张书台， 何世钧

(上海海洋大学信息学院，上海201306)

0 引 言

海洋中海水从一个海区水平或垂直地流向另一个海区的大规模的非海水流动具有不同尺度、速度与周期，且随风、季节和年份而变化掌握海流[1]的运动规律，对研究水团的形成、环流结构及其变化、海水内部及海气界面之间的热量交换以及对生物、化学、地质的影响都是极其重要的。海流一般是三维的，不但存在水平方向的流动，而且也存在垂直力一向的流动，当然，由于海洋的水平尺度远远大于其垂直尺度，因此水平方向的流动远比垂直方向上的流动强得多。潮流是海岸海洋主要的水动力因素之一，它影响着诸如泥沙、盐分、各类污染物及能量的输运过程。潮流场的数学模型是海岸海洋科学研究中一个重要且经济快速的技术方法，它通过离散化描述潮流运动的控制方程，用近似的求解方法模拟潮流的运动规律，达到对海岸海洋潮流场特征及其变化的科学认识，并指导对海岸海洋的管理、开发和利用。具有实际地形的潮流场的计算是在特定的地理环境的边界条件下，考虑其在各种潮流场、风场等因素的作用下，研究对象在海水中的扩散过程，包括不同点源、不同时刻扩散的状况和结果的可视化。潮流场的数学模型过程，是一种复杂的计算过程，涉及地理信息系统，遥感，全球定位系统的海量数据，需要计算资源，存储资源，软件资源以及硬件资源的融合。

而云计算依靠其优秀的跨地域和跨组织的资源共享能力和基于云的强大的协同研究能力，成为以网络为基础的科学活动环境的候选技术之一。云计算是分布式处理、并行处理和云计算的发展，或者说是计算机科学概念的商业实现。通过使计算分布在大量的分布式计算机上，而非本地计算机或远程服务器中，企业数据中心的运行将更与互联网相似。这使得企业能够将资源切换到需要的应用上，根据需求访问计算机和存储系统。目前多个工业和科研的项目已经启动，例如 RESERVOIR 项目[2]，Amazon Elastic Compute Cloud[3]，IBM Blue Cloud[4]，Nimbus[5]和 Stratus[6]，Open NEbula[7]科学云计算项目，HP,Intel和Yahoo!公司最近也提出了开源的数据中心的开源试验床[8-9]。包括 Google、微软、IBM、Amazon、EMC 和惠普在内的许多IT业巨头都宣布要在云计算上进行重点研究。

云计算环境能满足海洋潮流场计算的复杂性，大规模性，资源共享的特点。目前海洋潮流场的计算模型，主要采用单机串行计算，Master-Slave型并行计算[10]，以及其他一些优化的并行计算模型，这些模型计算的特点，都是基于单机和并行机的计算，目前还没有基于网络或云计算环境的计算模型，本文就是构建基于云计算的潮流场问题求解环境。建立云计算环境下潮流场的计算模型，充分的利用网络的资源，来解决具有实际地形的潮流场的繁杂计算问题，为现代科学研究的重大问题求解寻求一条途径。

1 系统总体设计

1.1 云计算架构层

云计算把IT基础设施作为一项服务，而且服务可以从租用原始硬件到使用第三方API的所有事情。海洋潮流场的云计算架构层，提出了XasaService的理念，其中X表示所有海洋潮流场资源包括硬件，体系架构和平台，数据等都看作服务，以服务提供者的身份对服务需求者提供服务。如图1所示，海洋潮流场云计算的用户和服务提供者关系图。

图1 海洋潮流场云计算环境的用户和服务提供者关系

1.2 海洋潮流场云计算环境部署

海洋潮流场云计算环境的部署，从一个预配置虚拟机映像库中选择负载均衡器、WebGIS服务器和数据库服务器。配置负载均衡器，通过将静态内容上载到存储云来给Web GIS服务器填充，并用站点的动态内容来填充数据库服务器设备。把自定义的代码层叠在新的架构之中，从而使组件满足特定应用程序要求。选择一个呈现各层映像并部署这些映像的模式，以便处理网络、安全和可扩展性问题。安全而高度可用的Web应用程序启动并正常运行。如图2所示，海洋潮流场云计算环境部署。

图2 云计算海洋潮流场系统部署

一种部署模式可以封装起来，以便重复利用。一个模式指定Web服务器、应用程序服务器和数据库服务器，而用此模式部署其本身的一个实例所需要的一切都指向各层的虚拟机的指针。负载平衡器实现对多个Web服务器，Apache服务器，ARCGIS服务器等提供负载均衡，海洋潮流场模拟器实现对海洋潮流场模拟。

1.3 云计算环境下的资源管理与任务调度的模型、机制与策略

云计算环境下资源组织和管理的功能抽象模型如图3所示。基于图3中不同功能组元的内在联系和相关性，面向多个资源组织与管理功能的综合控制策略与折衷方案。采用商品市场、投标和拍卖等基于经济学的研究方案，进行云计算资源服务的管理和任务调度，基于计算经济的资源管理策略及其在网格系统中进行实现的机制与算法。

图3 云计算资源组织与管理的功能抽象模型

2 海洋潮流场模型

2.1 海洋潮流场模型符合质量守恒方程和动力学模型质量守恒方程

式中：h——水深；u,v——流体在x,y——方向上的流速；P(x,y,t)——降雨量函数；F(x,y,t)——排水系数；Q(x,y,t)——决堤口流量；S(x,y,t)——渗透汇函数；W(x,y,t)——区域可调蓄水量；——灾情水位；g——重力加速度；K——平均粘滞系数；n——曼宁糙率系数；c*——风阻力系数； ——空气的密度；——水的密度； ——风速；——风向与y轴的夹角。

动量守恒方程中上述动量方程中，第1项为加速度项，第2，3项为对流项，第4项为重力项，第5项为阻力项，第6项为扩散项，第7项为风的阻力。

2.2 潮流场计算模型

如图4所示，潮流场计算模型，给定水文、气象、地形等参数，确定边界条件，进行有限元剖分算法，以及水动力模型，最后进行数值计算算法模拟，显示流速、流量和灾害分布。

图4 潮流场计算模型

3 云计算环境的核心问题

3.1 复杂潮流场云计算的资源共享

根据图4所示，潮流场计算模型需要水文、气象、地形的参数，其中水文数据、气象数据和地形的数据属于在不同的部门，不同的机构拥有。复杂潮流场云计算环境的关键问题，是实现水文数据、气象数据和地形数据等异构数据资源的共享。

数据资源共享中，基于Web Service实现系统集成。采用开放式地理信息处理系统的软件体系结构。将现有GIS应用模块和其中的数据，通过包装，产生基于XML形式的WebService的运行接口。在数据存储服务中，数据先是存储于云中的节点上，但因为节点数量和节点本身资源是有限的，因而数据必须由节点转储到数据池以供长期存储。Cache普遍存在的一种典型的应用为某由客户端数据上传至云中，此时数据仍留在节点上，还未转移至数据池，若此时服务端接收到数据获取请求，则可以不经数据池而直接将其由云中节点取出并处理。基本的Cache管理机制如图5所示。

图5 Cache的管理机制

3.2 潮流场的模型与可视化映射

通常一个可视化过程包括数据预处理、构造模型、绘图及显示等几个步骤。建立具有实际地形的流场数学模型的可视化与虚拟现实系统。首先对潮流场预测和评估模型生成的数据进行预处理，针对每种数据的特点进行数据集的自适应归一化处理；根据可视化方法的不同构建流程的“数据映射”模块，形成几何数据、图像数据；利用OpenGL技术绘制三维场景，将时间作为另外一维加入，在仿真中主要就是表现为灾情数据的动态显示和更新。主要过程如下：

(1)数据集构建。根据风暴潮预测和评估模型生成的原始数据进行处理，处理的内容主要是数据内部格式转换和数据差值重采样，经过处理后生成规则的数据集，以便于后续可视化的处理。

(2)对数据集进行自适应的归一化处理。对量级相差较大的数据集可通过整体取对数的方式进行归化，对量级变化较小的数据集则采用求比值的方法进行归化，归化结果在0～1之间，从而达到用象素颜色分量来表示数据集的目的；

(3)对数据进行可视化映射，也即对数据进行可视化表达和描述；

(4)渲染与绘制。通过一系列的三维可视化处理步骤(投影变换→视口裁减→光照模型处理→颜色调整)，生成真实感的三维图形。

3.3 基于时序逻辑的Web服务形式化描述

对云计算环境下流场的数学模型的资源建模进行需求分析，结合面向对象的思想和UML工具构建了云计算环境下的资源服务模型。然后XML，Web2.0技术、UML和WSDL技术应用到云计算环境中，建立XML到WSDL的映射关系，探索基于XML-WSDL的流场服务资源描述的方法。

基于时序逻辑的Web服务形式描述，以服务形式连接信息资源的云计算统一形式化描述，解决接口软件对内(云计算内部)和对外(云计算外部)两方面的计算机制问题，如图6所示。由于资源具有异构性和多样性，需要针对不同情况做不同的处理。对外则表现为一致的标准的服务接口(WSRF)。

图6 云计算结点服务结构

图7 厦门近海的边界划分

图8 xm5907号台风2D展示

自底向上每层都透明的为其上层服务，最底层为云计算平台提供的应用程序接口，最顶层为用户界面与开放接口，通过调用开放接口，用户可以共享数据集、调用潮流场模拟计算和可视化算法，并可以方便的把他们集成到用户自己的应用中，从而实现平台的开放性。

4 模拟结果显示

实验平台模拟厦门近海的xm5907号台风的潮流场的2D和3D的潮流信息。图7是厦门近海的边界划分，其中绿色为陆地变现，红色为外海边界。根据外海边界和内海边界条件信息，计算海洋潮流场的发展蔓延的过程，通过可视化的用户接口调用，在用户端显示，图8是xm5907号台风2D展示。

5 结束语

本文主根据海洋潮流场的特点，结合云计算环境的最新研究进展，提出了基于云计算海洋潮流场的特点及其体系结构。将云计算的引入是目前最先进的互联网技术与思想同海洋科学科学的紧密结合，也是发展基于网络的数字模拟的关键技术。采用云计算技术发展基于模拟的问题求解环境，可以解决当前信息的共享严重滞后于网络技术发展的速度的局面。给出云计算环境架构，部署以及服务调度和任务调度模型和策略。

[1]冯士笽,李凤歧,李少菁.海洋科学导论[M].北京:高等教育出版社,2007.

[2]Rochwerger B Galis,Levy E.Reservoir:Management technologies and requirements for next generation service oriented infrastructures[DB/OL].Integrated Network Management,2009:307-310.

[3]Borja Sotomayor,Rubén S Montero,Ignacio M,et al.Virtual infrastructure management in private and hybrid clouds[J].IEEE Internet Computing,2009,13(5):14-22.

[4]Adolfy Hoisie,Vladimir Getov.Extreme-scale computing-where'just moreofthesame'doesnotwork[J].IEEE Computer,2009,42(10):24-26.

[5]Christakos G,Kolovos A,Serre M L,et al.High resolution ozone mapping using instruments on the nimbus 7 satellite and secondary information[M].GEOENV IV-Geostatistics for Environmental Applications(Quantitative Geology and Geostatistics),2004,13 Part2:67-78.

[6]Li Li,Ji Hong,Chen Xuejiao,et al.Data pattern for allocating user experience meta-data to user experience research data[C].Lecture Notes in Computer Science 5617,2009:675-684.

[7]Razak S F A.Cloud computing in Malaysia universities[C].Innovative Technologies in Intelligent Systems and Industrial Applications,2009:101-106.

[8]Rajiv Ranjan,Zhao Liang,Wu Xiaomin,et al.Peer-to-Peer cloud provisioning:service discovery and load-balancing[M].Computer Communications and Networks,Cloud Computing,2010:195-217.

[9]Christian Baun,Marcel Kunze.Elastic cloud computing infrastructures in the open cirrus testbed implemented via eucalyptus[M].Managed Grids and Cloud Systems in the Asia-Pacific Research Community,2010:219-230.

[10]王光谦,刘家宏.数字流域模型[M].北京:科学出版社,2006:103-109.