficient Execution of Weather Research and Forecasting Models

12/22/2020 12:00:00 AM

The climate research and forecasting model is a highly computational, I/O, and network simulation system, and running it on the fastest computers is a major challenge. Optimal and timely implementation is the concern of many meteorological organizations and institutions. The management and implementation of high-performance computing applications is mainly performed based on cluster and cloud computing infrastructures due to the abundance of computational resources that enables them to process large amounts of data in parallel. These infrastructures typically use virtualization to manage access to resources. This will cause additional overhead to the cluster. The use of lightweight virtualization, while creating minimal overhead, brings the benefits of unlimited access to resources in the cloud infrastructure. To prove the efficiency of the framework in question, a comparative study is carried out between the containers in this project, namely Docker, Singularity, and virtualization under the KVM to running WRF model. This study shows that container-based lightweight virtualization features reduce the overall implementation time of the WRF model as a scientific application requiring high-performance computing, compared to hypervisor-based virtualization. Estimating the timing of the meteorological model implementation on a software and hardware platform and at different geographic scales is important for meteorological organizations and organizations to be able to analyze and report the model output at the desired timing. In this study, the variables that influence the speed of implementation of the WRF meteorological model were identified. Then, by selecting a network interval as the reference with the number of specified network points and 4 network intervals with the number of network points that are the right multiple of the reference network points and executing them using the WRF model, the run time of a network point is obtained. Using numerical simulation, for the first time, a mathematical relationship from the time the model was run at different scales was proposed. The above equation calculates the run time of the model based on the number of network points, network distance, model simulation time, and number of CPUs used in the hardware, calculates the run time of the model in minutes.