Open-Meteo 免费天气 API 实战指南从一条查询到自建部署【免费下载链接】open-meteoFree Weather Forecast API for non-commercial use项目地址: https://gitcode.com/GitHub_Trending/op/open-meteo你想在应用里显示天气又不想注册申请付费的 API key。Open-Meteo 是一个开源的免费气象数据接口无需 API 密钥即可调用提供最长 16 天的逐小时预报、80 年历史天气、空气质量与海洋预报也可以把整套服务部署到自己的服务器。三步拿到第一条天气预报最快的路径是直接用公共接口请求格式是/v1/forecast?latitude纬度longitude经度hourly变量名公共服务端在 api.open-meteo.com不要求鉴权浏览器和移动端都可以直连支持 CORS。想拥有自己的实例用 Docker 最省事。容器会从 Open-Meteo 的公共 S3 数据分发拉取预报数据并缓存到本地卷不要求你预先下载完整气象模型docker run -d --name open-meteo \ -v open-meteo-data:/app/data \ -e REMOTE_DATA_DIRECTORYhttps://openmeteo.s3.amazonaws.com/data/ \ -p 127.0.0.1:8080:8080 \ ghcr.io/open-meteo/open-meteo然后验证结果curl http://127.0.0.1:8080/v1/forecast?latitude47.1longitude8.4hourlytemperature_2m。首次请求会花几秒冷缓存之后相同或邻近坐标的重复请求会明显变快。它是什么一个开源的气象数据接口Open-Meteo 的定位是接口层各国气象机构公开发布的数值预报本身免费但文件是 GRIB、NetCDF 这类二进制格式还涉及网格、投影等专业知识。Open-Meteo 把这些文件统一转换、存储再包装成普通的 HTTP 查询。主要数据源包括 NOAA GFS含 HRRR 快速更新模式、德国 DWD ICON、法国 Arpège/Arome、ECMWF IFS、日本 JMA、加拿大 GEM 以及挪威 MET Norway。全球模型分辨率 11 公里区域模型最细到 1.5 公里预报覆盖最长 16 天逐小时数据历史数据可回溯 80 年ERA5 再分析。除核心预报外还有空气质量、海洋波浪、地理编码、高程、洪水等接口接口定义都放在 openapi 目录里。性能方面官方接口的响应时间低于 10 毫秒服务器分布在欧洲和北美通过 GeoDNS 把请求路由到较近的节点。服务不含广告、跟踪和 Cookie每天处理超过 5 TB 的预报数据。数据流从气象机构文件到 API 响应整个系统由三部分组成。API 服务器用 Swift 编写编译为单个二进制文件负责处理 HTTP 请求文件数据库存放在data/目录使用自研的开源二进制格式om 文件针对查某地点多天温度这类时间序列压缩访问做了优化下载程序负责从数据源取数。数据流是单向的气象机构发布预报文件 → 下载器解析并转换成 om 文件 → 写入data/目录 → API 服务器按需读取小片段并压缩传输。一次预报查询通常只需从大量文件里读几 MB 的小数据块这也是 om 格式的设计目标。自建实例比官方接口慢的原因在这里官方有热缓存和多节点部署而自建实例冷缓存时一次查询要读几百个文件的小片段耗时可达数秒。因此自建更适合有大量重复请求的工作负载。服务端每 2 分钟检查一次 S3 上的更新并预加载变化本地缓存按 LRU 淘汰大小由CACHE_SIZE环境变量控制支持到 TB 级。代码目录导览从 API 服务器到模型下载器主代码在 Sources/App/ 下按模型和功能分目录。Controllers/API 路由与响应生成ForecastapiController.swift 是天气查询主入口Gfs/、Ecmwf/、Icon/ 等每个气象模型一个目录内含下载器和变量定义Commands/CLI 命令包括 sync同步数据库、benchmark性能测试、export导出 NetCDF、migration数据库迁移Helper/通用工具插值算法、气象学计算、GRIB/NetCDF 读取与写入都在 Helper/Download/OmFileIO/文件读写层同时支持本地磁盘和 S3 两种后端Tests/AppTests/ 是测试套件docs/development.md 记录了从源码构建镜像和 Swift 本地开发的方法Swift 6 Vapor 框架。获取源码git clone https://gitcode.com/GitHub_Trending/op/open-meteo。进阶配置自维护数据库、多节点与性能调优自维护数据库可以不经过 S3 分发直接用download-*系列命令从各国气象机构拉取原始文件并转换例如download-icon、download-gfs、download-era5参数说明见 downloading-datasets。两个数字值得先知道ERA5 历史数据每年约占 60 GB 磁盘全量下载所有模型所有变量每天产生 4–8 TB 流量官方建议只选需要的变量定时任务示例在 cronjobs。多节点部署让一台机器专职下载和建库API 机器通过 S3 协议定期拉取增量数据sync命令实现跨机房分布配置见 sync-command。硬件与调优CPU 需要 SIMD 指令如 AVX2x86-64 和 Arm 都支持内存最低 8 GB、推荐 16 GB磁盘 100 GB 起步优先高 IOPS 的 NVMe SSD因为存储本身兼任缓存。云部署时把 API 实例放在与公共数据源同区域us-west-2读取速度会明显更好。使用前须知许可、请求上限与数据准确性许可源码为 AGPLv3数据为 CC BY 4.0。展示数据时需注明来源官方建议在显示位置附Weather data by Open-Meteo.com链接修改代码后以网络服务形式提供须开放修改后的源码。请求上限免费接口面向非商业和开源开发场景官方请求合理使用fair use单日超过 10,000 次请求应提前联系商业用途需与官方洽谈官方保留封禁滥用 IP 的权利。数据准确性所有数据按as-is提供、无担保预报模型本身存在误差关键应用建议同时查询多个模型对比。自建注意Ubuntu 预编译包目前仅支持 22.04服务默认绑定 127.0.0.1生产环境需经 nginx 等反向代理提供 TLS。参考资料文档、测试与接口定义getting-started.mdDocker、Ubuntu 包两种部署方式与硬件要求downloading-datasets.md各气象模型下载命令与数据源说明sync-command.md多节点数据库同步配置cronjobs.md官方服务器上全部下载任务的定时配置openapi/forecast、marine、air-quality 等接口的 OpenAPI 定义Tests/AppTests/API、插值、气象计算等测试用例Open-Meteo 把各国气象机构的原始预报文件封装成可直接查询的接口下载、转换、存储、响应的每个环节都以源码形式公开。你可以直接调用公共接口也可以按上面的路径部署自己的实例再依据实际负载调整缓存与数据源。【免费下载链接】open-meteoFree Weather Forecast API for non-commercial use项目地址: https://gitcode.com/GitHub_Trending/op/open-meteo创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
企业数字化 ERP 产品动态
相关推荐
我的 Codex 技能库清单：程序员 had 的实战版整理与 TaoToken 配置骨架 /* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/9/26 15:30:18
UML序列图完全指南：从核心元素到实战绘制与软考考点 /* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/9/26 15:30:18
AutoBangumi REST API 参考：从认证鉴权到番剧自动化管理的完整集成指南 后端前端音视频 【免费下载链接】Auto_Bangumi AutoBangumi - 全自动追番工具 项目地址： https://gitcode.com/gh_mirrors/au/Auto_Bangumi 点击查看 免费下载 AutoBangumi 在 http://your-host:7892/api/v1 下暴露了一套完整的 REST API，覆盖账号认证、… · 2026/9/26 15:30:12
【Agent】LangChain快速上手 这里就正式进入LangChain的详细解析了，感兴趣可以持续关注。 1. 内容与目标 LangChain，它是一个用于开发由大语言模型 (LLM) 驱动的应用程序的框架。 通过前几篇，我们已经说明尽管大模型在某些方面表现振奋人心，但使用原生 LLM 可… · 2026/9/26 15:59:39
Dota 2玩家遥测二分类实战 从行为数据预测高水平玩家概率 这道 Kaggle 题目的核心不在游戏背景，而在行为遥测建模。任务要求根据 Dota 2 对局中的操作与交互数据，预测玩家属于高水平类别的概率，评估标准采用 AUC，重点考察排序能力而非固定阈值下的分类结果。
从技术实践看，这类题目非常适合用来训练结构化数据项目的完整闭环能力… · 2026/9/26 15:59:21
交易流水多标签分类实战 用 Kaggle 预测客户未来一周品类购买概率 这道 Kaggle 竞赛的价值，不在于做一次普通二分类练习，而在于把一年期交易流水还原成真实可用的客户意图预测任务。目标是针对 8 个商品类别，判断客户在未来 7 天内发生购买的概率，本质上属于零售金融场景下的多标签分类问题。
这类题目很适合作为从数据分析迈向机器学习建… · 2026/9/26 15:59:21
银行交易年龄分组预测实战 从交易流水到客户画像分类建模 这道 Kaggle 赛题聚焦银行客户年龄分组预测，输入并不是现成用户特征，而是近两千万条交易流水。真正的建模对象并非单笔消费，而是客户长期行为在金额、频次、品类和时间上的组合模式。
这类任务很接近真实金融与零售运营场景。年龄段标签看似简单，背后考验的是如何把明细表… · 2026/9/26 15:59:21
用 Kaggle 币价时序回归项目入门价格预测实战 CiVilium Price Prediction 是一道很适合做时序建模入门的 Kaggle 练习题。数据字段极少，只有时间戳与成交量，目标却是预测高频交易窗口下的加权价格，这种设定能够把注意力集中到任务理解、时间验证、特征工程和误差控制这些真正影响结果的核心环节。
这类题目的价值不只在… · 2026/9/26 15:59:21
高尔夫目标检测实战解析 从 Kaggle 赛题到视觉教练原型 BoolArt Golf Detection challenge 是一道典型的高尔夫场景目标检测任务，核心目标不是识别图像属于哪一类，而是在画面中准确找出目标位置并输出边界框结果。题目采用 YOLO 风格标注，评价指标围绕 mAP 展开，适合用来系统练习检测数据解析、训练验证和提交构建。
这类赛题的… · 2026/9/26 15:59:21
数据库课后习题答案别硬背：当测试用例集刷，效率翻倍 简介：万常选版《数据库原理与设计》课后习题答案资源，覆盖第2至6章及第9章，适合正在学习关系模型、数据库建模、关系数据理论与模式求精的本科生、自学者作为复习与自测材料。压缩包共7个文件，含3个doc参考答案、2个sql示例脚本、… · 2026/9/26 0:00:21
OpenClaw 替代品？Hermes Agent 踩坑实录：macOS 飞书接入 TaoToken 配置 /* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/9/26 0:00:40
向下兼容与向上兼容：接口设计中的兼容性策略与工程实践 一次版本升级事故，是很多团队绕不过去的坎。线上环境里，服务端明明已经上线了新版接口，老的移动端还在照着旧文档传参数。请求一到网关，校验直接拒绝，用户操作失败，客服群炸了锅，开发群里开始互… · 2026/9/26 0:00:46
