视界：欧洲天气云正式投入运营

meteorology/view
目录

本文翻译自 ECMWF 的一篇通讯文章，介绍欧洲天气云 (European Weather Cloud) 的现状。

The European Weather Cloud is now operational

by Xavier Abellan, Vasileios Baousis, Ricardo Correa, Roberto Cuccu, Cristina Duma, Charalampos Kominos, Samuel Langlois, Umberto Modigliani

in ECMWF Newsletter Number 180 - Summer 2024 (Published in July 2024)

https://www.ecmwf.int/en/newsletter/180/computing/european-weather-cloud-now-operational

以下正文部分使用 ChatGPT 和文心一言翻译自原文，并根据笔者理解略有修改。

正文

欧洲天气云 (European Weather Cloud, EWC) 是由 ECMWF 和 EUMETSAT 共同运营的社区云计算平台。 该概念由 ECMWF 提出，建立在 ECMWF 为其成员国和合作国提供计算访问方面的丰富经验之上，例如通过 ecgate 服务。 EWC 促进数据访问，提高数据处理能力，并推动 ECMWF 和 EUMETSAT 成员国与合作国的国家气象和水文服务机构 (NMHSs) 以及研究人员之间的新型合作形式。 该计划始于 2019 年，通过试点阶段为当前服务奠定基础。 试点阶段的目标包括：

  • 建立联盟伙伴之间的整体治理和协调流程；
  • 建立和测试云基础设施，并积累重要的运营经验；
  • 引入和支持各种涵盖不同主题领域和应用的用例，以收集反馈和需求，继续开发和升级平台。

2023 年，ECMWF 的运营云基础设施在意大利博洛尼亚的数据中心部署，与 ECMWF 的其他系统共处一地。 此后，现有用户从最初位于英国雷丁数据中心运行的试点云基础设施迁移到博洛尼亚的运营系统。 EWC 于 2023 年 9 月 26 日正式投入运营。

什么是 EWC？

根据最初的愿景，EWC 是“一个基于云计算的协作平台，专注于欧洲气象应用的开发与运营，推动欧洲气象基础设施的数字化转型”。

EWC 汇集了来自不同国家和组织的用户，促进合作与资源共享。 它允许用户自定义和部署自己的应用程序和工作流，并在互联网上构建和提供服务。 与传统的高性能计算设施 (HPCF) 服务相比，EWC 在用户应用程序和工作流的部署上提供了更大的灵活性。 这种灵活性是 EWC 的一大优势，用户可以在数据生成的地方附近运行应用程序和服务，从而避免通过网络进行大量数据传输。

译者注：超算与云平台相结合的关键是基础设施之间的数据互联互通。例如 EMCWF 的 FDB 将 HPC 上的数据发送给网络上的 MARS 服务，提供 Cloud 使用。

谁能用 EWC？

EWC 服务主要面向欧洲气象社区符合条件的用户，具体可供以下用户访问：

  • ECMWF 和 EUMETSAT 成员国与合作国的国家气象和水文服务 (NMHSs) 及公共机构用户
  • ECMWF 特别项目和 EUMETSAT 研发项目中涉及的研究用户
  • ECMWF 和 EUMETSAT 在其职责范围内进行内部使用的用户
  • 欧洲气象基础设施 (European Meteorological Infrastructure, EMI) 成员，包括 EUMETNET 等组织
  • 经 ECMWF 理事会批准的第三方活动和可选项目的 ECMWF 用户
  • WMO 的 NMHSs 用户及与 ECMWF 使命一致的研究机构用户

图 1 展示了 EWC 的可用性。

图 1 欧洲天气云服务可供不同用户群体使用。详情请参见正文。图片来自原文

服务的主要功能

该平台为用户社区提供了诸多好处，包括访问云计算设施、在资源部署和管理上的灵活性，以及社区环境的所有优势，如共享知识、经验、应用和数据，以及协同与合作。

平台的一个重要方面是优化对两家组织数据存储库的访问，这些存储库包括用于定制检索和分发数 PB 气象预报、气候、海洋和卫星数据的服务。

EWC 为用户提供了通过部署自定义虚拟环境来访问 ECMWF 和 EUMETSAT 云计算基础设施的能力。 这些虚拟环境可以是虚拟机，也可以是更复杂的设置，包括定制化的存储和网络。 用户可以利用蓝图、模板和其他自动化工具来自动化资源管理，确保工作流的可重复性。 此外，用户还可以使用额外的服务来监控、报告和管理已配置的资源。

用户可以通过云编排工具管理分配的虚拟环境，该工具能够在 ECMWF 和 EUMETSAT 运营的基础云基础设施上控制和部署资源、工作流或服务。

最后，还提供了一系列支持和协作工具，如支持门户、共享文档和讨论平台，以补充所提供的解决方案。 所有这些服务和功能都在遵循既定的路线图不断发展，并考虑用户的反馈。

译者注：自动化工具是保持工作流可重复性的重要途径。云计算环境提供功能强大的云编排工具，更能促进系统开发人员提高系统发布的自动化水平。

EWC 如何与 ECMWF 的其他服务集成？

通过在同一 ECMWF 数据中心运行，EWC 可以利用与 ECMWF 运营的其他服务合用基础设施的协同定位优势。

特别是，EWC 对 ECMWF 数据服务的 “快速通道”访问将计算和服务带到更靠近数据源的位置。 用户可以利用以下一系列检索和分发服务：

  • ECMWF 产品数据存储库 (ECMWF Production Data Store, ECPDS)：可以配置为直接将定制数据分发到 EWC 存储资源，以便在云计算设施中立即进行处理。
  • 气象归档与检索系统 (Meteorological Archival and Retrieval System, MARS)：存储了数百 PB 的气象和气候数据，用户可以利用本地网络访问来检索这些数据。
  • 哥白尼数据存储库 (Copernicus Data Stores, CDS)：通过 API 访问哥白尼气候变化和大气监测服务的数据，利用本地网络访问。
  • ECMWF Aviso 数据通知服务：可以在 EWC 上配置，用于接收模式输出数据的和 ECPDS 分发系统提供交付产品的自动通知，以触发进一步的处理工作流。

EWC 是 ECMWF HPCF 的补充设施。 HPCF 仍然是处理高强度 CPU、I/O 或互连批处理并行工作负载的最合适设施。 作为一个托管服务，HPCF 不提供特定用例可能需要的定制化和灵活性。 相比之下，EWC 可以为用户配置环境提供更高的自由度和灵活性。

例如，在 HPCF 上运行可以在互联网上访问的公开 Web 服务可能并不合适。 在 EWC 中，用户可以按需创建自己的虚拟环境 (配置所需的 CPU、内存和磁盘资源；分配公共 IP 和域名)，部署 Web 服务，最终使其可供其他终端用户使用。

虽然 EWC 和 HPCF 可能服务于不同的用例，但它们也可以作为更综合系统或应用程序的组件进行集成，从而从这两项服务的各自特征中受益。 例如，多个用例展示了如何由在 HPCF 上运行的模式生成数据，将输出交付到 EWC，在那里可以进一步后处理，并通过 Web 可视化服务提供。

译者注：

CMADaaS 中提供的数据相关服务

  • 气象数据统一访问接口 (MUSIC) 提供类似 MARS 和 CDS 的功能，可以从 CMADaaS 中获取数据，也支持将数据存储到该平台中
  • CMADaaS 加工流水线的数据源感知调度 [1,2] 类似于 Aviso 数据通知服务，可以在数据到达时或者批量数据满足一定的到达条件时触发后续任务运行

超算与云平台适合何种类型的任务？

对于在超算平台已经建立的一整套业务系统来说，推进云化改造首先要回答一个问题：为什么要将业务系统迁移到云平台？

一种观点是超算的高性能算力适合计算密集型任务，而云平台的基础算力适合 IO 密集型和数据密集型任务。 从本文来看，ECMWF 认为超算同样适合 IO 密集型任务。 从 ECMWF 之前的新超算介绍通讯文章看，ECMWF 的新超算配备了足够的新后处理节点用于执行数据处理任务。

本文给出了一个非常有说服力的观点，云平台更适合需要定制环境的任务。 在推广云平台时可以参考该观点，强调超算平台无法根据每个用户的需求来配置环境，而云平台提供更高的自由度，可以针对特定的需求进行定制。

EWC 如何促进跨气象社区的合作？

EWC 是一个基于云计算的平台，设计之初就特别关注欧洲气象社区的需求，旨在加强用户之间的合作。 EWC 平台将计算资源、数据访问和工具汇聚于一处，以促进数据的利用和增值产品及服务的生成 (见图2)。

图 2：EWC 提供计算资源、数据访问和工具，以促进数据利用以及增值产品和服务的生成。图片来自原文

该平台使用户能够在一个靠近数据的虚拟环境中共同协作，支持新气象和气候应用及服务的共同开发，以及新系统的共同设计和运行。

一个值得注意的例子是 EUMETNET RODEO 项目，其目标是为公众气象数据提供开放访问，并建立一个共享的联合数据基础设施，用于开发信息产品和服务。 该项目由 11 个欧洲国家气象和水文服务机构 (NMHSs)、ECMWF 以及整个EUMETNET 网络共同努力完成。 在 RODEO 项目的背景下，EWC 用于开发、实施和托管该项目的一些组件。 此外，诸如讨论平台 (https://confluence.ecmwf.int/display/EWCLOUDKB/EWC+Discussion+Platform) 等可用工具，让用户能够共同工作，促进信息交流，强化 EWC 的合作本质。

EWC 的愿景是激发用户之间的协同和交流，促使他们为共同的目标而携手合作，提高系统和应用的可重用性和可重复性，并共享成果和模板，实现共同利益。

译者注：CEMC 的数值预报科技创新平台也有同样的愿景，支撑数值预报的统筹研发，集众智来推动数值预报模式发展。

向用户提供何种培训和服务？

ECMWF 和 EUMETSAT 的 EWC 团队为平台用户规划了一系列短期网络研讨会作为培训路线图，涵盖广泛主题。 其主要目的是为用户提供如何有效利用 EWC 各项功能的指导。 这些网络研讨会从基础入门开始，逐步深入到更具体的专题和高级示例。 它们对 ECMWF 和 EUMETSAT 成员国及合作国的所有现有和潜在用户开放。 所有活动均被录制，用户可以通过 EWC 知识库离线观看 (https://confluence.ecmwf.int/display/EWCLOUDKB/EWC+Training+and+Tutorials)。

另一个重要的年度活动是 EWC 用户研讨会 (https://events.ecmwf.int/event/360/)。 该研讨会由 ECMWF 和 EUMETSAT 共同组织，是汇聚整个 EWC 用户社区的绝佳机会。 会议通常包括平台状态更新和最新进展的介绍、对关键新兴主题的讨论，以及来自成员国和合作国的重要贡献。 后者可以展示他们的活动，启发他人，并分享他们的经验和反馈。

未来的主要挑战和机遇

主要挑战是继续确保 EWC 的服务符合不断变化的用户需求。 为此，需要提供一系列实用工具和功能，保持平台的吸引力，并按照气象社区的要求提供服务。 为实现这一目标，ECMWF 和 EUMETSAT 实施了持续改进流程，帮助跟踪用户需求，并通过优先处理最关键的问题，指导现有路线图的开发和实施。

在机遇方面，EWC 在更广泛的战略中发挥作用，该战略预见到将 ECMWF 和 EUMETSAT 开展的不同项目和计划的成果结合起来的可能性。 通过这些成果的叠加，可以为平台用户带来最大的好处。 特别是在与成员国和合作国紧密合作的项目中，这些项目正在采用云技术。 例如，之前提到的 EUMETNET RODEO 项目和 ECMWF 的机器学习试点项目活动就是这种协同效应的例子。

如何访问服务？

符合条件的用户可以通过联系相应成员国或合作国的 ECMWF 计算代表 (https://www.ecmwf.int/en/about/contact-us/computing-representatives) 来申请访问 EWC 服务。 用户需提供活动的高级描述以及完成目标所需资源的估算。 在评估后，如果计算代表批准了使用申请，EWC 支持团队将设置并提供所需的云资源和服务访问权限。

ECMWF 和 EUMETSAT 成员国的用户还可以通过申请 ECMWF 特别项目 (https://www.ecmwf.int/en/research/special-projects/special-project-application) 或 EUMETSAT 研发项目 (https://user.eumetsat.int/news-events/news/european-weather-cloud-research-and-development-call) 来进行研究活动。 这也适用于在国家或国际层面上多个机构之间合作开展的项目。

任何感兴趣的用户，包括 ECMWF 和 EUMETSAT 的内部工作人员，均可通过 EWC 支持门户 (https://support.europeanweather.cloud) 联系 EWC 支持团队，讨论他们的需求和最佳的实施方案。

成功案例

近年来，EWC 涌现出了许多有趣的应用案例，涵盖了广泛的技术和科学应用。 截至本文撰写时，大约有 110 个不同项目使用了 EWC，根据所需的数据源和目标应用，项目选择在 ECMWF 和 EUMETSAT 的一方或两方的云上运行。 使用案例数量的不断增加表明成员国和合作国对 EWC 提供的云技术的兴趣日益增长。 同时，EWC 也在 ECMWF 和 EUMETSAT 内部被积极使用，支持其官方任务的执行。

所有这些项目在试点阶段提供了宝贵的反馈和见解，它们极大地推动了服务的改进和演变，促进了平台周边社区的发展。

数据驱动的机器学习应用

随着数值天气预报、气候数据以及观测和卫星产品的增加，研究界正在积极探索和开发新的高效方法来利用这些数据。

在此背景下，机器学习 (ML) 和人工智能 (AI) 应用正变得越来越受欢迎。 这在一定程度上归因于以下几个因素，促进了此类应用的发展：

  • 小规模探索性 GPU 环境在内的补充计算能力的可用性
  • 大量数据的丰富性和可访问性
  • 工具和框架的可用性

EWC 在一个连贯的平台上提供这些元素，该平台与 ECMWF HPCF 及其他训练大型 ML 模型的资源相辅相成。

在托管的项目中，Météo-France LabIA 团队就是一个例子。 他们在 2023 年 9 月的 EWC 用户研讨会上展示了其活动和计划，这些计划包括利用不同模型和算法的若干研发案例研究。

另一个例子是成员国与合作国和 ECMWF 之间的跨部门合作，共同开展的 ML 试点项目，旨在促进知识共享并瞄准关键活动，如提升数据驱动的预报。 作为这项工作的组成部分，EWC 通过为参与的 AI/ML 专家社区提供协作环境，补充了 ECMWF 的服务组合，特别是 HPCF。

支持培训课程

EWC 可以作为一个协作平台，用于开展培训课程。 它使 ECMWF 和 EUMETSAT 的成员国和合作国能够组织比传统课堂更多参与者的培训课程。 例如，使用 EWC 后，一个原本限制在 10 名学员的培训课程现在可以扩大到 100 名学员。

由于 COVID 疫情引发的封锁措施，ECMWF 已转向虚拟或混合培训活动。 在这种情况下，EWC (包括试点阶段) 为虚拟课堂中的实践和动手课程提供了支持。 系统的灵活性意味着成员国和合作国也可以将 EWC 用作运行自身培训的基础设施。

EUMETSAT 同样在 EWC 平台上进行虚拟课程，学员可以方便地练习使用 EUMETSAT 的数据。 在气象学家的培训课程中，参与者使用虚拟机运行 Jupyter 笔记本，从而能够快速轻松地展示来自静止轨道和极地轨道卫星的数据。

德国气象局 (Deutscher Wetterdienst) 在 2020 年的 ICON 模式培训课程 (德国天气预报模型) 中使用了 EWC。 利用 EWC 使得培训中的实践部分更加顺畅，参与者可以使用该模式进行天气预报，并将课堂中学到的知识付诸实践。

国际合作与系统互补

东南欧多灾种预警咨询系统 (SEE-MHEWS-A) 旨在改善欧洲遭受大量气象和水文灾害的地区的预报能力。 该系统由 WMO 实施，并在演示阶段由 ECMWF 托管，提供了在单一虚拟平台上进行灾害及其潜在影响预报的工具。

EWC 的功能使参与国的国家气象和水文服务机构 (NMHSs) 能够为其用户部署自己的基于网页的应用程序。 与将数据发送到 NMHS 以供其应用使用不同的是，SEE-MHEWS-A 参与国通过 ECMWF 的高性能计算设施 (HPCF) 生成的数据直接传送到 EWC。 由于两项服务位于同一数据中心内，因此数据可以有效地直接传输到应用程序中，而不会使外部网络负载过重。 考虑到 ECMWF 当前预报系统 IFS Cycle 48r1 的分辨率有所提高，这一点尤为重要。

应急响应支持

2020 年 3 月，一场地震严重损坏了克罗地亚气象与水文服务局 (Croatian Meteorological and Hydrological Service, DHMZ) 的总部。 虽然没有人员伤亡，IT 基础设施也完好无损，但存放这些设备的建筑物却遭受了严重破坏。 在没有任何预先准备的情况下，DHMZ 在数天内通过 EWC 建立一套备份系统。 DHMZ 运行的服务副本被迅速部署，并行运行，为建筑物及其相关基础设施可能进一步恶化的情况提供了保障。

“我对 ECMWF 和 EUMETSAT 在地震后对 DHMZ 的迅速、有效响应和支持印象深刻，” DHMZ 前总干事 Branka Ivančan-Picek 博士表示。

2021 年，DHMZ 将其办公室和数据中心搬迁至新址。 在这一过渡期间，运行在 EWC 和 ECMWF 高性能计算设施上的备份系统成为了关键保障，确保 DHMZ 能够持续为其用户提供不间断的服务。

系统互操作性

虽然 EWC 主要供 ECMWF 和 EUMETSAT 的成员国和合作国使用，但它也可用于 WMO 的活动。 WMO 信息系统 2.0 (WMO Information System 2.0, WIS 2.0) 为 WMO 数据共享提供了一个框架，用户可以通过该系统贡献数据或下载数据。

尽管 WIS 2.0 组件可以部署在任何云平台上，但作为 WIS 2.0 的主要贡献者之一得法国气象局 (Météo-France)，选择了 EWC 在预运行阶段托管其中一个核心组件。 EWC 专为运行可供外部用户使用的服务型应用程序而设计。 这个示例以及其他类似的案例表明，EWC 可以与全球其他云平台和服务相互连接，展示了 EWC 面向外界的特性，具有极大的价值。

ECMWF 的底层云计算架构

ECMWF 的 EWC 托管在 ECMWF 的公共云基础设施 (Common Cloud Infrastructure, CCI) 内。 这是一个基于云计算的 IT 基础设施，旨在托管和服务于 ECMWF 提供的多个项目和服务。 CCI 已经建立在位于意大利博洛尼亚的 ECMWF 数据中心内，并与ECMWF 的其他设施和服务 (如高性能计算设施 (HPCF) 和数据处理系统 (DHS)) 共同部署。

CCI 还托管了新的 ECMWF Copernicus Data Stores，它是欧盟委托 ECMWF 实施的两项哥白尼业务服务的主要数据存储系统和后台：Copernicus Climate Change Service (C3S) 的 Climate Data Store (CDS) 和 Copernicus Atmosphere Monitoring Service (CAMS) 的 Atmosphere Data Store (ADS)。 图 3 展示了 CCI、EWC 和 Copernicus Data Stores 之间的关系。

图 3 CCI 支持欧洲天气云、哥白尼数据存储以及其他应用程序和服务。IaaS、PaaS 和 SaaS 分别代表“基础设施即服务”、“平台即服务”和“软件即服务”。图片来自原文

云基础设施分为两个生产云，分别命名为 CCI1 和 CCI2。 每个生产云都托管在 ECMWF 数据中心的不同计算机房中，以实现冗余和弹性。 在当前配置中，CCI 包括 68 个计算节点，共计 19,456 个核心，并配备超过 117 TiB 的内存。 该基础设施提供了 32 个 Nvidia Ampere A100 80 GB 图形处理单元 (GPU)，以满足 AI 和 ML 用户及应用的需求。 表 1 提供了 CCI 资源的概述。

表1：CCI 托管了 EWC 等服务，其中 EWC 可以使用大约 50% 的整体 CCI 资源。图片来自原文

Openstack 是一个知名的开源标准云计算软件平台，用于管理这些计算能力，并将其提供给不同的应用程序、服务和用户。 支撑这些计算能力的是每个 CCI 云集群大约 5.5 PiB 的可用硬盘驱动器 (HDD) 存储和约 300 TiB 的固态驱动器 (SSD) 存储。 Ceph 是这些存储背后的解决方案，确保数据访问的可扩展性和稳健性。 这些存储容量既可用于云中虚拟基础设施的经典块存储，也支持通过流行的API (如 Amazon S3 和 Openstack Swift) 进行对象存储。

结论

EWC 在从试点项目转向运营服务的过程中，已为众多使用案例和广泛的应用提供了支持。 围绕该平台的社区正在不断壮大，在培训、用户研讨会等相关活动以及讨论平台上，现有和潜在用户都积极参与其中。

EWC 持续发展，通过引入新工具和服务来丰富其功能，改进用户体验，并进一步促进社区内的协作。

扩展阅读

Pappenberger, F. & M. Palkovič, 2020: Progress towards a European Weather Cloud, ECMWF Newsletter No. 165, 24–27. https://www.ecmwf.int/en/newsletter/165/computing/progress-towards-european-weather-cloud

Abellan, X., K. Horvath, I. Pelajić & A. Stanešić, 2020: Croatian met service backs up its production at ECMWF after earthquake, ECMWF Newsletter No. 164, 5–7. https://www.ecmwf.int/en/newsletter/164/news/croatian-met-service-backs-its-production-ecmwf-after-earthquake

Giraud, R., D. Podeur & T. Lacoste, 2023: Running a Global Broker as part of the new WMO data sharing solution. ECMWF Newsletter No. 177, 32–36. https://www.ecmwf.int/en/newsletter/177/computing/running-global-broker-part-new-wmo-data-sharing-solution

注：正文部分到此结束，以下内容为译者添加

讨论

CMA 正通过气象大数据云平台 (CMADaaS) 走在业务集约的道路上。 参考文献 [1] 和 [2] 详细介绍了加工流水线的技术架构和其最具特色的数据源感知调度技术的实现，非常值得阅读。

参考文献 [1] 中指出各业务系统构建的“产品加工系统和配套数据管理系统”，会产生“数据孤岛与应用烟囱”，“是气象业务不集约的表现”。 而气象业务不集约存在的如下问题：

  • 针对相似的应用场景，数据标准不统一，运维难度大。
  • 各业务系统自建数据库，数据重复存储，造成巨大浪费。
  • 数据本地化存储，因同步不及时导致数据不一致。
  • 业务系统独立开发与运行，导致严重的信息与技术壁垒，上下游业务无法联动

文献 [1] 指出气象大数据云平台 (即天擎) 对气象业务集约化的重要作用，并说明了“加工流水线”在天擎中的定位：

构建以天擎为云、气象业务系统为端的“云＋端”业务技术体制，是实现气象业务集约化和高质量发展的必由之路。

加工流水线是天擎实现算法统一管理与集约运行、消除应用烟囱、实现“云＋端”业务技术体制的重要基础。

从文献 [1] [2] 中可以看到，相较于 EWC 采用更偏向于通用云平台的技术路线，CMA 的云平台虽然底层也采用了诸如 K8S 等 IT 业界通用技术，但在用户端则更侧重打造专有的技术生态系统，而这其中的核心部分之一就是“加工流水线”。 形成这种区别的一种可能原因在内部发表的一篇文章中有所体现 (不方便列出具体信息，请自行搜索)。 通用技术与专有技术的比较是个仁者见仁智者见智的事情。 作为集体中的一员，自有规划指南设计等正式文件来指导技术路线。 就像笔者一直是开源的鼓吹者，但也只是将自己开发的工具类软件开源发布，而不会建议其他项目进行开源。

数值预报业务系统正在进行集约化整合，尝试对业务系统中的部分任务进行云化改造。 不过从笔者前期参与的项目开发过程来看，直接将 HPC 业务系统运行经验带入到云平台中会出现严重水土不服的情况，不仅很难发挥云平台灵活可定制的优势，甚至还会因为使用不当影响云平台上其他正常运行的业务系统。 出现这些问题的原因之一是在项目的分析、设计和开发等阶段，笔者都没有投入足够的时间和精力去了解天擎的技术环境，仅仅依靠过去的经验就想当然地给出不切实际的设计，项目组的大量时间浪费在反复调整实际上仍不合适的技术方案上。 对于 HPC 平台的重度用户来说，新平台既是挑战也是机遇。 从前期项目看，笔者挑战失败而没能抓住机遇，还需要再仔细思考如何才能将当前 HPC 中开展的工作与云平台结合起来。 实际上，笔者最近在考虑是否等下一代云平台成型后再重新审视云化改造的技术路线图。 在考虑清楚之前，还是先从开发最容易实现跨平台的 Python 算法入手吧。

参考

原文：

https://www.ecmwf.int/en/newsletter/180/computing/european-weather-cloud-now-operational

参考文献

[1] 霍庆, 何文春, 何林, 等. 气象大数据云平台算法集约化环境设计与应用. 应用气象学报, 2024, 35(1): 80-89. DOI:  10.11898/1001-7313.20240107.

[2] 霍庆, 何文春, 高峰, 等. 基于数据感知的气象算法调度框架设计与应用. 应用气象学报, 2024, 35(4): 502-512. DOI:  10.11898/1001-7313.20240410.