[发明专利]用于CFD的并行计算方法及系统

说明书

技术领域

本发明涉及计算机并行技术，尤其涉及一种用于CFD(Computational Fluid Dynamics，计算流体力学)的大规模并行计算方法及系统。

背景技术

目前，CFD大规模并行技术主要是基于CPU(Central Processing Unit，中央处理器)众核的粗粒度并行。

CPU功能强大，可以完成几乎所有的计算任务。然而，其浮点计算能力受到摩尔定律的限制，随着部件尺度的越来越小，量子效应(霍尔效应)对计算能力的继续提高形成了瓶颈。

CFD计算包括很多种类型，例如，CFD涉及边界面通量计算、网格节点间数据交换、交换面通量计算、内部面通量计算等等。这些不同类型的计算，有些所需浮点计算量大、有些所需的逻辑计算量大，因此，若全部采用CPU或CPU的组合作为网格节点进行计算，由于量子效应造成的计算能力的瓶颈，将严重影响并行计算的效率。

发明内容

有鉴于此，本发明提出一种用于CFD的并行计算方法及系统，旨在突破摩尔效应的限制，提高并行计算的效率。

第一方面，本发明提供了一种用于CFD的并行计算方法，所述方法基于多个计算节点形成的异构体系结构，每一所述计算节点包括至少一个CPU和至少一个GPU(Graphic Processing Unit，中文翻译为“图形处理单元”)，并且，两个计算节点间通过CPU互联；所述用于CFD的并行计算方法包括如下步骤：分解步骤，将CFD的计算任务分解为多个不同类型的任务流；第一分配步骤，将分解获取的任务流分配给所述异构体系结构中的各个计算节点；第二分配步骤，对于所述每一计算节点，在接收到不同种类的多个任务流后，根据各个任务流所需浮点计算量的大小，确定由CPU处理或是由GPU处理；计算及同步步骤，在每一计算节点的所有CPU和所有GPU完成接收的所有任务流后，完成CPU和GPU的同步；并且，不同计算节点的并行通过MPI实现。

进一步地，上述用于CFD的并行计算方法的所述分解步骤中，所述不同类型的任务流包括：内部面通量任务流、边界面通量任务流、交换面通量任务流、节点间数据交换任务流和CPU/GPU数据映射任务流。

进一步地，上述用于CFD的并行计算方法的所述第一分配步骤中，将所述分解获取的任务流重新进行组合，确定组合后所需的计算量，并将组合的任务流分配给与计算能力相匹配的计算节点。

进一步地，上述用于CFD的并行计算方法所述第二分配步骤中：由所述计算节点中的所述CPU进行所述边界面通量任务流和所述交换面通量任务流的计算。

进一步地，上述用于CFD的并行计算方法所述第二分配步骤中：由所述计算节点中的所述GPU进行所述内部面通量任务流的计算。

进一步地，上述用于CFD的并行计算方法所述第二分配步骤中：由所述计算节点间的CPU进行节点间数据交换的计算。

进一步地，上述用于CFD的并行计算方法所述第二分配步骤中：所述CPU/GPU数据映射任务流是由CPU和GPU共同完成，包括数据互相拷贝、数据发送和数据接收。

进一步地，上述用于CFD的并行计算方法还包括：在所述分解步骤前，还包括：网格读入及映射步骤，将网格读入内存中，通过显存映射模型，将网格映射到显存。

与现有技术相比，本发明用于CFD的并行计算方法具有如下优势：

第一、本发明将CFD的计算任务分解为多个不同类型的细粒度任务流细粒度，并行效率高；

第二、本发明一方面发挥CPU的逻辑分支计算能力，采用CPU处理浮点计算量小的任务流，另一方面可以发挥GPU的浮点计算能力，采用GPU处理浮点计算量大的任务流；因此，突破了摩尔效应的限制，解决了量子效应造成的计算能力的瓶颈问题，提高了并行计算的效率。

第二方面，本发明还提供了一种用于CFD的并行计算系统，包括基于多个计算节点形成的异构体系结构，每一所述计算节点包括至少一个CPU和至少一个GPU，并且，两个计算节点间通过CPU互联；

其中，所述计算节点中的CPU用于执行边界面通量任务流和交换面通量任务流的计算；所述计算节点中的GPU进行内部面通量任务流的计算；所述计算节点间的CPU进行节点间数据交换的计算；以及，由CPU和GPU共同完成数据映射任务流的计算，包括数据互相拷贝、数据发送和数据接收；并且，不同计算节点的并行通过MPI实现。

与现有技术相比，本发明用于CFD的并行计算系统具有如下优势：