Параллельная поисковая машина для сверх

Параллельная поисковая
машина для сверх-больших
баз данных по окружающей
среде
Михаил Жижин, ИФЗ РАН
[email protected]
Eric Kihn, NGDC NOAA
[email protected]
План семинара



Генератор погодных сценариев ESG и
нечеткий поиск данных
Интерактивный ресурс данных по
солнечно-земной физике SPIDR и
моделирование космической погоды
Архив изображений Земли из космоса
SABR
Ключевые слова и технологии






ООП, параллельные вычисления,
распределенные базы данных
Искусственный интеллект и нечеткие
множества
Компьютерные кластеры
Linux, Web (DHTML), XML, Java, JSP, RMI,
SOAP, Web services
Переносимость и масштабируемость
Open Source
Что мы храним и ищем?
Пользователи
Проекты
Среды
Флот
ESG
Океан
Авиация, экология,
метеорология
Связь и навигация,
GPS
Климат и атмосфера
SPIDR
Спутниковые
операторы
Наблюдения Земли
из космоса
Ионосфера
Магнитосфера и
космос
SABR
Спутники
Параллельная поисковая
машина



Ищет события как определенные условия
и/или тренды в архивах данных
Реализована на вычислительном кластере
с распределенными базами данных и
параллельными алгоритмами их
обработки
Подключение сетевых клиентов к
поисковой машине не требует особых
вычислительных затрат и трафика
Основные модели данных




Временные ряды на сетке - BLOBS
Гранулирование по времени BLOBS зависит от
приложений: 1 год для климатических данных, 1
день космической погоды
Метаданные в формате XML, включая
символьные выражения и формулы для
виртуальных параметров (напр., скорость ветра)
Проекция на общую терминологическую базу
метаданных
Протоколы и интерфейсы





JDBC (доступ к кластеру баз данных)
Java RMI, JAX-RPC (модели данных
высокого уровня и распределенные
синхронные сервисы)
JMS, JAXM (асинхронные сервисы на EJB
платформe)
SMTP, Java Mail (синхронизация
региональных узлов)
HTTP (доступ пользователей)
Модель данных ESG
Distributed Environmental Data Model
N-CPU Cluster
Time Interval N
Pressure level parameters
Time interval 1 =
[Year 1, Year 2]
CPU
4D Grid
1-1
CPU
5D Grid
1-2
Time interval 2 =
[Year 2, Year 3]
CPU
4D Grid
2-1
CPU
5D Grid
2-2
4D Grid =
time X lat X lon X
parameter
...
Time Interlval 2 Time interval 1
Surface level parameters
Time interval N =
[Year N-1, Year N]
CPU
4D Grid
N-1
5D Grid =
time X lat X lon X
level X parameter
CPU
5D Grid
N-2
Поиск событий в ESG






Поиск и отбор источников данных
Редактор сценариев нечеткого поиска
Параллельный запрос в базы данных
Нечеткий поиск событий
Визуализация результатов поиска
Экспорт данных, внешние сервисы
Поиск и отбор источников
данных
Узлы и области на сетке
Временные ряды в узле
5-мерная визуализация в
области
Поиск событий в терминах
нечеткой логики
WSG lingustic
variables
1
Medium
Membership Grades
«классическое»
множество
0.8
Small
Large
Very
Small
0.6
Very
Large
0.4
0.2
0
0
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0.9
1
WSG numeric variables
1
Membership Grades
«нечеткое»
множество
0.1
~ 0.3
0.8
< 0.2
> 0.7
0.6
0.4 < x < 0.6
0.4
0.2
0
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
X = normalized variable values
0.8
Нечеткие термины
Языковые
Числовые
Очень большой Больше X0
Большой
Равно X0
Средний
Между X0 и X1
Малый
Меньше X0
Очень малый
Нечеткая логика
First operand: fuzzy set A
Fuzzy NOT
 A 1   A
Fuzzy AND
 AB  min  A ,  B 
Second operand: fuzzy set B
Fuzzy OR
 AB  max  A , B 
Нечеткое И: Т-норма
Определение:
T : 0,1 0,1  0,1  A B  x   T  A  x ,  B  x 
T 0,0  0, T (a,1)  T 1, a   a (boundary )
a  c and b  d  T a, b   T c, d  (montonicit y)
T a, b   T b, a  (commutativ ity )
T (a, T (b, c))  T (T (a, b), c) (associativ ity )
Примеры:
Tmin a, b   min( a, b)  a  b (minimum )
Tap a, b   ab (algebraic
product )
Формулы Ягера (Yager)
Определение:

TY a, b, q   1  min 1, 1  a   1  b 

SY a, b, q   min 1, a  b
q
q
q

1
q
q
,

1
q
,
q 1
q 1
Пределы:
TY a, b,1  0  (a  b  1) (bounded
lim q TY a, b, q   min( a, b) (minimum)
SY a, b,1  1  (a  b) (bounded
lim q SY a, b, q   max( a, b) (maximum)
product)
sum)
Гладкость норм Ягера
(a) Two fuzzy sets A and B
1
A
0.5
B
a) Нечеткие функции
принадлежности
множеств A и B;
0
(b) T-norm of A and B
1
b) T-нормы (И) для
q = 1, 2, 5, и 50;
0.5
0
(c) T-conorm (S-norm) of A and B
1
0.5
0
c) T-конормы (ИЛИ)
для q = 1, 2, 5, и 50
Случай двух переменных
Многомерный поиск в ESG



Многомерные функции принадлежности в
ESG задаются как конъюнкции (И)
одномерных функций принадлежности для
каждого параметра и узла
Например, «сильный ветер» И «средняя
температура» И «влажность 60%»
В качестве оператора И используется Тнорма Ягера при q=5
January Wind Speed Record
Wind Speed (kts)
20
“High”
Wind
15
10
5
0
1/1/97
1/6/97
1/11/97
1/16/97
1/21/97
1/26/97
1/31/97
Date
Temperature (deg C)
January Temperature Record
“Average”
Temperature
30
25
20
15
10
5
0
1/1/97
1/6/97
1/11/97
1/16/97
1/21/97
1/26/97
1/31/97
Date
Rel. Humidity (%)
January Relative Humidity Record
100
80
“About” 60%
Humidity
60
40
20
0
1/1/97
1/6/97
1/11/97
1/16/97
Date
1/21/97
1/26/97
1/31/97
Нечеткий запрос
Сценарий ESG
Результат нечеткого поиска
Интерактивное
моделирование





Заполнить форму
на счет модели
Собрать данные из
сети
Рассчитать модель
Визуализировать
результаты
Вернуть ссылки на
графику и данные
Model run request
Ocean API
SPIDR API
ESG API
ESG Web/JSP server
Model run
visualiaztion and
output
NOAA Modeling cluster
ESG visualization server
ION - Java IDL wrapper
Климатические модели ESG




NCEP/NCAR CDAS/Reanalysis Project
Output Parameters: 1) pressure level data on 10 isentropic surfaces: horizontal winds,
omega (dP/dt), geopotential height, specific/relative humidity, absolute vorticity and
divergence on standard pressure levels every 6 hours; 2) total cloud cover, convective and
total precipitation; 3) surface wind stress, latent/sensible heat flux, soil
temperature/moisture, gravity wave drag, SST, 2m temperature, 2m humidity, 10m winds,
runoff, mean sea level pressure, surface pressure, and snow. The data is available every 6
hours. The above list is not complete.
URL: http://wesley.wwb.noaa.gov/reanalysis.html
COAMPS - Coupled Ocean/Atmosphere Mesoscale Prediction System
Output Parameters: Similar to NCEP/NCAR model
URL: http://www.nrlmry.navy.mil/projects/coamps/
ACMES - Advanced Climate Modeling and Environmental Simulations
Output Parameters: Similar to NCEP/NCAR model
URL: http://www.meso.com/meso/research/acmes/acmes.html
MM5 – 5th generation mesoscale model of atmospheric circulation
Output Parameters: Similar to NCEP/NCAR model
URL: http://www.mmm.ucar.edu/mm5/mm5-home.html
Космические модели ESG





IRI - International Reference Ionosphere Model
Output Parameters: Electron density, electron temperature, ion temperature, ion
composition (O+, H+, He+, NO+, O+2)
URL: http://nssdc.gsfc.nasa.gov/space/model/models/iri.html
AMIE - Assimilative Mapping of Ionospheric Electrodynamics Model
Output Parameters: Ionospheric electric potential distribution
URL: http://www.hao.ucar.edu/public/research/tiso/amie/AMIE_head.html
MSM - Magnetospheric Specification Model
Output Parameters: Electron and ion fluxes in the inner and middle magnetosphere;
fluxes of electrons precipitating into the ionosphere; ionospheric electric fields; magneticfield mapping information
URL: http://rigel.rice.edu/~freeman/dmb/index.html
PIM - Parameterized Ionospheric Specification Model
Output Parameters: Electron density profiles (EDPs) between 90 and 25000 km altitude,
corresponding critical frequencies and heights for the ionospheric E and F2 regions, and
Total Electron Content (TEC)
URL: http://users.primushost.com/~cpibos/
IONSCINT - Ionospheric Scintillation Simulation Algorithm
Output Parameters: A simulated prediction of scintillation intensity throughout a specified
theater for communication with a specified satellite.
Запрос модели IONSCINT
Результат моделирования