1. خانه
  2. همه مقالات
  3. مفاهیم رایانش ابری
  4. محاسبات ابری
  5. کاربرد رایانش ابری در هواشناسی

کاربرد رایانش ابری در هواشناسی

زمان مطالعه: 5 دقیقه
رایانش ابری در هواشناسی

در این مقاله به بررسی نمونه‌ای از کاربرد رایانش ابری در هواشناسی، برگرفته از سایت شرکت رایانش ابری آمازون وب سرویس (AWS) پرداخته‌ایم.

فناوری رایانش ابری به عنوان یک کامپیوتر قوی و همواره در دسترس، در صنایع مختلفی کاربرد دارد.

یکی از مهم‌ترین کاربردهای این فناوری را می‌توان در صنعت هواشناسی دید. شرکت Weathernews به خوبی از مزایای این فناوری به نفع خود بهره می‌برد.

این شرکت ژاپنی در سال 1986 تأسیس شده است و امروزه یکی از بزرگ‌ترین شرکت‌های هواشناسی خصوصی در دنیاست.

پایگاه‌های فروش و عملیاتی Weathernews در شهرهای مختلفی از جهان مستقر هستند و به حدود 50 کشور در سراسر دنیا خدمات ارائه می‌دهند.

خدمات این شرکت از پیش‌بینی آب‌وهوای مناسب برای حمل‌ و نقل، هوانوردی، راه آهن، جاده، خرده فروشی و… را شامل می‌شود.

اپلیکیشن موبایل Weathernews به‌صورت پولی خدمات خود را ارائه می‌دهد. با این‌حال طرفداران بی‌شماری در سطح جهان دارد.

این شرکت با سرمایه 1.76 میلیارد ین و تعداد 1049 کارمند به کار خود ادامه می‌دهد.

زیرساخت خانگی Weathernews

به‌طور معمول شرکت‌های هواشناسی، اطلاعات پایه خود را از سازمان‌های دولتی دریافت می‌کنند و به سرورها و امکانات آن‌‌ها وابسته‌ هستند.

اما Weathernews از همان ابتدا، زیرساخت‌های شخصی خود را برای مشاهده، ایجاد شبکه‌های ارتباطی، پردازش تصاویر و توزیع آن‌ها احداث نمود.

در سال 2005، این شرکت شماره‌گذار آب و هوای اصلی Original Weather Numerator (OWN) را به عنوان مدل پیش‌بینی آب و هوای خود توسعه داد.

به این ترتیب، یک سیستم محاسبات سنگین (HPC) خانگی در محل ساخته شد که به طور مداوم با افزایش تعداد سرورها بهبود می‌یافت.

این سرورهای قدرتمند خانگی به آن‌ها این امکان را می‌داد تا فواصل یک ساعته تا سه روز آینده را پیش‌بینی نمایند.

اما پس از مدتی این سرورها دیگر پاسخ‌گوی نیاز این شرکت نبود. توموهیرو ایشیباشی، مدیر عامل و مدیر اجرایی Weathernews در این‌باره گفت:

در فواصل یک ساعته، ابرهای بارانی به طور ناگهانی تار می‌شوند و تشخیص آنها دشوار است. همچنین در سال‌های اخیر، افزایش تغییرات سریع آب و هوایی مانند رعد و برق یا بارندگی موضعی وجود داشته است. این با افزایش نیاز به پیش‌بینی با وضوح بالا در دوره‌های زمانی طولانی‌تر مطابقت دارد.

مهاجرت Weathernews به ابر آمازون

پس از احساس نیاز به منابع قوی‌تر، این شرکت شروع به جستجوی سرویسی کرد تا با آن بتواند فواصل 10 دقیقه‌ای تا 15 ساعت آینده را پیش‌بینی کند.

هدف این شرکت بهبود فاصله پیش‌بینی قبلی، یعنی از هر شش ساعت (چهار بار در روز) به هر سه ساعت (هشت بار در روز) بود.

Weathernews دستیابی به فواصل پیش بینی 10 دقیقه‌ای تا 15 ساعته را با استفاده از سیستم‌های محاسبات سنگین ابر آمازون ممکن ساخت.

سیستم محاسبات سنگین AWS ParallelCluster امکان مدیریت منابع محاسباتی Weathernews را برای تولید پیش‌بینی‌هایی با وضوح بالا و متمایز از رقیبان ایجاد کرد.

محیط‌های HPC یا محاسبات سنگین ابری قادرند تا مقدار منابع محاسباتی مورد نیاز همان لحظه را به صورت آنی فراهم نمایند.

یعنی این محیط می‌تواند به طور انعطاف‌پذیر به نوسانات بار پاسخ دهد.

Weathernews با استفاده از خدمات وب آمازون (AWS) به دقت پیش‌بینی 90% دست یافت.

نسل جدید شماره‌گذار آب و هوای اصلی (OWN) با رایانش ابری

در سال 2018، Weathernews شروع به بررسی نسل بعدی پیاده سازی OWN ابری با استفاده از AWS ParallelCluster کرد.

این شرکت هواشناسی پس از اعتبارسنجی کامل، در آوریل سال 2020 تصمیم به اتخاذ AWS ParallelCluster گرفت.

کازوناری تاکاهاشی از تیم توسعه مرکز پیش بینی در این باره افزود:

در ابتدا، هنگام استفاده از MPI Message Passing Interface (واسط عبور پیام) در HPC ابری، نگرانی هایی در مورد مقیاس پذیری وجود داشت، اما اندازه گیری های واقعی بهبود سرعت را در محدوده 5000 vCPU نشان داد.

وی در ادامه افزود که استفاده از EFA، سرعت محاسبه را تا 25 درصد افزایش داد.

منظور از EFA یک آداپتور شبکه با تأخیر کم برای بارهای کاری (مانند بارهای کاری مبتنی بر MPI) است که به ارتباطات بین گره‌ای با پهنای باند بالا نیاز دارند.

مزایای مهاجرت به فضای ابری

در این بخش به بررسی مزیت‌های رایانش ابری در هواشناسی پرداخته‌ایم. این مزایا شامل موارد زیر خواهد بود که برخی از آن‌ها را شرح خواهیم داد:

  • دفعات به روز رسانی آب و هوا را دو برابر کرد
  • هزینه های تامین منابع محاسباتی طی پنج سال به میزان دو سوم کاهش یافت
  • کاهش عمده در حجم کار عملیاتی سرور
  • پیش بینی با وضوح بالاتر و دقت پیش بینی

افزایش انعطاف‌پذیری:

استفاده از AWS ParallelCluster منجر شده است که مقادیر زیادی از منابع محاسباتی، به‌صورت انعطاف‌پذیری همواره در دسترس باشد.

تهیه مقادیر زیادی از منابع محاسباتی مورد نیاز برای پیش‌بینی، یکی از چالش‌های مهم Weathernews بود. رهبر تیم توسعه مرکز پیش‌بینی، کوهی ساکاموتو، در این باره گفت:

افزودن منابع خانگی، همانطور که قبلاً انجام دادیم، به سرمایه‌گذاری هنگفتی نیاز دارد و با افزایش تعداد سرورها، نگرانی‌ها در مورد خرابی و بار عملیاتی بیشتر افزایش می‌یابد.

علاوه بر این، از ماه ژوئن تا اکتبر، طوفان‌ها و رعد و برق‌های مکرر و بارندگی‌های محلی در ژاپن بیشتر می‌شود.

بنابراین در این ماه‌ها Weathernews به منابع محاسباتی بیشتری نسبت به سایر فصول نیاز دارد.

قدرت انعطاف‌پذیری ابری، که به معنای کم و زیاد شدن میزان منابع در صورت نیاز و عدم نیاز به آن است، هزینه‌های Weathernews را کاهش می‌دهد.

پیش از این، برای Weathernews دشوار بود که با استفاده از سرورهای خانگی خود به چنین نوسانات باری به شیوه‌ای انعطاف پذیر پاسخ دهد.

افزایش دقت محاسبات:

افزودن منابع محاسباتی ابری منجر به پیش‌بینی در دوره‌های زمانی کوتاه‌تر شده است.

از طرفی وضوح فضایی نیز از یک منطقه 1 تا 5 کیلومتری به منطقه 250 متری بهبود یافته است.

این وضوح‌های بالاتر از فناوری‌های هوش مصنوعی جدید توسعه‌یافته استفاده می‌کنند.

تا سال 2020، دقت پیش‌بینی 91 درصد بوده است.اما این شرکت قصد دارد به دقت 94 درصد دست پیدا کند.

این افزایش دقت به دنبال توانایی سرورهای ابری در تهیه آنی منابع محاسباتی مورد نیاز برای پیش‌بینی است.

کاهش هزینه‌ها:

برای اطمینان از قابلیت اطمینان، این شرکت در حال ساخت یک سیستم اصلی و یک سیستم فرعی در دو منطقه AWS جداگانه است.

پردازش معمولاً بر روی سیستم اصلی در منطقه ویرجینیای شمالی انجام می شود، اما در صورت خرابی، برای پردازش مجدد به سیستم فرعی در منطقه توکیو باز می گردد.

Kohei Sakamoto در این‌باره می‌گوید:

استفاده از معماری چند منطقه ای AWS به طور قابل توجهی سرمایه گذاری اولیه و همچنین هزینه های عملیاتی ما را کاهش داده است. من تخمین می زنم که ما هزینه کل مالکیت خود را در طول پنج سال به یک سوم کاهش خواهیم داد.

کازوناری تاکاهاشی نیز رضایت خود را این‌گونه ابراز می‌کند:

ما توانسته‌ایم حجم کار عملیاتی خود را نیز کاهش دهیم. سرورها در محیط خانگی هر دو تا سه ماه یکبار از کار می‌افتند و رفع این مشکل مستلزم بازدید در محل توسط کارکنان بود. این مورد در AWS ParallelCluster لازم نیست. اگر پردازش در سیستم های اصلی با مشکل مواجه شود، سیستم به مدیر اطلاع می‌دهد و پردازش را به طور خودکار به سیستم دیگر منتقل می‌کند.

توموهیرو ایشیباشی درمورد افزایش درآمد شرکت از طریق کاربران پولی افزود:

توانایی پیش‌بینی در فواصل 10 دقیقه‌ای تا 15 ساعت آینده، با توجه به اینکه درک آن شهودی‌تر است، مورد توجه کاربران قرار گرفته است. به این ترتیب تعداد کاربران پولی افزایش یافته است. به عنوان مثال، شما می توانید چرخش یک طوفان را به وضوح ببینید. می‌توانید ببینید که چگونه آب و هوا بر اساس الگوهای آب و هوای گذشته تغییر می‌کند.

افزایش تفکر خارج از چارچوب:

در فضای ابری هواشناسان و مهندسان Weathernews قادر خواهند بود با ایده‌های خود بازی کنند، و نوعی پیش‌بینی را ممکن سازند که در غیر این صورت امکان‌پذیر نبود.

زیرا برداشتن اولین قدم در ایده‌های آینده‌نگری که به مقدار زیادی سرمایه‌گذاری نیاز دارند دشوار است.

اما با استفاده از رایانش ابری ریسک کمتر خواهد بود و حتی اگر کارها خوب پیش نروند، حداقل مقدار هزینه هدر خواهد رفت.

سرویس های ابری ابر فردوسی

شرکت ابر فردوسی ارائه دهنده سرویس‌های ابری متنوع با بهترین قیمت و کیفیت است. از جمله این سرویس‌ها می‌توان به:

  • سرور ابری
  • سرور محاسبات سنگین
  • سرور گرافیکی
  • سرور ژوپیتر لب
  • سرور اختصاصی و…

اشاره کرد. به عنوان مثال می‌توانید از محاسبات سنگین این شرکت، برای کاربردهای مشابه در این مقاله بهره برد. جهت آشنایی و یا استفاده کلیک نمایید:

سرور محاسبات سریع

برچسب‌ها:
فهرست