近年来信息化行业不断发展,以云计算、分布式等为代表的新型信息技术不断涌现,社会已逐渐步入大数据时代。在气象行业,随着现代化建设不断推进,业务服务不断拓展,观测频次不断加密、加工产品不断丰富,气象数据资料种类和数据量爆发式增长。面对海量气象数据高效处理相关问题,开展Hadoop、Map Reduce等技术的研究已经比较普及,但由于这些技术都是基于批处理设计的,普遍存在延迟高、响应慢的不足。为满足海量实时数据高速处理的需求,信息领域研究了Active MQ、Kafka等多种消息中间件,在一定程度上解决了海量实时数据并发采集和高速处理的难题,但是如何对各种消息中间件进行性能优化,进一步提升其并发性能和吞吐量,依然是各行业普遍研究的热点。为解决海量实时气象数据并发处理能力不足的问题,本文对国内外相关研究状况进行多方面调研分析,通过对比不同消息中间件的特性,选择目前广泛使用的分布式消息订阅系统Kafka为研究对象,构建基于分布式架构的试验模型,采用熵权法分析气象数据关键特征值分类策略,开展Kafka关键功能特征最优配置策略研究,并采用大量对比分析实验进行验证。具体如下:（1）对比分析常用的Active MQ、Rabbit MQ、Kafka等多种消息中间件的关键特性,采用Kafka构建高并发实验模型,具备实时处理海量气象监控数据的能力。（2）提出采用熵权法分析不同种类气象资料关键特征值的算法,得出这些特征值对应于消耗Kafka集群资源所占的权重,进而形成气象数据在Kafka中最优分类分区策略,作为Kafka中进行数据分区的依据,提升Kafka并发性能。（3）选取对Kafka并发性能、吞吐量影响最明显的Thread、Partition和Replica等关键特征,对其适应海量气象数据处理的配置策略开展优化研究,找出适应气象数据高速处理的最优策略组合,进一步提升Kafka的并发处理与数据吞吐能力。（4）设计最接近实际应用场景的监控信息作为实验数据集,利用Producer和Consumer端的测试工具依托实验模型对气象数据分类分区方法和Kafka最优分区策略的研究结论进行了分析与验证。实验结果表明:本文提出的研究方法,在有限的基础资源支撑条件下得到了最优的性能提升,满足海量气象监控信息数据高并发处理的需求,达到研究目标。