盛秀杰 金之鈞 彭 成 景 妍

(中國(guó)石化石油勘探開(kāi)發(fā)研究院，北京 100086)

0 引言

當(dāng)前大數(shù)據(jù)技術(shù)對(duì)互聯(lián)網(wǎng)行業(yè)的發(fā)展起著非常重要的推動(dòng)作用，大數(shù)據(jù)時(shí)代對(duì)傳統(tǒng)油氣能源行業(yè)的影響亦不例外。PetroV[1-2]的軟件架構(gòu)設(shè)計(jì)與研發(fā)，需要進(jìn)一步梳理行業(yè)大數(shù)據(jù)系統(tǒng)的技術(shù)體系及演進(jìn)路線，全方位地重新理解并重構(gòu)現(xiàn)有軟件體系架構(gòu)和構(gòu)件，以滿足大數(shù)據(jù)高效存儲(chǔ)這一核心架構(gòu)需求和促進(jìn)行業(yè)內(nèi)針對(duì)性深度學(xué)習(xí)解決方案的實(shí)施。在明確了“PetroV即計(jì)算機(jī)”的體系架構(gòu)設(shè)計(jì)理念的前提下，PetroV重構(gòu)、升級(jí)了可服務(wù)于端到端的大數(shù)據(jù)建模、分析與深度學(xué)習(xí)策略的體系架構(gòu)。特別是，在保留支持不同類(lèi)型專(zhuān)業(yè)軟件二次開(kāi)發(fā)的軟件重用架構(gòu)特點(diǎn)的基礎(chǔ)上，全新設(shè)計(jì)并實(shí)現(xiàn)了基于地理網(wǎng)格剖分和地質(zhì)信息編碼的全新分布式文件系統(tǒng)(PetroV DFS)。

1 地質(zhì)智能中間件

在考慮大數(shù)據(jù)4V(Volume，Variety，Velocity，Veracity)特征的前提下，以谷歌為代表的互聯(lián)網(wǎng)公司提出、發(fā)展了系列大數(shù)據(jù)存儲(chǔ)、分析與深度學(xué)習(xí)技術(shù)。在TB、PB、EB直至ZB規(guī)模的大數(shù)據(jù)背景下，利用統(tǒng)計(jì)分析、機(jī)器學(xué)習(xí)等算法分析諸如用戶(hù)行為、社會(huì)輿情趨勢(shì)，挖掘數(shù)據(jù)潛在的商業(yè)價(jià)值。2006年，機(jī)器學(xué)習(xí)領(lǐng)域?qū)＜襀inton等提出的深度學(xué)習(xí)為代表的人工智能技術(shù)，正以前所未有的速度改變?nèi)藗兊纳a(chǎn)、生活和思維方式[3]?？紤]大數(shù)據(jù)存儲(chǔ)和深度學(xué)習(xí)為代表的新技術(shù)對(duì)油氣發(fā)現(xiàn)將有重要影響，油氣勘探開(kāi)發(fā)行業(yè)的專(zhuān)業(yè)軟件開(kāi)發(fā)應(yīng)及時(shí)緊跟大數(shù)據(jù)下人工智能技術(shù)的發(fā)展。

與互聯(lián)網(wǎng)行業(yè)有所區(qū)別的是，油氣勘探部署的大數(shù)據(jù)特征表現(xiàn)為5V：從大數(shù)據(jù)量(Volume)的數(shù)字巖心、疊前地震數(shù)據(jù)、基礎(chǔ)地質(zhì)圖件等，到對(duì)應(yīng)的多種結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)機(jī)制(Variety)，到疊前地震采集、油氣田開(kāi)發(fā)等系列新技術(shù)帶來(lái)的快速數(shù)據(jù)更新(Velocity)，到地下地質(zhì)認(rèn)識(shí)的不確定性對(duì)數(shù)據(jù)質(zhì)量的影響(Veracity)，到油氣勘探研究特有的從地震解釋、地質(zhì)編圖、油氣藏模擬等學(xué)科間交叉形成的數(shù)據(jù)間關(guān)聯(lián)與衍變(Variability)。

1.1 從軟件重用到地質(zhì)智能

在實(shí)踐不同層次軟件架構(gòu)設(shè)計(jì)原則和系列設(shè)計(jì)模式為代表的軟件重用技術(shù)方面，PetroV做了一些積極的嘗試和探索。在延續(xù)具有較低耦合性、較高可重用性和可維護(hù)性的軟件架構(gòu)特點(diǎn)的基礎(chǔ)上，PetroV的架構(gòu)設(shè)計(jì)擴(kuò)展了如何高效存儲(chǔ)大數(shù)據(jù)量的行業(yè)核心基礎(chǔ)數(shù)據(jù)，以及如何易于低成本構(gòu)建大數(shù)據(jù)(Big Data)、大計(jì)算(Big Compute)、大模型(Big Model)下的地質(zhì)智能(Geological Intelligence，GI)深度學(xué)習(xí)解決方案(圖1)。PetroV的地質(zhì)智能強(qiáng)調(diào)在數(shù)量巨大、結(jié)構(gòu)復(fù)雜、類(lèi)型眾多的行業(yè)地震、測(cè)井等基礎(chǔ)數(shù)據(jù)背景下，與基礎(chǔ)研究成果充分結(jié)合，在高勘探程度層系應(yīng)用針對(duì)性深度學(xué)習(xí)模型，即從基礎(chǔ)數(shù)據(jù)中挖掘油氣特征，整合關(guān)聯(lián)關(guān)系，獲得識(shí)別勘探目標(biāo)的能力； 利用學(xué)習(xí)到的認(rèn)知能力在低勘探程度層系識(shí)別新的勘探目標(biāo)，并與盆地成藏演化與模擬、區(qū)帶油氣藏規(guī)模統(tǒng)計(jì)、油氣藏復(fù)雜地質(zhì)建模等油氣定量評(píng)價(jià)數(shù)學(xué)模型實(shí)現(xiàn)高度耦合，客觀、全面地推理模擬或恢復(fù)盆地演化、勘探目標(biāo)形成、油氣藏物性條件動(dòng)態(tài)變化等關(guān)鍵地質(zhì)過(guò)程。

1.2 新架構(gòu)思考與應(yīng)對(duì)策略

在原有本地空間數(shù)據(jù)庫(kù)存儲(chǔ)基礎(chǔ)上，通過(guò)增加分布式文件存儲(chǔ)層及配套的領(lǐng)域計(jì)算服務(wù)層，PetroV的新架構(gòu)體現(xiàn)了“PetroV即計(jì)算機(jī)”的軟件架構(gòu)設(shè)計(jì)理念。與傳統(tǒng)的高性能計(jì)算機(jī)部署方案有較大不同，PetroV可被部署于科研人員的非高性能(廉價(jià))計(jì)算機(jī)上，計(jì)算和存儲(chǔ)資源的配置對(duì)于科研人員而言是透明的，這樣可顯著降低軟件部署的復(fù)雜度和成本，并提高資源使用的靈活性。新軟件架構(gòu)思考與應(yīng)對(duì)主要表現(xiàn)在三個(gè)方面。

圖1 體現(xiàn)地質(zhì)智能的PetroV新一代中間件架構(gòu)關(guān)鍵需求

圖2 PetroV新版軟件架構(gòu)設(shè)計(jì)

(1)持久化層：支持本地和遠(yuǎn)程兩級(jí)文件系統(tǒng)。該層的設(shè)計(jì)認(rèn)為大數(shù)據(jù)背景下，不存在“一刀切”式的存儲(chǔ)機(jī)制能夠滿足所有類(lèi)型的數(shù)據(jù)存儲(chǔ)需求。如關(guān)系型數(shù)據(jù)庫(kù)存儲(chǔ)技術(shù)(Relational Database Management System，RDBMS)在面對(duì)大數(shù)據(jù)量的數(shù)字巖心、疊前地震數(shù)據(jù)時(shí)，除元數(shù)據(jù)層面的有效存儲(chǔ)管理外，在數(shù)據(jù)內(nèi)容方面并無(wú)有效的存儲(chǔ)機(jī)制與索引技術(shù)[4-5]。新一代PetroV的軟件架構(gòu)在已有本地空間數(shù)據(jù)庫(kù)存儲(chǔ)機(jī)制(Spatial Database，SDB)和單一分布式文件存儲(chǔ)機(jī)制的基礎(chǔ)上，面對(duì)數(shù)字巖心、疊前(后)地震數(shù)據(jù)及測(cè)井等不同類(lèi)型大數(shù)據(jù)，進(jìn)一步統(tǒng)一了元數(shù)據(jù)建模思路，借鑒谷歌分布式存儲(chǔ)技術(shù)(Google File System，GFS)[6-7]研發(fā)了從全球尺度到單井?dāng)?shù)字巖心厘米級(jí)尺度的、體現(xiàn)地理位置相近、存儲(chǔ)位置相近的分布式存儲(chǔ)文件系統(tǒng)(PetroV DFS)。

(2)領(lǐng)域?qū)樱褐С稚疃葘W(xué)習(xí)服務(wù)與專(zhuān)業(yè)算法服務(wù)兩級(jí)計(jì)算框架。該層的設(shè)計(jì)強(qiáng)調(diào)以深度學(xué)習(xí)服務(wù)并行計(jì)算框架為基礎(chǔ)，開(kāi)發(fā)系列油氣勘探開(kāi)發(fā)相關(guān)的領(lǐng)域計(jì)算、分析或模擬引擎，實(shí)現(xiàn)深度學(xué)習(xí)與專(zhuān)業(yè)模型的深層次耦合。開(kāi)發(fā)不同類(lèi)型的大數(shù)據(jù)下深度學(xué)習(xí)和專(zhuān)業(yè)算法并行計(jì)算框架。其中，面向空間數(shù)據(jù)庫(kù)存儲(chǔ)強(qiáng)調(diào)的是空間統(tǒng)計(jì)分析引擎的設(shè)計(jì)與開(kāi)發(fā)；面向地震和測(cè)井以及數(shù)字巖心的分布式存儲(chǔ)，更多關(guān)注批處理計(jì)算框架的代碼實(shí)現(xiàn)，提煉面向地震、測(cè)井及數(shù)字巖心資料的MAP和REDUCE計(jì)算與分析范式，用于大數(shù)據(jù)下三維場(chǎng)景顯示、地震解釋和屬性分析等。

(3)應(yīng)用層：支持軟件集成的通用二次應(yīng)用軟件開(kāi)發(fā)框架。該層的設(shè)計(jì)強(qiáng)調(diào)借助系列大數(shù)據(jù)存儲(chǔ)和分析引擎以及配套的基礎(chǔ)設(shè)施二次開(kāi)發(fā)接口，包括GIS圖形和分析框架、統(tǒng)計(jì)信息可視化框架、三維建模和分析框架等，可快速開(kāi)發(fā)、部署用于大型、分布式、對(duì)大量數(shù)據(jù)進(jìn)行訪問(wèn)和分析的系列專(zhuān)業(yè)軟件版本，同時(shí)提供容錯(cuò)功能。利用現(xiàn)有的軟件架構(gòu)基礎(chǔ)設(shè)施，借助油氣勘探領(lǐng)域?qū)＜壹皥F(tuán)隊(duì)的力量和智慧，構(gòu)建勘探開(kāi)發(fā)專(zhuān)業(yè)軟件生態(tài)系統(tǒng)，通過(guò)大數(shù)據(jù)集成、共享，各個(gè)軟件版本交叉復(fù)用形成智力資源和知識(shí)服務(wù)能力，全面升級(jí)勘探部署規(guī)劃水平，創(chuàng)新大數(shù)據(jù)下的勘探部署規(guī)劃新模式。

2 PetroV DFS設(shè)計(jì)與關(guān)鍵技術(shù)

PetroV DFS核心設(shè)計(jì)在于其二級(jí)存儲(chǔ)機(jī)制的建立： 基于ST-based KIDA建模技術(shù)的本地空間數(shù)據(jù)庫(kù)集成，以及基于地理網(wǎng)格和地質(zhì)信息編碼的分布式文件存儲(chǔ)(圖3)。

圖3 PetroV DFS分布式文件系統(tǒng)架構(gòu)

2.1 基于ST-based KIDA元數(shù)據(jù)建模技術(shù)的本地空間數(shù)據(jù)庫(kù)集成

PetroV的ST-based KIDA建模技術(shù)(圖3虛線框)包括兩部分： ①在關(guān)注不同數(shù)據(jù)類(lèi)型的本體分類(lèi)及描述(如用途、數(shù)據(jù)范圍、數(shù)據(jù)來(lái)源、上下文描述、可靠性描述等)的基礎(chǔ)上，強(qiáng)調(diào)從源數(shù)據(jù)→信息→知識(shí)的衍變過(guò)程，突出“活動(dòng)(A)”作為復(fù)合對(duì)象可很好地關(guān)聯(lián)其他上下文活動(dòng)(如構(gòu)建作業(yè)流)以及自身所需三個(gè)數(shù)據(jù)層次的輸入、輸出； ②在編譯(加載、清洗、規(guī)則化)不同形態(tài)(矢量、柵格、文本等)的行業(yè)基礎(chǔ)數(shù)據(jù)的基礎(chǔ)上，按區(qū)域背景類(lèi)、沉積類(lèi)等專(zhuān)業(yè)主題組織基礎(chǔ)數(shù)據(jù)，以地理信息系統(tǒng)技術(shù)(GIS)的空間圖形表征規(guī)范，以及圖層數(shù)據(jù)組織模式進(jìn)行內(nèi)容呈現(xiàn)。

2.2 基于地理網(wǎng)格剖分和地質(zhì)信息編碼的遠(yuǎn)程分布式文件存儲(chǔ)

急劇增加的井、震文件大小，給相關(guān)專(zhuān)業(yè)軟件系統(tǒng)的研發(fā)帶來(lái)艱巨挑戰(zhàn)[8-10]。目前，業(yè)內(nèi)以采用HDFS(Hadoop Distributed File System)存儲(chǔ)方案居多。PetroV之所以未采用HDFS存儲(chǔ)解決方案，而是強(qiáng)調(diào)自主研發(fā)，主要有以下幾方面考慮：

(1)適宜HDFS存儲(chǔ)的對(duì)象更多是網(wǎng)頁(yè)為代表的非結(jié)構(gòu)化明碼數(shù)據(jù)，其文件管理與存儲(chǔ)機(jī)制沒(méi)有考慮井震數(shù)據(jù)的結(jié)構(gòu)化存儲(chǔ)特點(diǎn)；

(2)基于HDFS存儲(chǔ)的數(shù)據(jù)分析解決方案，更多適合批處理而不是流模式的實(shí)時(shí)計(jì)算，數(shù)據(jù)實(shí)時(shí)訪問(wèn)能力有待提升；

(3)HDFS基于文件目錄管理數(shù)據(jù)子塊文件，ZB級(jí)子塊文件數(shù)量形成的深層次目錄結(jié)構(gòu)的訪問(wèn)是個(gè)性能瓶頸。

對(duì)此，PetroV DFS側(cè)重設(shè)計(jì)一種新的分布式子塊數(shù)據(jù)文件編碼機(jī)制，高效管理ZB級(jí)數(shù)量的分布式子塊文件； 基于TB級(jí)井震數(shù)據(jù)特點(diǎn)，建立針對(duì)性分布式存儲(chǔ)機(jī)制，實(shí)現(xiàn)快速存取(圖4)。

2.2.1 全球空間網(wǎng)格編碼(Location Code)

在全球范圍進(jìn)行網(wǎng)格劃分，把經(jīng)緯度按照16×16進(jìn)行分割，形成256個(gè)格子，每個(gè)格子在下一級(jí)中又被分成16×16個(gè)格子，依此類(lèi)推，共形成7級(jí)網(wǎng)格，最細(xì)一級(jí)網(wǎng)格精度達(dá)到厘米級(jí)。經(jīng)度范圍是-180°～180°，即從西經(jīng)180°到東經(jīng)180°；緯度范圍與經(jīng)度范圍保持一致，也擴(kuò)展成-180°～180°(圖5)。

圖4 PetroV DFS的子塊文件編碼與轉(zhuǎn)換

圖5 全球空間網(wǎng)格劃分方案

不同分層下的空間網(wǎng)格需要有唯一空間信息編碼。該碼第一位和第二位分別是第一層級(jí)網(wǎng)格下的經(jīng)向標(biāo)識(shí)和緯向標(biāo)識(shí)，第三位和第四位是第二層級(jí)網(wǎng)格下的經(jīng)向標(biāo)識(shí)和緯向標(biāo)識(shí)，依此類(lèi)推。即定位網(wǎng)格編碼共14位，奇數(shù)位編碼為經(jīng)向編碼，偶數(shù)位編碼為緯向編碼，取值范圍均為十六進(jìn)制的0～F。

2.2.2 不同類(lèi)型地質(zhì)信息編碼(Geological Code)

對(duì)于要存儲(chǔ)的數(shù)據(jù)，分配分布式文件時(shí)，除了空間網(wǎng)格編碼，還需進(jìn)一步補(bǔ)充其它類(lèi)型地質(zhì)信息，形成最終的分布式子塊文件對(duì)應(yīng)的文件編碼(Data Chunk File Code)。補(bǔ)充地質(zhì)信息包含多項(xiàng)基礎(chǔ)數(shù)據(jù)地質(zhì)描述信息，包括方位或形狀，數(shù)據(jù)長(zhǎng)度，數(shù)據(jù)類(lèi)型等。地震類(lèi)型的基礎(chǔ)數(shù)據(jù)，編碼信息體現(xiàn)的主要是地震測(cè)網(wǎng)描述信息；測(cè)井類(lèi)型基礎(chǔ)數(shù)據(jù)包括測(cè)井曲線類(lèi)型、井眼方位、測(cè)井深度等描述信息。如增加井眼的方位編碼，值為0～F，對(duì)應(yīng)360°分割為16等分后的每一份。

2.2.3 以空間網(wǎng)格為聚簇單元，分配、定位分布式子塊文件

將需要進(jìn)行分布式存儲(chǔ)的基礎(chǔ)數(shù)據(jù)，考慮其所在地域位置及地質(zhì)信息，在它被賦給子塊文件編碼后，再將其傳給分布式服務(wù)器。分布式服務(wù)器根據(jù)編碼解譯出具體的地理網(wǎng)格信息，然后通過(guò)空間網(wǎng)格定位的規(guī)則決定數(shù)據(jù)要存放于哪個(gè)空間網(wǎng)格以及要存儲(chǔ)的數(shù)據(jù)要切割成多少子塊。同時(shí)，利用一致性散列算法，將不同的網(wǎng)格中的數(shù)據(jù)存儲(chǔ)到不同的機(jī)器中實(shí)現(xiàn)分布式存儲(chǔ)。分布式服務(wù)器中的地理位置服務(wù)維護(hù)空間網(wǎng)格相關(guān)信息，記錄了已有數(shù)據(jù)的各個(gè)網(wǎng)格，并且記錄了每個(gè)網(wǎng)格中含有哪些數(shù)據(jù)。其中，每個(gè)網(wǎng)格可能含有多個(gè)分布式子塊文件，每個(gè)分布式子塊文件中可能含有多組分布式數(shù)據(jù)，當(dāng)一組分布式數(shù)據(jù)大小超過(guò)文件容量限制時(shí)，一組分布式數(shù)據(jù)也會(huì)進(jìn)一步切分，分段存到多個(gè)分布式子塊文件中(圖6)。

圖6 PetroV DFS的子塊文件分配

3 原型驗(yàn)證

PetroV DFS分布式子塊文件的內(nèi)容有鍵值對(duì)存儲(chǔ)的測(cè)井、八叉樹(shù)子塊存儲(chǔ)的地震數(shù)據(jù)、空間索引存儲(chǔ)的地質(zhì)編圖三種種類(lèi)型。在2017年發(fā)表相關(guān)研究成果[2]的基礎(chǔ)上，本文繼續(xù)重點(diǎn)闡述基于八叉樹(shù)切分的子塊數(shù)據(jù)文件的讀寫(xiě)過(guò)程。地震數(shù)據(jù)文件的上傳，是指將SEGY源文件切分成多份小文件，發(fā)送到不同機(jī)器上進(jìn)行存儲(chǔ)。子塊的參數(shù)配置包括最終子塊的長(zhǎng)寬高、存儲(chǔ)節(jié)點(diǎn)地址、子塊備份數(shù)量。通過(guò)八叉樹(shù)切分的算法，可計(jì)算出總切分層級(jí)數(shù)，以及不同子塊所包含的數(shù)據(jù)在源地震文件中的對(duì)應(yīng)位置。各個(gè)子塊發(fā)送到哪個(gè)存儲(chǔ)節(jié)點(diǎn)，在圖6中已經(jīng)約定。讀、寫(xiě)地震類(lèi)數(shù)據(jù)(動(dòng)輒幾百GB)，其讀(對(duì)應(yīng)的子塊文件合并為SEGY文件)、寫(xiě)(SEGY文件切分成具體子塊文件)分布式，速度優(yōu)化是關(guān)鍵。地震數(shù)據(jù)體分布式切分與合并的速度有幾個(gè)優(yōu)化方向： 將更多的工作交給存儲(chǔ)節(jié)點(diǎn)而不是本地來(lái)做； 盡可能做到順序讀寫(xiě)文件； 降低讀寫(xiě)對(duì)象切換的頻率。

3.1 SEGY到子塊文件

將源地震數(shù)據(jù)預(yù)切割成多份中間文件，每份中間文件對(duì)應(yīng)一個(gè)存儲(chǔ)節(jié)點(diǎn)。然后將中間文件傳輸?shù)綄?duì)應(yīng)的存儲(chǔ)節(jié)點(diǎn)中。如圖7左所示，以順序讀源文件、順序?qū)懼虚g文件的方式來(lái)最大限度地減少本地時(shí)間耗費(fèi)，將中間文件傳輸?shù)酱鎯?chǔ)節(jié)點(diǎn)后，本地?cái)?shù)據(jù)文件的切分就已完成。

(1)確定所需的遠(yuǎn)程存儲(chǔ)節(jié)點(diǎn)及對(duì)應(yīng)的本地中間文件。每個(gè)地震道數(shù)據(jù)中包含此道的線號(hào)和道號(hào)，據(jù)此可以得到其位于源數(shù)據(jù)立方體對(duì)應(yīng)的地震測(cè)網(wǎng)的平面位置；地震道在深度方向上按照子塊文件的時(shí)窗的大小進(jìn)行分割，分割后的數(shù)據(jù)分別屬于不同的子塊，也是每次寫(xiě)入中間文件的最小數(shù)據(jù)單元。根據(jù)最小單元的線號(hào)道號(hào)以及深度得到其在源數(shù)據(jù)立方體中的空間位置，從而通過(guò)八叉樹(shù)切分算法計(jì)算出此最小單元所屬的子塊號(hào)以及其在子塊中的位置，通過(guò)子塊號(hào)獲取此最小單元所屬的存儲(chǔ)節(jié)點(diǎn)和對(duì)應(yīng)的中間文件。

(2)快速切分并寫(xiě)入本地中間文件。源地震數(shù)據(jù)以地震道為單位，每個(gè)地震道相當(dāng)于源立方體高方向上的一整條，每次讀取若干個(gè)地震道，PetroV默認(rèn)讀取的地震道數(shù)為合起來(lái)超過(guò)100MB的最小的道數(shù)量，大小也可由用戶(hù)通過(guò)自己的硬件配置和內(nèi)存大小做出調(diào)整。然后順序遍歷各個(gè)存儲(chǔ)節(jié)點(diǎn)對(duì)應(yīng)的中間文件，將這批地震道數(shù)據(jù)中屬于當(dāng)前存儲(chǔ)節(jié)點(diǎn)的數(shù)據(jù)寫(xiě)入當(dāng)前中間文件。數(shù)據(jù)與存儲(chǔ)節(jié)點(diǎn)的對(duì)應(yīng)關(guān)系通過(guò)八叉樹(shù)的切分方法來(lái)計(jì)算得到。

(3)異步傳輸本地中間文件，根據(jù)圖6揭示的存儲(chǔ)網(wǎng)格情形，生成子塊文件。每個(gè)存儲(chǔ)節(jié)點(diǎn)對(duì)應(yīng)的中間文件生成完畢后，將這些中間文件依次傳輸?shù)礁鱾€(gè)存儲(chǔ)節(jié)點(diǎn)。在存儲(chǔ)節(jié)點(diǎn)中，對(duì)接收到的中間文件，每次順序讀取約100MB數(shù)據(jù)，大小可配置，數(shù)據(jù)量具體大小為最小單元加上兩個(gè)整型數(shù)據(jù)的整數(shù)倍，將數(shù)據(jù)寫(xiě)入到各個(gè)子塊中。如圖7右所示，遍歷此100MB數(shù)據(jù)，每次讀取最小單元的子塊號(hào)和在子塊中的位置，然后將最小單元數(shù)據(jù)寫(xiě)入到對(duì)應(yīng)的子塊文件中。該步驟實(shí)現(xiàn)了中間文件的順序讀。

圖7 地震數(shù)據(jù)子塊文件切分與存儲(chǔ)

3.2 讀取子塊文件合并為SEGY文件

對(duì)于分布式的數(shù)據(jù)體，可再轉(zhuǎn)換回本地SEGY數(shù)據(jù)體。如圖8所示，其具體流程與生成相反。首先對(duì)于各個(gè)存儲(chǔ)節(jié)點(diǎn)，將子塊合并回中間文件，然后將中間文件下載到本地，本地再將這些中間文件合并為本地?cái)?shù)據(jù)體。

(1)寫(xiě)入存儲(chǔ)節(jié)點(diǎn)對(duì)應(yīng)的中間文件。中間文件生成方法為在存儲(chǔ)節(jié)點(diǎn)按照源數(shù)據(jù)體的線、道方向來(lái)進(jìn)行遍歷，處理每個(gè)地震道時(shí)，按照子塊的時(shí)窗進(jìn)行分割，得到各個(gè)最小單元，最小單元如果屬于當(dāng)前的存儲(chǔ)節(jié)點(diǎn)，則從對(duì)應(yīng)的子塊中讀取數(shù)據(jù)，存到中間文件中。八叉樹(shù)參數(shù)與生成時(shí)相同，寫(xiě)入時(shí)省略掉子塊號(hào)和在子塊中的位置這兩個(gè)整型數(shù)據(jù)。

若有多副本，則只有子塊第一次生成所在的存儲(chǔ)節(jié)點(diǎn)才寫(xiě)這個(gè)子塊的數(shù)據(jù)到中間文件，如果存在存儲(chǔ)節(jié)點(diǎn)掉線的情況，則再?gòu)钠渌北局蝎@取數(shù)據(jù)。同時(shí)本地端記錄下各個(gè)子塊是從哪些存儲(chǔ)節(jié)點(diǎn)中獲取的，用于后面合并中間文件成為數(shù)據(jù)體時(shí)判斷從哪個(gè)中間文件中取數(shù)據(jù)。此步驟做到了中間文件的順序?qū)?，同時(shí)減少了本地的工作量。

圖8 地震數(shù)據(jù)合并流程

(2)異步存儲(chǔ)節(jié)點(diǎn)的中間文件。依次下載，并按照線、道方向來(lái)進(jìn)行遍歷，生成各個(gè)地震道。每次要從中間文件默認(rèn)讀取總和約100MB數(shù)據(jù)，大小可以配置，具體大小為生成數(shù)據(jù)體地震道長(zhǎng)度的整數(shù)倍。本地遍歷和存儲(chǔ)節(jié)點(diǎn)遍歷的方式完全相同，所以合并時(shí)所需的數(shù)據(jù)順序與中間文件中的數(shù)據(jù)順序一致，只是這些數(shù)據(jù)需要從不同中間文件去獲取。為了做到中間文件的順序讀，PetroV遍歷中間文件，對(duì)每個(gè)中間文件，讀取屬于此100MB的內(nèi)容，再切換到下一個(gè)中間文件進(jìn)行讀取。每次讀取的最小單元為子塊的高。此步驟實(shí)現(xiàn)了源文件的順序?qū)?、中間文件的順序讀。

(3)合并本地文件為SEGY文件。

3.3 代碼實(shí)現(xiàn)

PetroV的代碼實(shí)現(xiàn)主要采用C++泛化編程，目的就是希望以最小軟件開(kāi)發(fā)代價(jià)獲得足以與需要多數(shù)人精心編寫(xiě)的代碼相匹敵的專(zhuān)用性、高度簡(jiǎn)潔和效率。PetroV DFS的泛化編程始于梳理服務(wù)大數(shù)據(jù)存儲(chǔ)與分析的每個(gè)算法的模板函數(shù)定義，分析調(diào)用參數(shù)順序?qū)瘮?shù)執(zhí)行的影響； 基于編譯時(shí)推導(dǎo)不同標(biāo)簽(Tag)類(lèi)型，分發(fā)、調(diào)用匹配的算法具體實(shí)現(xiàn)； 在算法實(shí)現(xiàn)函數(shù)中，進(jìn)一步區(qū)分是否有不同的算法策略； 在不同的算法策略中，會(huì)調(diào)用到具體功能類(lèi)的實(shí)現(xiàn)，這些功能類(lèi)可以被不同的、且被證明成功的系列遠(yuǎn)程過(guò)程調(diào)用(Remote Calling Function，RCF)開(kāi)源接口替代(圖9)。

圖9 PetroV DFS泛化接口設(shè)計(jì)的

3.4 440GB疊前地震數(shù)據(jù)的切分與合并

本文采用某工區(qū)的全方位共反射角道集，進(jìn)行了多次分布式文件的生成與讀寫(xiě)操作，目的在于驗(yàn)證：普通廉價(jià)計(jì)算機(jī)和低帶寬網(wǎng)絡(luò)環(huán)境下，相對(duì)于單機(jī)本地訪問(wèn)SEGY文件，PetroV DFS的網(wǎng)絡(luò)數(shù)據(jù)傳輸時(shí)間增加并不明顯，但新建的分布式文件對(duì)后續(xù)系列高計(jì)算強(qiáng)度要求的解釋算法的支撐，是單機(jī)本地文件無(wú)法做到的。試驗(yàn)選定的疊前地震道集是通過(guò)廣義Kirchhoff偏移獲取的深度域共成像點(diǎn)道集，大小為440GB，Inline范圍是1332～1732，共401條縱測(cè)線； Crossline范圍是1002～1402，有401條聯(lián)絡(luò)測(cè)線； 共計(jì)160801個(gè)CDP點(diǎn)，每個(gè)CDP點(diǎn)處為一個(gè)1000道的疊前道集，因此總共有160801000道，每道有751個(gè)采樣點(diǎn)。測(cè)試對(duì)象是24臺(tái)2010年購(gòu)買(mǎi)的服務(wù)器(圖10)，遠(yuǎn)低于現(xiàn)今主流服務(wù)器配置。

經(jīng)過(guò)多次試驗(yàn)，440GB地震文件的分布式存、取穩(wěn)定。以分布式文件的寫(xiě)入為例，總體時(shí)間約為9h40min，包括三步： ①掃描整體道頭的時(shí)間為5h10min，這是不同類(lèi)型軟件應(yīng)用SEGY地震數(shù)據(jù)必須的一步[11-13]，后續(xù)道頭掃描會(huì)基于第一次掃描建立的索引文件，在5min內(nèi)完成所有道頭掃描； ②按照八叉樹(shù)算法切割SEGY文件，形成本地中間文件，異步上傳對(duì)應(yīng)存儲(chǔ)節(jié)點(diǎn)，時(shí)間為4h7min； ③每一存儲(chǔ)節(jié)點(diǎn)最終形成440GB對(duì)應(yīng)的分布式子塊文件的時(shí)間為21min。

基于PetroV DFS文件系統(tǒng)，PetroV持續(xù)開(kāi)發(fā)了系列基于MapReduce編程模型為代表的地震屬性分析、儲(chǔ)層解釋算法，使得普通工作計(jì)算機(jī)運(yùn)行大數(shù)據(jù)量地震解釋算法變?yōu)榭尚?。同上配置，以新產(chǎn)生的440GB分布式文件為輸入，做440GB的全時(shí)窗頻率振幅屬性計(jì)算，所需時(shí)間僅為2h51min?；谠摲植际轿募到y(tǒng)，PetroV開(kāi)發(fā)了系列地震解釋算法(表1)[14-17]。

圖10 PetroV的分布式存儲(chǔ)(計(jì)算)節(jié)點(diǎn)配置

模塊名稱(chēng)輸 入Map計(jì)算Reduce計(jì)算輸 出切片1個(gè)疊后地震數(shù)據(jù)體、1個(gè)屬性體按照面元獲取整道數(shù)據(jù),并計(jì)算切片計(jì)算時(shí)窗內(nèi)取平均1個(gè)切片三角時(shí)頻分析1個(gè)疊后地震數(shù)據(jù)體按照面元獲取整道數(shù)據(jù),并運(yùn)算三角濾波按照面元內(nèi)CDP序號(hào)順序存放4個(gè)屬性體和6個(gè)切片4個(gè)屬性體、6個(gè)切片瞬時(shí)屬性1個(gè)疊后地震數(shù)據(jù)體按照面元獲取整道數(shù)據(jù),并運(yùn)算瞬時(shí)屬性按照面元內(nèi)CDP序號(hào)順序存放1-13個(gè)數(shù)據(jù)體1～13個(gè)屬性體,索引文件記錄輸出哪些屬性?xún)A角、方位角1個(gè)疊后地震數(shù)據(jù)體按照立方體獲取數(shù)據(jù)體,并運(yùn)算傾角、方位角按照面元內(nèi)CDP序號(hào)順序存放2個(gè)數(shù)據(jù)體1個(gè)傾角體、1個(gè)方位角體α濾波1個(gè)疊后地震數(shù)據(jù)體按照面元獲取整道數(shù)據(jù),并運(yùn)算Alpha濾波按照面元內(nèi)CDP序號(hào)順序存放1個(gè)數(shù)據(jù)體1個(gè)疊后地震數(shù)據(jù)各向異性反演1個(gè)360道集按照面元獲取360道集,并運(yùn)算各向異性反演按照面元內(nèi)CDP序號(hào)順序存放4個(gè)數(shù)據(jù)體1個(gè)各向同性屬性、2個(gè)各向異性屬性及1個(gè)裂縫發(fā)育方向橢圓擬合1個(gè)CMP道集、2個(gè)速度體按照面元獲取CMP道集和速度體,運(yùn)算橢圓擬合按照面元內(nèi)CDP序號(hào)順序存放2個(gè)數(shù)據(jù)體1個(gè)各向異性屬性、1個(gè)裂縫發(fā)育方向貝葉斯三參數(shù)反演3個(gè)角度部分疊加數(shù)據(jù)體、3個(gè)彈性參數(shù)低頻模型體按照面元獲取6個(gè)數(shù)據(jù)體,并運(yùn)算三參數(shù)反演按照面元內(nèi)CDP序號(hào)順序存放3個(gè)數(shù)據(jù)體3個(gè)彈性參數(shù)反演結(jié)果基追蹤反演1個(gè)疊后地震數(shù)據(jù)體、1個(gè)彈性參數(shù)低頻模型體按照面元獲取2個(gè)數(shù)據(jù)體,并運(yùn)算基追蹤反演按照面元內(nèi)CDP序號(hào)順序存放2個(gè)數(shù)據(jù)體1個(gè)反射系數(shù)反演結(jié)果、1個(gè)波阻抗反演結(jié)果頁(yè)巖物性參數(shù)反演3個(gè)彈性參數(shù)反演體、3個(gè)物性參數(shù)低頻模型體按照面元獲取6個(gè)數(shù)據(jù)體,并運(yùn)算頁(yè)巖物性參數(shù)反演按照面元內(nèi)CDP序號(hào)順序存放3個(gè)數(shù)據(jù)體3個(gè)物性參數(shù)反演結(jié)果脆性反演3個(gè)角度反射系數(shù)體、3個(gè)彈性參數(shù)低頻模型體按照面元獲取6個(gè)數(shù)據(jù)體,并運(yùn)算脆性指數(shù)反演按照面元內(nèi)CDP序號(hào)順序存放3個(gè)數(shù)據(jù)體3個(gè)彈性參數(shù)反演結(jié)果相干體1個(gè)疊后地震數(shù)據(jù)體按照立方體獲取數(shù)據(jù)體,并運(yùn)算相干體按照面元內(nèi)CDP序號(hào)順序存放1-3個(gè)數(shù)據(jù)體1～3個(gè)相干屬性曲率1個(gè)傾角屬性體、1個(gè)方位角屬性體按照立方體獲取數(shù)據(jù)體,并運(yùn)算曲率按照面元內(nèi)CDP序號(hào)順序存放1-10個(gè)數(shù)據(jù)體1～10個(gè)曲率屬性體角道集1個(gè)CMP道集、2個(gè)速度體按照面元獲取CMP道集和速度體,并運(yùn)算角道集按照面元內(nèi)CDP序號(hào)順序存放1個(gè)數(shù)據(jù)體1個(gè)角道集時(shí)窗屬性1個(gè)疊后地震數(shù)據(jù)體、1個(gè)速度體按照面元獲取數(shù)據(jù)體,并運(yùn)算時(shí)窗屬性按照面元內(nèi)CDP序號(hào)順序存放1個(gè)點(diǎn)1個(gè)切片三維地震數(shù)據(jù)的雕刻與蝕刻1個(gè)疊后地震數(shù)據(jù)體、1個(gè)屬性體按照面元獲取數(shù)據(jù)體存儲(chǔ)各個(gè)點(diǎn)和面1個(gè)mesh網(wǎng)文件,文件頭中記錄點(diǎn)和面的個(gè)數(shù)三維數(shù)字巖心的雕刻與蝕刻1個(gè)巖心數(shù)據(jù)體按照面元獲取數(shù)據(jù)體存儲(chǔ)各個(gè)點(diǎn)和面1個(gè)mesh網(wǎng)文件,文件頭中記錄點(diǎn)和面的個(gè)數(shù)

4 結(jié)論

區(qū)別于HDFS為代表的分布式文件系統(tǒng)，PetroV DFS充分考慮測(cè)井、地震等行業(yè)基礎(chǔ)數(shù)據(jù)存儲(chǔ)與應(yīng)用特點(diǎn)，突出了ZB級(jí)文件數(shù)量的分布式高效管理和TB級(jí)文件大小的分布式低延時(shí)讀寫(xiě)等關(guān)鍵技術(shù)實(shí)現(xiàn)，體現(xiàn)地理位置相近、存儲(chǔ)位置相近的分布式存儲(chǔ)與應(yīng)用特點(diǎn)：

(1)基于全球地理網(wǎng)格剖分編碼和不同類(lèi)型基礎(chǔ)數(shù)據(jù)的地質(zhì)信息編碼，分布式數(shù)據(jù)子塊文件數(shù)量的分配沒(méi)有上限、文件命名不會(huì)有沖突，可快速定位或創(chuàng)建分布式數(shù)據(jù)子塊文件；

(2)設(shè)計(jì)空間索引子塊存儲(chǔ)，八叉樹(shù)切分子塊存儲(chǔ)、空間鍵值對(duì)子塊存儲(chǔ)三種存儲(chǔ)機(jī)制，快速讀寫(xiě)大數(shù)據(jù)量的地質(zhì)編圖與二維數(shù)字巖心、三維地震數(shù)據(jù)和測(cè)井?dāng)?shù)據(jù)；

(3)基于ST-Based KIDA元數(shù)據(jù)建模技術(shù)的本地空間數(shù)據(jù)庫(kù)集成方案，可實(shí)現(xiàn)以自主GIS平臺(tái)技術(shù)為中心的數(shù)據(jù)集成、以自主分布式大數(shù)據(jù)存儲(chǔ)為中心的數(shù)據(jù)管理和以解決實(shí)際勘探問(wèn)題為中心的數(shù)據(jù)分析與挖掘(深度學(xué)習(xí)解決方案)。