开源框架下OpenStack云管系统的实现
这是一篇关于开源,云,Openstack,云管平台的论文, 主要内容为近年来,随着虚拟化技术的不断发展,云计算技术已经从试点和创新逐步走向实践和推广。除了传统的互联网公司外,在诸如金融、医疗、教育和能源等传统行业,各个行业领先公司也试图通过这次科技浪潮,继续保持自身的技术先进性,进一步保持市场竞争的优势。尽管云计算在资源调配和快速部署上又极大的优势,但是云平台部署和运维的难度在一定层面上制约了云计算的应用效果。众所周知,由于云平台内核脱胎于Linux系列,因此,大量枯燥的代码编译和命令行配置使得很多缺乏软件工程基础的系统管理员倍感困惑。为解决上述问题,市场逐渐出现两种方案,即采取由大型软件公司自行开发和设计的商业套件,或依托开源社区,通过企业自己的定制化,构建私有云。不可否认,商业套件在易用性和便利性上占有极大优势,无论是VMWare公司提供的虚拟化整体套件,还是Cisco公司提供的网络虚拟组建,都具备了图形化操作界面和一键点击安装的方式,并且在售后服务和问题跟踪上,大型商业公司的开发经验确实占有极大的优势。在另一方面,商业套件的不足也给用户带来很大的困扰,例如,需要支付高额的软件使用费,对第三方的兼容性不足,缺乏自定义功能导致与业务流程的脱节等。因此,尽管在易用性上占有优势,很多企业对这类软件的引入持观望态度。与商业套件相反,依托开源社区的代码和项目,企业自行进行二次开发和定制化在成本上占有几大优势,因此,在诸多企业和公司都采取了这种方式。客户包括了世界最大的银行富国银行以及著名的美洲银行,德国的宝马汽车公司和印度的塔塔公司,可口可乐公司和沃尔玛集团等。在国内,包括工商银行在内的几家大型国有银行,中国石油和中国石化以及电信、联通和移动等运营商都在开源方案上投入了巨大的经理和资源。纵观云开源市场,目前备受关注的技术当属由惠普、红帽、IBM、英特尔等初创的OpenStack社区。在海外,除了上述公司外,其会员还包括了思科和戴尔等大型IT公司,在国内,中国电信、中国联通、华为、浪潮、中兴等也都是该社区的会员,旗下的工作组每年会给社区提供大量的代码,不断的完善各种技术和功能。除上述公司外,国内目前也有大量为OpenStack提供专业服务的初创企业,包括有UnitedStack、EasyStack等,所以说,OpenStack在国内整个生态体系已经逐步成熟起来。截至目前,Openstack已经发布了 Ocata版本,相对早期版本,在功能、安全和易用性上已经有了很大的提升,尽管开源社区提供了源代码和系统框架,但是在实际使用过程中,对于一般用户而言,仍存在不少挑战和困惑。首先,缺乏自动化的安装工具。用户从社区或者hub上下载代码后,需要对安装脚本和命令逐条进行手工配置,在没有图形化界面的引导下,一般用户很难通过linux的命令行完成配置。其次,OpenStack仅提供了资源虚拟化能力,但是在云平台管理上仍存在不足,由于各虚拟化组件依赖关系复杂,状态查询接口繁琐,用户几乎无法快速获取资源的实时状态,造成管理信息不足。此外,社区的原生系统在同时创建大量虚拟机时能力不足,需要大量用户的手工干预,缺乏完善的自动化机制。最后,在用户管理上,较难区分管理员和一般用户的差别,容易造成安全故障。针对上述问题,本文将设计并实现一套基于OpenStack体系的云管理系统,使其能够完成虚拟机创建、网络管理、镜像管理、用户管理等功能,帮助系统管理员完成日常云平台的管理工作。本文首先将分析Openstack在企业私有云环境下的应用场景,结合系统管理员的日常操作,从各种功能性需求入手分析,阐述原生系统的不足与缺失。并辅以性能需求、可用性和可扩展性等非功能需求分析,完成描述企业在使用OpenStack作为云平台建设时,因缺乏有效的云管理系统导致的技术门槛。之后,通过用例分析,借助角色和用例图,完成工作流程图描述。明确系统采取用户前端与管理后台分离的架构后,采取python和Java的方式,分别对两部分进行了开发与实现,并在虚拟机的环境下进行了调试和测试,确保满足场景设想。综上所述,本文的主要工作不仅在于分析了 OpenStack在企业云建设过程中的现状、挑战和不足,并针对日常需求,完成了云管理系统的开发和实现,解决了企业在云技术的使用和推广上的不足,降低了非专业人员对虚拟环境管理和配置的难度,屏蔽了繁琐的命令行方式,为用户提供了一套图形化界面的云平台管理系统,使得用户能够通过拖拽和鼠标点选,快速实现Openstack的自动化安装和部署。
基于辐射传输模式的紫外辐射重构研究
这是一篇关于紫外辐射,SMARTS辐射传输模式,云,气溶胶,衰减,重构的论文, 主要内容为近年来两极地区,以及北半球中高纬度地区均监测到平流层臭氧柱含量显著减少,臭氧量减少的直接后果是使得到达地表的紫外辐射呈现增加的趋势。紫外辐射不仅能够危害人体健康,而且对其他动植物乃至整个生态系统都存在较大的潜在威胁,正是由于紫外辐射强烈的生物、环境和气候效应,使得紫外辐射的研究逐渐成为当前的研究热点之一。由于国内外紫外辐射的观测比总辐射的观测起步晚,特别是大范围、长时期的连续观测数据更加匮乏,但是随着相关研究的深入对长时间紫外辐射数据的需求日益紧迫,为了获取大范围、长时期的数据,国内外学者提出了许多重构紫外辐射历史数据的方法。 本文选取了一种半经验的重构方案,利用SMARTS辐射传输模式模拟了晴天大气下的总辐射和紫外辐射,进而对定义的云修正因子进行拟合而得到紫外辐射估算方程。重构检验结果表明建立的紫外辐射重构方案具有较高的精度,能够很好地应用于紫外辐射历史数据的重构。由于我国地域广阔,不同区域的地表生态系统和气候特征差异显著,本文选取地处我国不同气候区域的9个站点进行紫外辐射重构方法的建立与检验,站点为:北京、海伦、阜康、鄂尔多斯、太湖、贡嘎山、千烟洲、鼎湖山和三亚。主要研究结果如下: (1)对模式所需输入参数进行的计算分析表明,整层大气可降水量都有着明显的“夏大冬小”季节变化特征,最大和最小值分别出现在7月份和1月份,阜康和鄂尔多斯的可降水总量最小,而鼎湖山和太湖最大。高纬度地区臭氧柱含量的最大值出现在春季,秋季达到最小,而低纬度地区最大值则出现在夏季,最小值出现在冬季,而且高纬度地区臭氧柱总量明显大于低纬度地区。MODIS卫星遥感的气溶胶光学厚度在三亚、贡嘎山相对较小,而在城市站点(北京和太湖)则相对较大。 (2)通过对气溶胶光学厚度、臭氧柱总量、地表反射率和整层大气可降水量进行敏感性试验,结果表明紫外辐射对气溶胶和地表反射率变化的敏感性要大于臭氧柱总量和可降水量变化,这表明到达地表的紫外辐射主要受大气气溶胶影响。 (3)通过分析站点5~6年的总辐射和紫外辐射观测发现,总辐射日累计值基本上都维持在0~30MJ·m-2·d-1之间,紫外辐射日累计值在0~1.5MJ·m-2·d-1之间,UV/G在2.5%-6%之间,并且都存在一致的“夏季大、冬季小、春秋次之”季节变化规律。 (4)利用SMARTS模式模拟了晴天总辐射和紫外辐射,由于晴天模拟没有考虑云的辐射效应,SMARTS模式给出的模拟值相比观测值一般都高,并且分布没有观测值离散,但相对于总辐射,紫外辐射差别更大、更离散。 (5)贡嘎山的总辐射云衰减率最大,平均值可达32.8%,其余各站平均衰减率在10%-20%之间;紫外辐射云衰减率也是在贡嘎山最大,观测时段内的平均值可达45.9%;北京和海伦站次之,平均值为38.9%和39.4%;太湖站最小,只有11.9%,其余各站在20%-30%之间。相比云衰减率,各站紫外辐射气溶胶衰减率都要大于总辐射气溶胶衰减率,总辐射气溶胶衰减率平均值从大到小依次为太湖(27.0%)、鼎湖山(23.1%)、千烟洲(18.4%)、北京(18.2%)、鄂尔多斯(12.7%)、三亚(10.9%)、海伦(8.1%)和贡嘎山(5.4%);紫外辐射气溶胶衰减率平均值为太湖(41.4%)、鼎湖山(35.9%)、千烟洲(29.5%)、北京(27.6%)、鄂尔多斯(20.7%)、三亚(18.4%)、海伦(13.1%)和贡嘎山(9.2%)。 (6)利用总辐射和紫外辐射云修正因子拟合建立了半经验的紫外辐射估算方法,通过站点重构值和相应观测值的对比分析,重构值与观测值的相对平均绝对偏差和相对均方根误差都在20%以内,多数站点都小于10%,这表明该方法能够很好地进行紫外辐射的重构。其中:北京没有明显的高估或者低估,相对平均绝对偏差为7.70%,相对均方根误差为9.74%。阜康站重构值存在极微弱低估,但相对平均绝对偏差和相对均方根误差只有5.30%和8.26%。鄂尔多斯站相对平均绝对偏差为8.12%,相对均方根误差为9.62%。太湖站相对平均绝对偏差为10.96%,相对均方根误差为12.72%。贡嘎山站相对平均绝对偏差为7.96%,相对均方根误差为9.88%。千烟洲站相对平均绝对偏差和相对均方根误差分别为6.28%和7.86%。鼎湖山站相对平均绝对偏差为9.48%,相对均方根误差为12.09%。三亚站相对平均绝对偏差和相对均方根误差分别为4.67%和5.94%。海伦站相对平均绝对偏差和相对均方根误差均为各站最高,但其值也只有14.68%和17.51%。由此可见,本文建立的紫外辐射重构方案具有很高的精度和适用性。
基于神经网络的太阳辐射模拟——以华东地区为例
这是一篇关于遥感,太阳辐射,神经网络,MODIS,云,气溶胶,水汽的论文, 主要内容为太阳辐射是地球上的主要能量来源,几乎为地球上一切生物提供能量,太阳辐射决定着地表能量的收支平衡。太阳辐射数据是农作物模型、水文模型及气候变化模型等的重要参数,定量模拟太阳辐射对了解全球及区域气候变化至关重要。全球太阳辐射观测站点稀少且分布不均,仅利用稀少的辐射站点数据进行内插或者外推得到的辐射数据精度较低,因此,太阳辐射数据的缺乏限制了相关领域的研究。影响太阳辐射变化的不确定因素较多,并且各影响因素会相互影响,而BP(Back Propagation)神经网络模型具有较强的非线性处理能力,但以往太阳辐射的模拟研究都是基于单个站点,且BP神经网络模型存在收敛速度慢、训练时间长等问题,为了克服BP算法的这些缺点,本文利用LM(Levenberg-Marquardt)算法优化过的BP神经网络,即LM-BP神经网络模型来模拟太阳辐射。现有的神经网络模型在模拟太阳辐射时很少考虑云、气溶胶、水汽等高空大气因素对太阳辐射的影响,因此本文在全面分析各种因素对太阳辐射影响的基础上,将MODIS提供的气溶胶、云、水汽高空大气遥感产品和常规气象数据结合,利用LM-BP模型来模拟太阳辐射。由于华东地区的数据质量较好,所以本文将华东地区作为实验区来验证本文太阳辐射模拟的方法。本文利用了华东地区90个常规气象站点20012014年的纬度、海拔、气溶胶光学厚度、云量、云光学厚度、可降水水汽、日照时数、气压以及气温输入LM-BP神经网络模型模拟了常规气象站的太阳辐射月均值,并用辐射站点的实测数据验证了该模型,该模型的拟合优度高达0.95,均方根误差基本控制在2 MJ·m-2以内,平均偏离误差基本在-1 MJ·m-2到1 MJ·m-2之间,精度较高。最后,结合13个辐射站点的实测值,通过空间插值得到该区太阳辐射月均值的空间分布,并分析了其时空分布特征。通过本文的研究得出以下结论:(1)日照时数、风速和太阳辐射呈正相关关系,气压、气溶胶、可降水水汽、云光学厚度、云量和太阳辐射呈负相关关系,整体上,各因素对不同区域太阳辐射的影响程度不同。(2)太阳辐射穿过大气层到达地表时,云、气溶胶、水汽等大气因子对太阳辐射的影响较大,在模拟太阳辐射时应该考虑这些因素。(3)本文通过建立不同结构的神经网络模拟模型,与实测值对比发现,在纬度、海拔、日照时数、气压、气温的基础上,加入气溶胶光学厚度、云量、云光学厚度、可降水水汽之后模型的模拟精度最高,拟合优度高达0.95,均方根误差最小值仅为0.57 MJ·m-2,平均偏离误差基本在-1 MJ·m-2到1 MJ·m-2之间,平均百分比误差基本控制在10%以内。(4)将MODIS和常规气象数据结合利用LM-BP神经网络来模拟太阳辐射是一种很好的太阳辐射模拟方法,适合对辐射观测稀少地区的太阳辐射进行模拟。(5)华东地区20012014年地表太阳辐射的变化率在-0.060.18之间,整体呈增大趋势;华东地区20012014年1月至12月的月均值变化为7.0223.89 MJ·m-2,整体呈现“中间低,两边高”的分布特征;四季的太阳辐射月均值的变化范围为724 MJ·m-2,从整体分布来看,夏季太阳辐射最强,其次为春季、秋季,冬季太阳辐射最弱。
西藏太阳紫外辐射观测研究
这是一篇关于西藏,太阳紫外辐射,臭氧,云,比对分析的论文, 主要内容为西藏是全球太阳紫外辐射最强的地区之一,观测西藏太阳紫外辐射对高原生态、农林牧业、材料以及人体健康等众多领域具有科学研究和实际应用意义。本次工作通过使用挪威生产的多频道带宽仪器—NILU-UV辐照度计,对西藏拉萨、林芝、定日、那曲、日喀则五个站点的生物有效紫外辐射、UVA辐射、UVB辐射、紫外线指数(UVI),以及紫外辐射影响因子臭氧、云等进行了观测。分析研究了拉萨2008年7月-2017年12月近十年期间的地面太阳紫外辐射;通过拉萨2015年的地面紫外辐射以及辐射传输模型,研究了紫外辐射的影响因子太阳天顶角、云、臭氧等;对拉萨、林芝、定日和日喀则2015年1月-2017年12月期间的地面紫外辐射进行了比对;对拉萨、那曲2008年7月-2017年12月期间地面紫外辐射观测数据和卫星探测数据进行了比对。地面观测结果表明,近十年期间拉萨地面太阳紫外辐射虽有不同程度的波动,但是并未呈现明显的长期变化趋势。拉萨的UVB辐射在太阳紫外辐射中所占比例约为6.7%。拉萨上空的臭氧含量变化幅度不大,观测期间平均值为259.2 DU,其中春季臭氧含量最高,秋季最低。通过对紫外辐射影响因子的研究,除太阳天顶角之外,云对拉萨太阳紫外辐射的影响最明显,观测期间内出现夏季未遮蔽日面的云使地面UVI增加10.2%的现象。通过对拉萨、林芝、定日和日喀则地面太阳紫外辐射数据的比对,定日(珠峰地区)的UVI最大值达到30.8,日喀则为28.8,拉萨为20.8,林芝为15.2,均属于极端值。定日地面太阳紫外辐射最强,红斑有效剂量分别比日喀则、拉萨、林芝高出5.6%、38.6%、116.0%。拉萨与林芝纬度接近,但是因为海拔高度和云的影响,拉萨的UVI比林芝高出49.8%。本研究工作也利用美国Aura/OMI的卫星数据,在晴天条件下与西藏的地面观测数据进行对比。结果显示拉萨、那曲的卫星探测的UVI分别比地面观测的UVI高出15.1%和12.1%。
北极气溶胶与云的交互及其对海冰变化的影响研究
这是一篇关于北极,气溶胶,云,海冰,交互的论文, 主要内容为北极是地球上的气候敏感区,近年来其温度升高是全球平均水平的两倍,而大气气溶胶通过间接辐射强迫对北极变暖有显著影响。为探究北极大气气溶胶光学特性及其与云微物理特性之间复杂的相互作用对海冰的影响,基于MODIS(Moderate-resolution Imaging Spectroradiometer)10 km和3 km气溶胶光学厚度AOD(Aerosol Optical Depth)产品,分析了2000年3月—2018年10月北极地区AOD的时空分布特征,并与气溶胶自动观测网AERONET(Aerosol Robotic Network)地基站点的气溶胶观测结果进行了比较验证。利用MODIS卫星资料,统计分析了2001年3月—2020年10月北极气溶胶光学厚度(Aerosol Optical Depth,AOD)和与云量(Cloud Fraction,CF)、云光学厚度(Cloud Optical Thickness,COT)、水云滴粒子有效半径(Cloud Liquid Effective Radius,CERL)、冰云滴粒子有效半径(Cloud Ice Effective Radius,CERI)、云的液态水路径(Cloud Liquid Water Path,LWP)、冰云水路径(Cloud Ice Water Path,IWP)等云属性的关联。重点研究了在不同海冰密集度(Sea Ice Concentration,SIC)状态下,北极气溶胶与云的交互特征。此处,通过分析各云属性与SIC异常变化的潜在联系,研究了北极气溶胶-云的交互作用对海冰变化的可能影响。主要结论归纳如下:(1)MODIS 10 km和3 km AOD与AERONET地基站点的相关性分别为0.840和0.852,均方根误差均小于0.1,说明了MODIS两种AOD产品与北极地面现场观测结果均具有较好的一致性。北极地区MODIS 10 km AOD产品精度整体上略高于3 km AOD产品,且两者在北极东半球较其他地区的精度更高;MODIS 10 km AOD产品在西半球的误差呈现出纬度越高精度越高的特点,但3km AOD产品没有显示这一规律;MODIS两种AOD产品精度均在5、9和10月份较高,且均在秋季比春夏季略高。基于两种MODIS AOD产品均发现,北极地区不同纬度的AOD之间存在显著差异,AOD随纬度降低不均匀增大。北极地区AOD还呈现明显的季节变化,春季(3—5月)AOD值普遍介于0.1~0.3,且4月的AOD值北欧地区达到最高值;在夏季(6—8月),AOD高值范围随月份逐渐增大;在秋季(9—10月),AOD普遍在0.1以下。此外,两种MODIS AOD产品在北极洋面和陆面上呈现不同的特征:洋面上10 km的AOD通常更大,而陆面上3 km的AOD更大。(2)北极AOD和云属性的季节相关性在不同海冰密集度状态下具有显著差异特征。整体上,在冰边缘区,各季节云属性主要趋向于与AOD存在正相关关系。在开阔水域,云属性与AOD的相关性空间分布具有季节特征,在春秋季呈负相关,在夏季呈正相关,云属性CF除外。在不同海冰密集度状态下,CF与AOD均表现为正相关关系。整体上,相较于开阔水域,云属性与AOD在冰边缘区的相关性更强,其中COT、IWP、LWP等与AOD体现出更显著、更长时间范围内的相关。(3)总体上,北极AOD和云属性逐月时间序列在不同海冰密集度状态下具有显著的负相关性。相较于其他云属性,IWP、LWP、CERL、COT与AOD的相关性较强。AOD与各云属性的月际和季节尺度上的相关性在冰边缘区相反,意味着冰边缘区的AOD与各云属性在不同时间尺度上的变化特征不一致。而云属性的峰值普遍主要出现在AOD峰值之后的最大值1~2个月,表明云属性和AOD在北极存在滞后现象,这可能是两者在冰边缘区时间尺度上变化特征不一致的原因。在不同海冰密集度状态下,COT、IWP均与AOD(-1、-2)通过了置信度检验,证明了COT、IWP滞后于AOD 1~2个月。另外,在开阔水域,CF、CERL、LWP均滞后于AOD 1~2个月。在冰边缘区,LWP滞后于AOD 1个月。(4)云属性和SIC异常变化之间的相关性具有显著的时空分布特征。在不同季节,云属性COT、IWP、LWP和SIC的异常正相关性在冰边缘区占主导地位,而CF、CERI与CERL和SIC异常值在冰边缘区表现为显著的负相关性。相较于液态的CERL和LWP,呈冰态的CERI和IWP与SIC的异常值负相关较弱。结合各云属性与AOD在冰边缘区的正相关性,表明北极气溶胶可通过影响云微物理特性影响海冰变化,其对海冰的影响主要取决于各云属性之间的平衡。
基于CloudSat-CALIPSO资料的北极云宏观特征及形成机制研究
这是一篇关于北极地区,云,分布特征,形成机制的论文, 主要内容为自工业革命以来,全球变暖已成为不可否认的事实,但北极的气温正以两倍以上的平均变暖速率变化,其与辐射能量收支异常直接相关,而云量是影响辐射能量收支异常的一个重要因素。另外,北极地区海冰的大量融化,个别地区已成为无海冰流域。因此,开展北极地区云宏观过程及辐射效应的研究,是至关重要的。针对无冰海面上空云形成机制的研究,不仅增强了对北极地区云物理机理的认识,而且为改进天气与气候模式中云物理过程的参数化方案提供理论依据。基于Cloud Sat-CALIPSO(Cloud Sat-Cloud Aerosol Lidar and Infrared Pathfinder Satellite Observations)卫星反演资料、ERA5(ECMWF Reanalysis v5)月平均再分析资料、CERES-EBAF辐射资料以及怀俄明大学探空资料,分析了北极地区各类型云的时空分布特征和云辐射特征。分析结果表明:秋季是北极地区全年总云量最多的季节,且喀拉海-楚科奇海区域云量增加幅度最为明显,主要原因是:海气温差和海表面潜热、感热通量大,低压中心强,致使边界层上升运动增强。北极两个典型地区短波辐射通量和云短波辐射强迫的峰值存在差异,其原因主要归结于拉普捷夫海-波弗特海地区云量较少,且海冰覆盖率较大导致反照率较高,因此短波辐射通量峰值较大;挪威海-巴伦支海地区低云云量较大导致反射短波能力较强,因此云短波辐射强迫峰值较大。另外,北极地区分布着大量层积云(Sc),主要位于常年几乎无海冰覆盖的挪威海-巴伦支海区域。本文着重分析了该地区Sc云量季节变化影响因子,从抬升作用和水汽条件两方面入手,构建了Sc形成的物理机制概念模型:夏季时,层结较稳定,无法将水汽抬升至高层,抑制了海面的蒸发过程,风向转变为北风后,变为干平流输送,因此该地区在夏季Sc云量最少。除夏季之外的其他季节,海气温差较大所造成的蒸发过程较强,同时挪威海峡处的西南风向该地输送大量暖湿空气;在相对不稳定层结的作用下,大量水汽被抬升至凝结高度,因此在该地区春秋冬季节时形成大量Sc。北极云的研究在未来北极及其全球的气候系统研究中仍将占据极为重要的地位。因此,结合卫星资料、大气再分析资料等长期数据集,深入研究在全球变暖背景下,整个北极地区各类云云量的时空分布及辐射强迫情况,并着重分析无海冰覆盖区域Sc的宏观特征以及形成机制,可以为开展北极地区云-气候反馈的研究奠定基础。
基于CloudSat-CALIPSO资料的北极云宏观特征及形成机制研究
这是一篇关于北极地区,云,分布特征,形成机制的论文, 主要内容为自工业革命以来,全球变暖已成为不可否认的事实,但北极的气温正以两倍以上的平均变暖速率变化,其与辐射能量收支异常直接相关,而云量是影响辐射能量收支异常的一个重要因素。另外,北极地区海冰的大量融化,个别地区已成为无海冰流域。因此,开展北极地区云宏观过程及辐射效应的研究,是至关重要的。针对无冰海面上空云形成机制的研究,不仅增强了对北极地区云物理机理的认识,而且为改进天气与气候模式中云物理过程的参数化方案提供理论依据。基于Cloud Sat-CALIPSO(Cloud Sat-Cloud Aerosol Lidar and Infrared Pathfinder Satellite Observations)卫星反演资料、ERA5(ECMWF Reanalysis v5)月平均再分析资料、CERES-EBAF辐射资料以及怀俄明大学探空资料,分析了北极地区各类型云的时空分布特征和云辐射特征。分析结果表明:秋季是北极地区全年总云量最多的季节,且喀拉海-楚科奇海区域云量增加幅度最为明显,主要原因是:海气温差和海表面潜热、感热通量大,低压中心强,致使边界层上升运动增强。北极两个典型地区短波辐射通量和云短波辐射强迫的峰值存在差异,其原因主要归结于拉普捷夫海-波弗特海地区云量较少,且海冰覆盖率较大导致反照率较高,因此短波辐射通量峰值较大;挪威海-巴伦支海地区低云云量较大导致反射短波能力较强,因此云短波辐射强迫峰值较大。另外,北极地区分布着大量层积云(Sc),主要位于常年几乎无海冰覆盖的挪威海-巴伦支海区域。本文着重分析了该地区Sc云量季节变化影响因子,从抬升作用和水汽条件两方面入手,构建了Sc形成的物理机制概念模型:夏季时,层结较稳定,无法将水汽抬升至高层,抑制了海面的蒸发过程,风向转变为北风后,变为干平流输送,因此该地区在夏季Sc云量最少。除夏季之外的其他季节,海气温差较大所造成的蒸发过程较强,同时挪威海峡处的西南风向该地输送大量暖湿空气;在相对不稳定层结的作用下,大量水汽被抬升至凝结高度,因此在该地区春秋冬季节时形成大量Sc。北极云的研究在未来北极及其全球的气候系统研究中仍将占据极为重要的地位。因此,结合卫星资料、大气再分析资料等长期数据集,深入研究在全球变暖背景下,整个北极地区各类云云量的时空分布及辐射强迫情况,并着重分析无海冰覆盖区域Sc的宏观特征以及形成机制,可以为开展北极地区云-气候反馈的研究奠定基础。
开源框架下OpenStack云管系统的实现
这是一篇关于开源,云,Openstack,云管平台的论文, 主要内容为近年来,随着虚拟化技术的不断发展,云计算技术已经从试点和创新逐步走向实践和推广。除了传统的互联网公司外,在诸如金融、医疗、教育和能源等传统行业,各个行业领先公司也试图通过这次科技浪潮,继续保持自身的技术先进性,进一步保持市场竞争的优势。尽管云计算在资源调配和快速部署上又极大的优势,但是云平台部署和运维的难度在一定层面上制约了云计算的应用效果。众所周知,由于云平台内核脱胎于Linux系列,因此,大量枯燥的代码编译和命令行配置使得很多缺乏软件工程基础的系统管理员倍感困惑。为解决上述问题,市场逐渐出现两种方案,即采取由大型软件公司自行开发和设计的商业套件,或依托开源社区,通过企业自己的定制化,构建私有云。不可否认,商业套件在易用性和便利性上占有极大优势,无论是VMWare公司提供的虚拟化整体套件,还是Cisco公司提供的网络虚拟组建,都具备了图形化操作界面和一键点击安装的方式,并且在售后服务和问题跟踪上,大型商业公司的开发经验确实占有极大的优势。在另一方面,商业套件的不足也给用户带来很大的困扰,例如,需要支付高额的软件使用费,对第三方的兼容性不足,缺乏自定义功能导致与业务流程的脱节等。因此,尽管在易用性上占有优势,很多企业对这类软件的引入持观望态度。与商业套件相反,依托开源社区的代码和项目,企业自行进行二次开发和定制化在成本上占有几大优势,因此,在诸多企业和公司都采取了这种方式。客户包括了世界最大的银行富国银行以及著名的美洲银行,德国的宝马汽车公司和印度的塔塔公司,可口可乐公司和沃尔玛集团等。在国内,包括工商银行在内的几家大型国有银行,中国石油和中国石化以及电信、联通和移动等运营商都在开源方案上投入了巨大的经理和资源。纵观云开源市场,目前备受关注的技术当属由惠普、红帽、IBM、英特尔等初创的OpenStack社区。在海外,除了上述公司外,其会员还包括了思科和戴尔等大型IT公司,在国内,中国电信、中国联通、华为、浪潮、中兴等也都是该社区的会员,旗下的工作组每年会给社区提供大量的代码,不断的完善各种技术和功能。除上述公司外,国内目前也有大量为OpenStack提供专业服务的初创企业,包括有UnitedStack、EasyStack等,所以说,OpenStack在国内整个生态体系已经逐步成熟起来。截至目前,Openstack已经发布了 Ocata版本,相对早期版本,在功能、安全和易用性上已经有了很大的提升,尽管开源社区提供了源代码和系统框架,但是在实际使用过程中,对于一般用户而言,仍存在不少挑战和困惑。首先,缺乏自动化的安装工具。用户从社区或者hub上下载代码后,需要对安装脚本和命令逐条进行手工配置,在没有图形化界面的引导下,一般用户很难通过linux的命令行完成配置。其次,OpenStack仅提供了资源虚拟化能力,但是在云平台管理上仍存在不足,由于各虚拟化组件依赖关系复杂,状态查询接口繁琐,用户几乎无法快速获取资源的实时状态,造成管理信息不足。此外,社区的原生系统在同时创建大量虚拟机时能力不足,需要大量用户的手工干预,缺乏完善的自动化机制。最后,在用户管理上,较难区分管理员和一般用户的差别,容易造成安全故障。针对上述问题,本文将设计并实现一套基于OpenStack体系的云管理系统,使其能够完成虚拟机创建、网络管理、镜像管理、用户管理等功能,帮助系统管理员完成日常云平台的管理工作。本文首先将分析Openstack在企业私有云环境下的应用场景,结合系统管理员的日常操作,从各种功能性需求入手分析,阐述原生系统的不足与缺失。并辅以性能需求、可用性和可扩展性等非功能需求分析,完成描述企业在使用OpenStack作为云平台建设时,因缺乏有效的云管理系统导致的技术门槛。之后,通过用例分析,借助角色和用例图,完成工作流程图描述。明确系统采取用户前端与管理后台分离的架构后,采取python和Java的方式,分别对两部分进行了开发与实现,并在虚拟机的环境下进行了调试和测试,确保满足场景设想。综上所述,本文的主要工作不仅在于分析了 OpenStack在企业云建设过程中的现状、挑战和不足,并针对日常需求,完成了云管理系统的开发和实现,解决了企业在云技术的使用和推广上的不足,降低了非专业人员对虚拟环境管理和配置的难度,屏蔽了繁琐的命令行方式,为用户提供了一套图形化界面的云平台管理系统,使得用户能够通过拖拽和鼠标点选,快速实现Openstack的自动化安装和部署。
本文内容包括但不限于文字、数据、图表及超链接等)均来源于该信息及资料的相关主题。发布者:代码项目助手 ,原文地址:https://m.bishedaima.com/lunwen/55618.html