Статьи
Декабрь 22, 2025

Научно-исследовательская лаборатория, финансируемая правительством Индии, использует систему хранения данных Infortrend для исследований и прогнозирования погоды


  
«Решение Infortrend для хранения данных действительно открыло новые возможности для нашей модели исследования и прогнозирования погоды: теперь скорость обработки данных улучшена, а общая точность значительно повысилась. Мы выбрали хранилище Infortrend, поскольку оно предлагает высокую производительность и большую емкость по конкурентоспособной цене», — сказал руководитель отдела вычислительной техники и управления данными в исследовательской лаборатории. 

Государственная исследовательская лаборатория является ведущим центром в Индии, специализирующимся на фундаментальных и прикладных исследованиях в области атмосферных и космических наук. Для удовлетворения вычислительных потребностей научных исследований и моделирования лаборатория размещает на своей территории высокопроизводительный вычислительный центр. Для прогнозирования погоды и исследований атмосферы лаборатория использует численную модель прогнозирования погоды — модель исследования и прогнозирования погоды (WRF), которая в значительной степени опирается на высокопроизводительные вычисления. Процесс WRF включает две фазы: 1) загрузка входных данных, т. е. больших объемов изображений высокого разрешения, полученных в нескольких регионах, для обеспечения начальных условий для WRF; 2) запуск модели прогнозирования. Для выявления закономерностей во входных данных и анализа выходных данных лаборатория создает нейронные сети глубокого обучения с использованием фреймворка PyTorch и среды Conda в высокопроизводительной файловой системе XFS. Недавно размер кластера высокопроизводительных вычислений, развернутого исследовательской лабораторией, увеличился, а сложность модели WRF также возросла. Однако это увеличило требования к пропускной способности ввода-вывода, поскольку недостаточная производительность хранилища привела к узким местам в эффективном производстве атмосферных симуляций WRF, что негативно сказалось на точности прогнозирования погоды. Для повышения скорости вывода данных WRF и оптимизации точности прогнозирования погоды лаборатории потребовалось заменить существующее устаревшее хранилище новым высокопроизводительным решением. 


Проблемы


  • Устаревшие системы хранения данных обеспечивали крайне низкую производительность для ресурсоемких операций ввода-вывода модели WRF, что негативно сказалось на скорости генерации симуляций погоды и точности прогнозирования погоды.
  • Большие объемы данных, генерируемые для модели WRF, требовали значительной емкости хранилища. 

Решение 


В исследовательской лаборатории было внедрено сверхвысокопроизводительное гибридное флэш-хранилище Infortrend EonStor GS 4000U NVMe с поддержкой 100GbE RDMA и PCIe 4.0. Оно оснащено 24 твердотельными накопителями NVMe SSD по 15,36 ТБ каждый, обеспечивающими до 1100 тыс. операций ввода-вывода в секунду и пропускную способность 24/12 ГБ/с для ресурсоемкой модели WRF. Решение способно обрабатывать множество задач и вычислительных процессов, связанных с моделированием и анализом в модели WRF. Для хранения данных, генерируемых в ходе этих процессов, оно обеспечивает общую емкость хранения 368,6 ТБ. Благодаря компактному форм-фактору 2U с 24 отсеками, оно легко помещается в стойку серверной комнаты. Внедрение GS 4000U увеличило скорость операций ввода-вывода для больших и сложных моделей WRF, что способствовало более точным прогнозам погоды, лучшему пониманию атмосферных процессов и успеху метеорологических исследований. При необходимости лаборатория может дополнительно масштабировать инфраструктуру хранения данных для повышения производительности и емкости.


Гибридное флэш-хранилище EonStor GS NVMe для лабораторной модели WRF


EonStor GS NVMe Hybrid Flash Storage for the Laboratory’s WRF Model

Почему Infortrend


  • Сверхвысокая производительность гибридного флэш-накопителя U.2 NVMe GS 4000U, идеально подходящего для высокопроизводительных вычислений с использованием модели WRF 
  • Поддержка 100GbE RDMA
  • Высокая емкость для хранения больших объемов данных, генерируемых для моделирования WRF 
  • Перспективная расширяемость хранилища за счет масштабирования вверх и вширь


все статьи

 
     Разработка сайтов РуСофт © 2026 ИНФОСТОР. Все права защищены.