算力资源弹性不足
气象预报与气候模拟需应对突发计算需求,传统基础设施扩容慢,资源利用率低。
多源数据融合效率低
卫星、雷达、地面观测及模式数据来源异构,格式不一,整合与协同分析困难
科研环境部署复杂
不同研究项目(如数值预报、AI模型训练)所需软件环境差异大,手动部署繁琐且易冲突。
异构资源管理困难
计算资源可能包含x86、ARM、GPU及国产化硬件(如NPU/DCU),统一管理和调度挑战大。
气象预报与气候模拟需应对突发计算需求,传统基础设施扩容慢,资源利用率低。
卫星、雷达、地面观测及模式数据来源异构,格式不一,整合与协同分析困难
不同研究项目(如数值预报、AI模型训练)所需软件环境差异大,手动部署繁琐且易冲突。
计算资源可能包含x86、ARM、GPU及国产化硬件(如NPU/DCU),统一管理和调度挑战大。
通过自研容器引擎与多级调度技术,实现底层资源在HPC、AI、大数据等算力集群间灵活切换,提供按需伸缩的算力供给。
平台支持Hadoop、Spark等大数据环境,可无缝对接本地、跨机房及公有云资源,统一纳管多元数据,提升数据处理与分析效率。
基于容器技术将应用及运行环境打包为标准镜像,实现计算环境的快速部署、一键切换和隔离运行,保障不同任务互不干扰。
平台兼容国产化硬件及主流GPU,具备出色的异构调度能力,可实现跨架构资源的统一管理和高效利用。
平方公里阵列(SKA)是人类史上最大的射电天文观测设备,由多国共同出资建造。它规模宏大,灵敏度极高,建成后每年将产生海量科学数据,如 SKA1 全规模运行后每年约产出 710PB 数据。如此庞大的数据量,给数据处理和存储带来了巨大挑战。为满足全球 SKA 科学用户的数据处理和分析需求,SKA 国际组织计划在主要成员国建立多个 SKA 区域中心,构建分布式科研平台,需要为为天文学家提供一个灵活、高效...
了解更多