Descoberta de Execução de Modelo Meteorológico

Visão Geral

Resolve uma execução de previsão numérica do tempo antes de baixar os campos do modelo. Sonda objetos exatos ou prefixos restritos, verifica um contrato de conclusão específico da solicitação e retorna a inicialização qualificadora mais recente com seus metadados de origem.

Esta habilidade decide quais execuções e objetos existem. Use weather-model-data-fetching depois para transferir ou subsetar os dados.

Quando Usar Esta Habilidade

• Um aplicativo precisa do ciclo mais recente utilizável de modelos como GFS, GEFS, HRRR, RAP, NAM ou similares.
• O ciclo mais recente nominal retorna 404, tem apenas horas de previsão iniciais ou ainda está em mudança.
• Espelhos equivalentes da AWS, NOMADS, Google, Azure ou outros devem ser comparados sem misturar execuções silenciosamente.
• Um trabalho agendado precisa de um fallback limitado para um ciclo completo mais antigo.
• A execução e o provedor resolvidos devem ser registrados para reprodução posterior.

Não ative esta habilidade quando a inicialização já estiver definida ou quando a tarefa for baixar, decodificar ou interpretar variáveis do modelo.

Definir Completo Antes de Sondar

Colete o seguinte contrato de solicitação:

• modelo, domínio, produto e membro do ensemble;
• horas de ciclo UTC legais e intervalo de ciclo;
• horas de previsão necessárias;
• objetos companheiros necessários, como produtos de superfície e de pressão;
• arquivos de inventário ou índice necessários;
• prioridade do provedor e se o fallback entre provedores é permitido;
• lookback máximo, sondagens máximas e requisito de frescor.

Uma execução é considerada completa apenas quando todos os sentinelas exigidos pelo consumidor existem. Exemplos incluem:

• um produto em uma hora de previsão para um trabalho de imagem única;
• arquivos de nível de pressão e de superfície para um sounding;
• a hora de previsão terminal necessária por uma série temporal;
• cada membro necessário para uma estatística de ensemble.

A presença da hora de previsão zero não prova que uma execução está completa.

Fluxo de Trabalho de Descoberta

1. Normalize o tempo atual e todos os tempos de inicialização candidatos para UTC.
2. Enumere apenas ciclos legais, do mais novo para o mais antigo, dentro do limite de lookback.
3. Construa chaves de objeto documentadas para o modelo exato, produto, membro e hora de previsão. Nunca escaneie recursivamente um bucket inteiro.
4. Sonde objetos exatos com HeadObject, HEAD HTTP ou uma listagem de prefixo paginada restrita. Uma sondagem deve recuperar metadados, não a carga útil do modelo.
5. Exija todos os sentinelas e sidecars no contrato de conclusão. Rejeite objetos de comprimento zero ou obviamente placeholders.
6. Para um espelho ativo que pode expor objetos antes que a publicação seja concluída, repita a sondagem de metadados após um pequeno intervalo limitado e exija tamanho estável e identidade do objeto.
7. Selecione o primeiro candidato completo. Um provedor de fallback deve se referir à mesma inicialização, produto, membro e hora de previsão.
8. Emita um registro de resolução antes de iniciar o download.

Use a página de status de ciclo documentada de um provedor como evidência de suporte, não como substituta para sondar os objetos exatos que o consumidor requer.

Exemplo Mínimo de Resolução

Mantenha a construção de chaves específica do provedor separada da regra de seleção. Este exemplo aceita um callback probe apenas de metadados para que possa ser usado com S3, HTTP ou um fixture de teste.

from datetime import datetime, timedelta, timezone


def candidate_cycles(now, cycle_hours, lookback):
    now = now.astimezone(timezone.utc).replace(minute=0, second=0, microsecond=0)
    allowed = sorted(set(cycle_hours), reverse=True)
    candidates = []
    for days_back in range((lookback // 24) + 2):
        day = (now - timedelta(days=days_back)).date()
        for hour in allowed:
            cycle = datetime(day.year, day.month, day.day, hour, tzinfo=timezone.utc)
            if cycle <= now and now - cycle <= timedelta(hours=lookback):
                candidates.append(cycle)
    return sorted(set(candidates), reverse=True)


def resolve_latest(now, cycle_hours, lookback, required_objects, probe):
    """Retorna uma execução completa; probe(uri) retorna metadados ou None."""
    attempts = []
    for cycle in candidate_cycles(now, cycle_hours, lookback):
        requested = required_objects(cycle)
        found = {name: probe(uri) for name, uri in requested.items()}
        missing = [name for name, metadata in found.items() if not metadata]
        attempts.append({"cycle": cycle.isoformat(), "missing": missing})
        if not missing:
            return {
                "initialization": cycle.isoformat(),
                "objects": [

…