ERA5数据下载的那些事

2024-02-12 11:20
文章标签 数据 下载 era5

本文主要是介绍ERA5数据下载的那些事,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

ERA5数据下载那些事

  • 基本操作
  • 常见问题汇总
  • 资源分享

基本操作

近年做的数据处理都是气象气候数据,最近需要处理ERA5的suface data(以下简称2D数据)和pressure level data(以下简称3D数据),第一个碰到的问题就是下载数据的问题。
数据下载方案初步设计有三:

  1. 租国外的服务器,起码2T的内存,从国外服务器传到国内的服务器,最后转存到大型机
  2. 分任务利用同事的机子和账号并行下,下载数据用CDS提供的镜像(copernicus-climate.eu)
  3. 分任务利用同事的机子和账号并行下,下载数据切换成国内的镜像(nuist.love)
    先来对比一下3种方法的优缺点:
方法编号优点缺点
1国外网速快传到国内机器网速就一般了,1M/s左右,最重要是要花钱,排队时间是否有地区差异,这个暂时不明
2分而治之,并行下载,原生的镜像支持断点续传,可以自动retry直到最大次数为止排队时间长,要有人写分批下载脚本,统一管理,总得来说废人力,少废钱
3分而治之,并行下载,国内镜像以为会快一点,但优势胜在小文件缺点和方法2是一样的,网速的提升也适用于小文件,网络不能中断,不支持断点续传,大文件显然就不是很合适

鉴于经费,直接排除了第一种,租国外服务器的方法,这种费钱也不见得快多少的方法,肯定是被领导排除的。最后我选择了第二种,因为断点续传,对大文件(现在基本上30G一个文件)来说是很必要的。再说一下我为什么要一次提交这么多 ,我注册的账号在国内,排队的时间很长,而任务提交需要经过 queue-> in progress->download的过程,所以每次提交的一次计算的量大点会划算一点,这里需要说明的是,每次提交的计算量最多12万item,怎么样看自己想要计算的item到底有多少,可以直接在(下载官网页面),选择要下载的数据的参数,如果超过12万个item,页面最下方有显示,如下图所示:
在这里插入图片描述
反过来要是没有这个提示,就可以大大方方下载。
测试下来,3d变量一年得分2个,上半年一个,下半年一个,2D变量是10年一个,1991-2021分3个下载。

PS:大家且看看,快速实现的,没有全部函数通用化,用的时候可自行修改!!!
生成好的目录结构和脚本大概是这样:
在这里插入图片描述

现在把数据下载放在dataset目录下,对所有down开头和py结尾的下载文件都支持,然后这个下载脚本放在dataset同级目录即可执行,本脚本假如下载的文件不完整的话,会打印文件名。
只要算好可用内存,在dataset目录下就放几个下载任务,晚上下载,白天拷贝,隔两天上传大型机。

常见问题汇总

  1. 问题1:.cdsapirc这个文件里面的内容设置错误,简单的下载代码都会出现tuple is not callable
    解答:其实在添加链接描述已经有详细的cds api使用描述,一步步走下来,唯一有疑惑的点就是.cdsapirc文件里面放什么,放在哪里。这里直接给出答案,登录上述链接,黑框框里就是自己.cdsapirc的内容了,不需要根据自己的key做拼接。还有就是这个文件放哪里,我在windows下直接放在c盘,Users目录下的当前用户目录下,即C:\Users\当前用户名.cdsapirc,如果是linux目录那就打印 $HOME,然后放到这个目录下就可以了。

  2. 问题2:下载ERA5的数据,其实是想要daily数据的,官网也提供了一个获取这些统计量的页面,也提供了脚本下载的接口代码,奈何,只能以月为单位,如果要下载多年的话,得循环提交多次,这样就导致了任务多,排队时间长,听说提交多请求会被限制,所以得不偿失。
    解答:官方给出的原话是:
    在这里插入图片描述
    is limited to 和 for efficiency就已经框死了,所以加速无望,只能是下载原始的hourly数据,自己算。下载的数据的时候要把一天24个时刻的数据都选上,而不是选几个所谓的代表性的,去代表这一天。

  3. 问题3:如果数据中断之后,怎么下载
    解答:正常情况下我们会打开一个cmd窗口,提交自己批处理的脚本,在下载过程中,输出的文件名就是没有下载完整的,然后我们可以根据这个文件名,找到同目录运行的log,log名与脚本名相同,在log里面给出了数据链接,可以手动复制到迅雷下载里面补算。
    在这里插入图片描述

资源分享

  1. 获取ERA5统计数据的地址

  2. total precipitation计算参考地址

  3. 用python代码计算total precipitation参考地址

  4. 2米温度计算T2MAX、T2MIN说明参考地址

这篇关于ERA5数据下载的那些事的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/702488

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

常用的jdk下载地址

jdk下载地址 安装方式可以看之前的博客: mac安装jdk oracle 版本:https://www.oracle.com/java/technologies/downloads/ Eclipse Temurin版本:https://adoptium.net/zh-CN/temurin/releases/ 阿里版本: github:https://github.com/

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

pandas数据过滤

Pandas 数据过滤方法 Pandas 提供了多种方法来过滤数据,可以根据不同的条件进行筛选。以下是一些常见的 Pandas 数据过滤方法,结合实例进行讲解,希望能帮你快速理解。 1. 基于条件筛选行 可以使用布尔索引来根据条件过滤行。 import pandas as pd# 创建示例数据data = {'Name': ['Alice', 'Bob', 'Charlie', 'Dav