För organisationer
Skapa en styrd programtjänst för laboratorier, utvecklingsgrupper och undervisningsmiljöer på infrastruktur som organisationen kontrollerar.
Modellen Weather Research and Forecasting för mesoskalig numerisk väderprognos och regional klimatforskning, med domänen uppdelad mellan MPI-processer för körning över flera noder.
Ge forsknings- och utvecklingsteam godkända program och reproducerbar körning utan att användarna eller infrastrukturteamet behöver underhålla varje mjukvarustack.
Skapa en styrd programtjänst för laboratorier, utvecklingsgrupper och undervisningsmiljöer på infrastruktur som organisationen kontrollerar.
Välja ett tillgängligt program, konfigurera och skicka in en simulering, följa körningen, granska loggar och status samt hämta de registrerade resultaten.
Kontroll över godkända program och versioner, licensintegrering, åtkomst, resurskvoter, körpolicyer, dataplats och körhistorik.
Vi paketerar och validerar programmen, driftsätter tjänsten på din OpenStack-infrastruktur, integrerar licenser vid behov och sköter den löpande driften.
WRF är modellen Weather Research and Forecasting, ett mesoskaligt system för numerisk väderprognos som används både i operationell prognosverksamhet och i atmosfärforskning.
En körning är ett arbetsflöde snarare än ett enda program: förbearbetning som förbereder domäner och initialvillkor, själva lösaren och därefter efterbearbetning.
Kör återkommande högupplösta prognoser över en lokal domän, på en kö som konfigurerats för varje schemalagd prognos och dess randvillkor.
Nästla lokala domäner inuti utdata från globala modeller för att upplösa terräng- och kustlinjeeffekter som det grova rutnätet inte klarar.
Mata luftkvalitets- och spridningsstudier med meteorologiska fält i den upplösning där spridningen faktiskt sker.
Kör långa regionala klimatintegrationer och resursbedömningar för förnybar energi över samma lokala domäner.
Plattformen placerar MPI-processerna över så många noder som domänen behöver.
Prognosarbete är schemadrivet snarare än ad hoc: kön rymmer varje återkommande prognoskörning, och klusterlagringen håller de randvillkor den använder.