氣象數(shù)據(jù)的增長(zhǎng)規(guī)模已達(dá)到每小時(shí)TB級(jí)，這使得傳統(tǒng)基于關(guān)系型數(shù)據(jù)庫(kù)和文件存儲(chǔ)系統(tǒng)在海量數(shù)據(jù)存儲(chǔ)與管理方面捉襟見(jiàn)肘，進(jìn)而使得基于大規(guī)模異構(gòu)氣象數(shù)據(jù)的應(yīng)用無(wú)法規(guī)模化，同時(shí)，也無(wú)法滿(mǎn)足科研人員對(duì)海量氣象數(shù)據(jù)高效探索的需要。為解決這一系列問(wèn)題，研究者分別基于MapReduce、HBase等分布式框架下的分布式計(jì)算和存儲(chǔ)技術(shù)，嘗試為海量氣象數(shù)據(jù)的探索提供有效技術(shù)手段，然而，綜合性的研究據(jù)了解還未開(kāi)展。因此，利用近年來(lái)積累的海量多普勒天氣雷達(dá)數(shù)據(jù)，開(kāi)展了基于MapReduce和HBase相結(jié)合的風(fēng)暴三維追蹤方法的研究，并基于傳統(tǒng)Rest標(biāo)準(zhǔn)化接口實(shí)現(xiàn)了雷達(dá)資料的點(diǎn)、線、面、體的多種分布式服務(wù)接口，與傳統(tǒng)的Rest標(biāo)準(zhǔn)化單機(jī)數(shù)據(jù)存儲(chǔ)和訪問(wèn)接口的性能相比，所實(shí)現(xiàn)方法在性能方面有1 00%的效率提升。最后，以2007年至2009年珠江三角洲地區(qū)三年雷達(dá)數(shù)據(jù)的風(fēng)暴追蹤回算為例，進(jìn)一步驗(yàn)證了所提方法在計(jì)算和存儲(chǔ)管理方面的性能優(yōu)勢(shì)。