何 林，任 杰，吉 慶

(1.陜西省氣象信息中心，陜西 西安 710014；2.秦嶺和黃土高原生態(tài)環(huán)境氣象重點實驗室，陜西 西安 710014；3.陜西師范大學 計算機科學學院，陜西 西安 710119；4.陜西省氣象臺，陜西 西安 710014)

0 引 言

天氣預報與人們的生產(chǎn)生活息息相關，在交通出行、工農(nóng)業(yè)生產(chǎn)、自然災害防御等方面都發(fā)揮著重要作用。傳統(tǒng)天氣預報以縣及以上行政區(qū)域為空間范圍，針對未來幾小時到幾天可能發(fā)生的天氣狀況進行定性描述，存在時空尺度較大、服務不夠精細和預報準確率較低等諸多問題。近年來，隨著社會經(jīng)濟的發(fā)展及信息化水平的不斷提高，國-省氣象部門基本建成了以時空分辨率更高、要素定量化和多樣化、預報精準、服務貼心為特征的智能網(wǎng)格預報業(yè)務體系，為政府部門和公眾提供了全方位、高分辨率、定量定點的精細化氣象要素預報服務。但由于智能網(wǎng)格預報業(yè)務流程及功能操作較為復雜，往往一個小環(huán)節(jié)的故障都會導致整個業(yè)務流發(fā)生中斷與癱瘓，加之預報員與運維人員存在信息不對稱、故障定位困難等問題，進一步加劇了運維難度。因此實現(xiàn)一體化監(jiān)控、建立自動化運維體系、保障預報業(yè)務系統(tǒng)的穩(wěn)定運行已成為制約智能網(wǎng)格預報業(yè)務發(fā)展亟待解決的關鍵問題。

建立滿足業(yè)務需求的監(jiān)控系統(tǒng)是氣象行業(yè)信息化支撐能力的最重要體現(xiàn)。近年來，國內(nèi)外氣象部門紛紛開展了氣象業(yè)務領域監(jiān)控系統(tǒng)的設計研發(fā)工作，并取得一定進展。在國外，美國國家環(huán)境預報中心(NCEP)的實時數(shù)據(jù)監(jiān)測系統(tǒng)(RTDMS)針對觀測數(shù)據(jù)的數(shù)量和時效進行實時監(jiān)控。歐洲中期天氣預報中心(ECMWF)通過研發(fā)觀測告警系統(tǒng)，實現(xiàn)對數(shù)據(jù)可用性和質(zhì)量問題的監(jiān)控。在國內(nèi)，國家級代表性氣象監(jiān)控系統(tǒng)如文獻[5]的全國綜合氣象信息共享平臺(CIMISS)的業(yè)務監(jiān)控系統(tǒng)(MCP)，針對氣象觀測數(shù)據(jù)，從數(shù)據(jù)的收集分發(fā)、加工處理、存儲管理和共享服務等全生命周期進行了監(jiān)視，并具備監(jiān)視信息的統(tǒng)計分析和自動告警等功能。文獻[6-7]的綜合氣象觀測系統(tǒng)運行監(jiān)控平臺(ASOM)則針對國家級地面自動觀測氣象站、探空觀測氣象站、新一代天氣雷達等重點觀測網(wǎng)的設備運行狀態(tài)、探測數(shù)據(jù)質(zhì)量等進行監(jiān)控，并改進運行監(jiān)控綜合評估、監(jiān)控信息發(fā)布等功能。省級監(jiān)控系統(tǒng)如文獻[8]設計了省級氣象信息發(fā)布監(jiān)控系統(tǒng)，整合現(xiàn)有的預警信息發(fā)布手段，實現(xiàn)對一鍵式發(fā)布氣象災害預警信息、氣象服務信息、氣象為農(nóng)信息的全程監(jiān)控。文獻[9]提出適用于基層臺站、基于云平臺的氣象數(shù)據(jù)監(jiān)控服務系統(tǒng)，側重于觀測站數(shù)據(jù)下載、監(jiān)控信息獲取、主動告警服務的設計實現(xiàn)。國內(nèi)氣象業(yè)務監(jiān)控的集大成者是氣象綜合業(yè)務實時監(jiān)控系統(tǒng)(簡稱“天鏡”)，按照“橫向集中、下沉一級、綜合監(jiān)控”的原則，建立橫縱一體化的氣象綜合業(yè)務全流程監(jiān)控，覆蓋氣象觀測、信息、預報、服務、政務等氣象業(yè)務全流程，監(jiān)控范圍覆蓋業(yè)務系統(tǒng)的場地、網(wǎng)絡、服務器、存儲、數(shù)據(jù)流程、應用狀態(tài)等，實現(xiàn)全棧業(yè)務的集中告警、綜合監(jiān)控、運維管理、大屏綜合展示等功能。

該文按照“天鏡”的設計理念，全面梳理智能網(wǎng)格天氣預報業(yè)務中的關鍵環(huán)節(jié)，設計了智能網(wǎng)格預報監(jiān)控平臺的總體框架及功能模塊。該平臺以數(shù)據(jù)流向為主線，對銜接緊密的關鍵業(yè)務環(huán)節(jié)和監(jiān)視對象進行解耦，分別建立監(jiān)控指標模型，從監(jiān)視信息的采集、處理、存儲、展示實現(xiàn)分層逐級處理。通過可視化大屏設計，實現(xiàn)分層綜合監(jiān)視與集中告警，并建立與之聯(lián)動的后臺運維信息管理。該平臺滿足運維無紙化、便捷化、規(guī)范化、自動化的要求，提高了省級業(yè)務運維保障能力。

1 系統(tǒng)設計

1.1 數(shù)據(jù)流分析

監(jiān)控平臺圍繞國家級-省級智能網(wǎng)格預報業(yè)務流程進行構建。表1分析了智能網(wǎng)格預報業(yè)務每個階段的輸入輸出數(shù)據(jù)對應關系，將抽象的業(yè)務流程與可落地的數(shù)據(jù)產(chǎn)品分離，便于抽取關鍵數(shù)據(jù)產(chǎn)品，將關鍵業(yè)務環(huán)節(jié)的監(jiān)視轉換為對輸入輸出數(shù)據(jù)完整性和時效性的監(jiān)視。

表1 智能網(wǎng)格天氣預報業(yè)務流與數(shù)據(jù)流的對應關系

1.2 總體架構

監(jiān)控平臺的總體架構如圖1所示，以數(shù)據(jù)流為中心屏蔽智能網(wǎng)格預報的業(yè)務流程。監(jiān)視對象包括與業(yè)務相關的各類硬件設備、網(wǎng)絡、系統(tǒng)軟件和應用軟件等，適配相應的采集技術，獲取監(jiān)視源的狀態(tài)、指標、事件等監(jiān)視信息。存儲層匯聚了監(jiān)控平臺所用到的各類數(shù)據(jù)資源，包括依托以CIMISS為核心的省級集約化氣象數(shù)據(jù)環(huán)境構建智能網(wǎng)格預報專題庫，如基礎氣象數(shù)據(jù)、中間產(chǎn)品、預報產(chǎn)品和服務產(chǎn)品等；通過采集工具獲取各類監(jiān)視對象的指標數(shù)據(jù)庫和日志事件庫；平臺前端及后端設置面向不同監(jiān)控對象的閾值、參數(shù)及相關元數(shù)據(jù)的配置信息庫；為提高訪問速度，設計數(shù)據(jù)緩存庫對熱點信息進行存儲。存儲層與數(shù)據(jù)處理和應用層進行讀寫交互。業(yè)務邏輯層提供各類計算模型和管理組件，對數(shù)據(jù)進行加工處理，部分加工產(chǎn)品回寫至存儲層，部分直接提供給應用層進行調(diào)用。應用層即監(jiān)控平臺的前臺大屏展示和后臺運維信息管理，通過調(diào)用存儲層的統(tǒng)一數(shù)據(jù)接口獲取相關數(shù)據(jù)。

圖1 智能網(wǎng)格天氣預報監(jiān)控平臺架構

1.3 功能設計

包括綜合信息概覽、基礎平臺監(jiān)視、數(shù)據(jù)全流程、算法與服務信息、告警配置管理五個功能模塊。

(1)綜合信息概覽。作為系統(tǒng)訪問的入口，綜合展示當前智能網(wǎng)格預報業(yè)務中用到的各類氣象基礎數(shù)據(jù)、預報產(chǎn)品、服務產(chǎn)品的存儲總量及分布，業(yè)務整體運行狀況，當前所處業(yè)務流程環(huán)節(jié)、任務狀態(tài)，當日業(yè)務值班信息，以及各類導航、通知及個性化推薦信息。

(2)基礎平臺監(jiān)視。對智能網(wǎng)格預報業(yè)務中使用的所有服務器、存儲等硬件設備，網(wǎng)絡連通狀態(tài)及流量信息、數(shù)據(jù)庫和消息中間件等支撐軟件的監(jiān)控。包括查詢單個設備節(jié)點狀態(tài)，統(tǒng)計某時段內(nèi)的流量，以及通過可視化組件對查詢和統(tǒng)計結果進行展示。

(3)數(shù)據(jù)全流程。對智能網(wǎng)格預報業(yè)務中各環(huán)節(jié)輸入和輸出數(shù)據(jù)產(chǎn)品的應接收總數(shù)、實接收數(shù)、接收率、應入庫總數(shù)、實入庫數(shù)、入庫率等以表格方式展示。并可查看接收和入庫詳情，包括每類數(shù)據(jù)產(chǎn)品記錄列表、每條記錄的接收時間和入庫時間等。

(4)算法與服務信息。針對智能網(wǎng)格預報算法庫里各算法的運行及調(diào)度狀況進行監(jiān)視，包括運行節(jié)點、觸發(fā)時間、執(zhí)行是否成功。對預報數(shù)據(jù)的訪問情況進行統(tǒng)計分析和展示，包括默認和任選時段內(nèi)的數(shù)據(jù)調(diào)用次數(shù)、用戶交互訪問量等。

(5)告警配置管理。面向監(jiān)控平臺的管理人員，針對不同的監(jiān)視對象，配置IP地址、監(jiān)視指標、告警閾值、優(yōu)先級別。定制告警發(fā)布方式，如語音、微信、短信、釘釘，以及相應的告警信息發(fā)送對象和范圍。對告警信息進行統(tǒng)計生成報表，對影響業(yè)務運行的故障進行登記留痕等。

2 關鍵技術及實現(xiàn)

2.1 數(shù)據(jù)模型設計

智能網(wǎng)格監(jiān)控平臺的設計關鍵是對監(jiān)視信息的采集、存儲、處理及展示。對于每個監(jiān)視對象的監(jiān)視指標，首先需要從時間維度記錄相應的監(jiān)視數(shù)值，對其進行建模：

m_data=getValue(m_class,m_object,index1,index2,…,indexN)& timestamp

其中，m_class表示對象類別，m_object表示監(jiān)視對象，index表示具體指標，對于不同的監(jiān)視對象，其監(jiān)視指標可以有多個，timestamp表示監(jiān)視時間戳。getValue函數(shù)表示采用不同采集方式獲取監(jiān)視數(shù)據(jù)，將其結果記錄在m_data中。

表2 智能網(wǎng)格預報業(yè)務中的主要監(jiān)視對象及指標

表2對業(yè)務監(jiān)視對象及其主要指標進行了匯總。根據(jù)監(jiān)視指標類數(shù)據(jù)具有高吞吐量寫入、低延遲讀取、高頻頁面查詢刷新、按時間粒度匯聚等存取特征，選用Cassandra數(shù)據(jù)庫對指標信息進行存儲，將每一條記錄轉換為鍵值對，數(shù)據(jù)結構設計如表3所示。

表3 監(jiān)視指標類數(shù)據(jù)Cassandra表結構設計與示例

對于每個Columns都有一個時間戳timestamp，即某時刻點記錄的監(jiān)視值。通過這種方式將指標數(shù)據(jù)進行持久化，具有很強的靈活性和擴展性，對于不同的監(jiān)視對象RowKey都可以通過不同時刻timestamp的指標columns記錄其監(jiān)視值value，并且指標數(shù)量column是可以進行靈活增刪，使得不同監(jiān)視對象的監(jiān)視指標互不影響。

2.2 監(jiān)視信息采集技術

針對不同的監(jiān)視對象及特點，采用C/S架構，監(jiān)視客戶端“推”或采集服務端“拉”兩種方式實現(xiàn)監(jiān)視信息的主動推送或被動采集。涉及采集技術包括以下四種。

(1)標準接口。對于數(shù)據(jù)庫和消息中間件等規(guī)范化的系統(tǒng)軟件，一般都提供了類似JDBC連接或消息隊列監(jiān)聽等標準化的服務接口，采集服務端直接調(diào)用客戶端提供的接口抽取信息，然后二次加工后即可采集到相應指標的監(jiān)視信息。

(2)采集代理。針對基礎硬件平臺監(jiān)視信息的采集，使用封裝psutil工具的客戶端代理實現(xiàn)。psutil是基于Python語言開發(fā)的跨平臺庫，主要應用于系統(tǒng)監(jiān)控，分析、限制系統(tǒng)資源及進程管理等。通過psutil內(nèi)置的豐富的函數(shù)，能夠快速獲取系統(tǒng)運行的進程和系統(tǒng)利用率(包括CPU、內(nèi)存、磁盤、網(wǎng)絡)等指標的信息。

(3)日志解析。針對應用軟件和服務信息的監(jiān)視信息采集，一般采用日志解析方式。其中，日志類型包括結構化存儲的日志數(shù)據(jù)表、非結構化存儲的標準格式或自定義格式日志文件兩大類。結構化日志數(shù)據(jù)一般可直連源數(shù)據(jù)表，并使用SQL語句進行簡單處理后即可實現(xiàn)解析，而非結構化日志則采用Logstash技術進行采集與處理。Logstash是一款輕量級的日志搜集處理框架，可以方便地把分散的、多樣化的日志搜集起來，并進行自定義的轉換處理，然后傳輸?shù)街付ǖ哪繕宋恢谩ogstash包括Inputs(日志收集)、Filters(日志過濾器)、Outputs(日志轉存)三個階段，形成了一個類似管道的數(shù)據(jù)流，其中Filter是Logstash管道中間處理的核心組件，包含對多種可插拔的日志解析插件的管理。智能網(wǎng)格預報監(jiān)控平臺主要采用了Filter中的Grok和Date插件對非結構化日志文件進行處理，將文本格式的字符串，配合正則表達式，轉換成為具體的結構化數(shù)據(jù)。以下以EC細網(wǎng)格模式資料解碼算法為例，對解碼算法輸出日志進行解析時，日志過濾器的配置示例如下：

filter { #日志過濾器聲明的關鍵字

if [type] == "ec-decode" {

#根據(jù)tpye字段來過濾不同的解析規(guī)則

grok {

patterns_dir => "～/logstash/mypatterns/"

#自定義匹配規(guī)則的存儲路徑

match => {"message" => "%{DECODE_LOG}" }

#對日志按匹配規(guī)則的指定格式抽取信息

remove_field => ["message"]

#將無用的原始日志記錄移除

}

date {

match =>

["timestamp","dd/MMM/YYYY:HH:mm:ss Z" ]

#匹配日志中的時間戳

} }}

(4)目錄輪詢。對于日志信息缺失以及極不規(guī)范的應用軟件，可轉換為對其輸出數(shù)據(jù)產(chǎn)品的目錄的間接監(jiān)視。目錄輪詢軟件采用Quartz開源組件實現(xiàn)，Quartz是一個使用java語言開發(fā)的輕量級的任務調(diào)度框架。由于需要監(jiān)視的中間產(chǎn)品和預報產(chǎn)品的目錄較多，且不同目錄的監(jiān)視頻次存在差別，因此借助Quartz強大的任務調(diào)度機制和靈活便捷的配置規(guī)則，將眾多目錄的監(jiān)視轉換為定時觸發(fā)任務，在特定時間點對目標目錄下的符合文件名正則表達式的文件總數(shù)進行統(tǒng)計，并將結果寫入日志事件數(shù)據(jù)庫。

此外，為保證以上采集方式得到的多源監(jiān)視信息的格式和傳輸方式保持一致，采用http RestFul風格的統(tǒng)一接口將json格式的監(jiān)視信息以post方式向存儲系統(tǒng)提交請求，從而實現(xiàn)監(jiān)視信息從采集到存儲的過程。

2.3 監(jiān)視信息處理框架

智能網(wǎng)格預報業(yè)務在時間和空間方面存在一定的特征規(guī)律，使得某些時段和空間范圍內(nèi)的監(jiān)視信息出現(xiàn)陡增。例如，原始數(shù)值模式資料一般在每日08及20時次下發(fā)比較密集，對應的客觀背景場產(chǎn)品須在每日5:30和15:30預報訂正前生成；市級預報訂正時主要調(diào)用本地區(qū)責任范圍內(nèi)的格點數(shù)據(jù)，邊界及交叉區(qū)域的格點數(shù)據(jù)在訂正是做要素協(xié)同，會發(fā)生更高頻的數(shù)據(jù)調(diào)用。這些關鍵時段的業(yè)務行為使相應的監(jiān)視對象產(chǎn)生更多的監(jiān)視信息。為保證關鍵業(yè)務時段監(jiān)視信息的寫入、查詢和分析性能，采用Kafka高吞吐量數(shù)據(jù)隊列機制和Redis分布式緩存實現(xiàn)對數(shù)據(jù)的削峰處理和實時緩存。

Kafka是一種高吞吐的分布式發(fā)布訂閱消息中間件系統(tǒng)，具有高性能、持久化、多副本備份、橫向擴展能力等優(yōu)點。為Kafka消息主題topic命名時，包含監(jiān)視對象、指標等關鍵字。每個主題中的消息體為采集的監(jiān)視指標或日志事件，生產(chǎn)者即監(jiān)視信息采集組件向topic里推送消息，消費者從topic中拉取消息進行監(jiān)視信息入庫、指標計算、統(tǒng)計分析等業(yè)務邏輯處理。當處于業(yè)務繁忙時段，通過增加topic中的partition數(shù)量來進行橫向擴容，而單個parition內(nèi)的消息始終有序，保證了業(yè)務流程不被擾亂。

消費者對監(jiān)視信息處理的結果先同步到Redis分布式緩存系統(tǒng)中，再寫入對應的目標監(jiān)視數(shù)據(jù)庫中。Redis是基于內(nèi)存、可持久化的日志型、Key-Value數(shù)據(jù)庫系統(tǒng)，支持豐富的數(shù)據(jù)類型，并提供多種語言的API。對單節(jié)點Redis的Key做一致性哈希，且每個數(shù)據(jù)分片都采用主從復制結構，實現(xiàn)分布式緩存機制，不但具有讀寫分離的優(yōu)點，而且保證了高可用性。當運維人員檢索或統(tǒng)計監(jiān)視信息時，服務端策略為首先從Redis中獲取已過濾的熱點數(shù)據(jù)，如果命中，則直接在前端頁面進行展示，如果未命中，則按照Key選擇連接對應的目標監(jiān)視數(shù)據(jù)庫進行讀取。

2.4 日志事件存儲技術

在網(wǎng)格預報業(yè)務環(huán)節(jié)生成的日志信息包括運行細節(jié)信息(detail information，DI)和異常事件信息(event information，EI)。海量日志信息源源不斷寫入，同時前端通過關鍵字進行查詢和分類統(tǒng)計等操作，將對磁盤產(chǎn)生大量I/O讀寫壓力。為更好地滿足上述應用需求，采用ElasticSearch數(shù)據(jù)庫集群存儲日志事件類的監(jiān)視數(shù)據(jù)。

ElasticSearch簡稱ES，是一個分布式可擴展的智能化全文搜索引擎和面向文檔型數(shù)據(jù)庫，特別適用于快速儲存、實時搜索和分析海量數(shù)據(jù)的應用場景。ES允許多臺服務器協(xié)同工作，每臺服務器運行多個ES實例。單個ES實例稱為一個節(jié)點，一組節(jié)點構成一個集群，ES去中心化的集群設計方式，將多個分片均衡地分布在集群的所有可用節(jié)點上，不會因某個節(jié)點的故障而導致集群崩潰。在存儲數(shù)據(jù)時，ES通過索引所有字段提高查詢速度。索引相當于數(shù)據(jù)庫，數(shù)據(jù)表即索引類型，單條記錄稱為文檔，常用JSON作為文檔序列化的格式。使用ES提供的PUT方法建立產(chǎn)品加工DI索引如下所示：

PUT Monitor_log/ #創(chuàng)建DI索引

{ #該索引的分片數(shù)為3，副本數(shù)為2

"settings": {

"number_of_shards": 3,

"number_of_replicas": 2 },

“mappings”:{

“_DI”:{

#定義DI索引的內(nèi)部結構

“properties”:{

#定義DI的基本屬性，包括編碼和名稱

“di_codes”:

{“tpye”:“string”}, “di_name”:

{“tpye”:“string” },

#定義DI的具體字段

“fields”:{

“receiver”:“string”,

“sender”:“string”,

“data_type”:“string”,

“source_counts”:“integer”,

“product_counts”: “integer”,

“process_state”:“boolean”,

“record_time”:“date”

}

} } } }

其中，DI的具體字段包括接收系統(tǒng)、發(fā)送系統(tǒng)、數(shù)據(jù)編碼、源數(shù)據(jù)記錄數(shù)、產(chǎn)品記錄數(shù)、加工狀態(tài)、運行時間等。針對建好的DI索引，插入一條文檔的方法示例如下：

PUTMonitor_log/_DI/1

{

“di_codes”:“FORCAST.DCOEF.DI”,

“di_name”:“交叉取優(yōu)算法處理詳細信息”，

“fields”{

“receiver”:“降尺度系統(tǒng)”,

“sender”:“背景場系統(tǒng)”,

“data_type”:“F.8299.0001.S001”,

“source_counts”:“384”,

“product_counts”: “16”,

“process_state”:“true”,

“record_time”:“2020-10-28 02:35:12”}

}

EI文檔設計與DI類似，區(qū)別在fields中增加了告警級別和響應狀態(tài)，不再贅述。

2.5 數(shù)據(jù)可視化技術

數(shù)據(jù)可視化的主要目的是通過統(tǒng)計圖形、信息圖形和圖表等方式清晰有效地傳達信息。在智能網(wǎng)格預報監(jiān)控平臺中的數(shù)據(jù)可視化包括對氣象業(yè)務數(shù)據(jù)、監(jiān)視指標、日志事件的可視化。其中，氣象業(yè)務數(shù)據(jù)具有多類型、高維度、弱模式等特點，可在后臺定時繪圖，前端直接加載輪詢圖像產(chǎn)品即可。而監(jiān)視指標、日志事件等需從時間、空間等維度進行統(tǒng)計整合，并將分析結果以表格及繪圖呈現(xiàn)。該文采用Matplotlib和D3.js進行數(shù)據(jù)可視化的實現(xiàn)。

Matplotlib是采用Python語言開發(fā)的2D繪圖庫，便于將數(shù)據(jù)進行圖形化，且提供多樣化的格式輸出。Matplotlib提供一套與Matlab語法相近的API，既可用于跨平臺的交互式繪圖，也可作為服務端繪圖組件，設置固定參數(shù)后，定時從業(yè)務數(shù)據(jù)庫中讀出數(shù)據(jù)并生成相應的圖形產(chǎn)品。D3.js全稱是Data-Driven Documents(數(shù)據(jù)驅動文檔)，是基于數(shù)據(jù)來操作文檔的JavaScript庫，用于在瀏覽器前端中創(chuàng)建交互式可視化。D3.js采用聲明性編程，支持大型數(shù)據(jù)集，為線性、分層、網(wǎng)絡和地理數(shù)據(jù)布置視覺元素，并將數(shù)據(jù)關聯(lián)到html頁面中的元素或元素組。采用Matplotlib結合D3.js的解決方案，滿足對二維氣象數(shù)據(jù)及監(jiān)視指標數(shù)據(jù)常見的時序圖、折線圖、直方圖、餅圖、散點圖、儀表盤、流線圖、熱力圖等，在前端直接繪制和渲染。針對三維標量場氣象數(shù)據(jù)繪制等值線/面、色斑圖、落區(qū)圖、切片圖等，采用Matplotlib庫提供的插值算法進行網(wǎng)格化，并與Basemap相結合，實現(xiàn)氣象GIS圖像的繪制，也可疊加至Web GIS地圖上展示。針對氣象多維數(shù)據(jù)，采用幾何投影、圖標、像素等多種方法，對其進行映射、投影和變換，實現(xiàn)對雷達、模式資料的降維展示。

3 結束語

智能網(wǎng)格天氣預報監(jiān)控平臺已在陜西省氣象部門進行了技術實現(xiàn)及推廣應用。該平臺不僅對智能網(wǎng)格預報數(shù)據(jù)環(huán)境中涉及到的地面、高空、雷達、模式等十余類基礎氣象數(shù)據(jù)，以及網(wǎng)格預報業(yè)務中生成的3X3公里客觀背景場、網(wǎng)格實況產(chǎn)品、網(wǎng)格訂正預報、站點預報、線路預報、公共服務產(chǎn)品的接收、制作和存儲狀況進行監(jiān)視，而且對業(yè)務中用到氣象私有云中的30余臺虛擬服務器資源的實時運行狀態(tài)、網(wǎng)絡拓撲及流量、應用軟件運行、數(shù)據(jù)調(diào)用和服務信息實現(xiàn)了一體化監(jiān)控。

平臺上線后，業(yè)務人員對智能網(wǎng)格預報業(yè)務的整體運行狀況有了更為全面的把控。當異常發(fā)生后，平臺能通過多種渠道快速地向值班人員發(fā)出告警，大大提高了下一步運行控制和故障處理的提前量，緩解了值班壓力，有效保障了核心預報業(yè)務的質(zhì)量，有助于提供及時、高效的氣象服務。目前，該平臺在陜西省氣象部門運行穩(wěn)定，已成為全省智能網(wǎng)格預報業(yè)務開展的關鍵支撐系統(tǒng)。