[发明专利]海啸数值计算模型基于GPU并行的快速执行方法

说明书

本发明公开了一种海啸数值计算模型基于GPU并行的快速执行方法，方法包括：CPU接收海啸数值计算模型的启动指令后，获取与所述海啸数值计算模型相关的参数信息，并获取初始海表面形变信息；CPU读取到数据传输指令时，CPU将参数信息和初始海表面形变信息传输至GPU；GPU通过内核函数执行所述海啸数值计算模型的海啸传播计算过程，获取最终的计算结果；GPU读取到数据回传指令时，GPU将海啸计算结果传输至CPU；CPU根据输出指令，对计算结果进行格式化处理并输出。上述方法将计算量小的过程交由CPU执行，计算量大的过程通过内核函数实现在GPU端并行处理，进而可显著提高海啸数值计算模型的执行效率，提高了海啸快速预警能力。

技术领域

本发明属于海啸预警和灾害评估技术，尤其涉及一种海啸数值计算模型基于GPU并行的快速执行方法。

背景技术

海啸数值计算模型是实时海啸预警和海啸研究的有效手段之一，二维浅水动力学方程是模型通常的数学物理基础。

海啸数值计算模型的运行需要硬件支持，如工作站、小型工作站或者大型计算机，运行方式包括串行和并行两种。通常，并行方式的计算效率更高，基于CPU的并行技术包括OpenMP(Open Multi-Processing)和MPI(Message Passing Interface)。OpenMP利用单计算节点内含CPU的多核心和共享内存并行提速，可扩展性差，MPI采用多计算节点和分布式内存，可扩展性好。计算节点指的是大型计算机上由1-2颗CPU组成用于指定任务处理的硬件集成环境，一旦执行某项作业，其他作业便无法介入，作业执行阶段具有独占性。

利用OpenMP技术实现单计算节点多计算核心的并行加速的具体方案是在海啸数值计算模型循环代码中加入OpenMP引导语句，通过切割将计算范围分成若干子区域，每个子区域负责执行与其他子区域间无依赖关系的计算代码。每次循环完成之后，在共享内存内完成数据通讯、分配和聚合。计算核心指的是CPU内部的物理核心数量。

上述两种并行方式的缺点：基于MPI的并行技术需要多个计算节点和高速交换机，硬件成本高，代码学习难度大；基于OpenMP并行技术的代码学习成本较低，但是计算性能则受到单个计算节点内含CPU的计算核心数量限制。目前Intel公司最先进的Core i9处理器也只有18个物理核心。上述两种并行加速方案阻碍了越洋海啸数值计算在海啸预警系统中效能的进一步提升。

当前的海啸计算模型都是通过高性能计算机在其中央处理器CPU上执行。英伟达公司(NVIDIA)在1999年发布GeForce256显卡时，首先提出GPU(Graphic Processing Unit)的概念，最初仅将其用于数字图形处理和动画渲染。随着GPU计算能力的不断提高，GPGPU(General Purpose GPU)的概念被提了出来，其应用场景正在向通用计算领域不断渗透。与传统CPU相比，GPU拥有更强的计算性能和更高的访存带宽，是一个天然并行的、数据间无相互依赖关系的纯净计算环境。

2006年英伟达公司发布第一款基于CUDA(Compute Unified DeviceArchitecture)架构的GeForce 8800GTX显卡，配合2007年推出的CUDA_C语言和可编程性越来越强的SDK(Software Development Kit)，GPU逐渐成为当前高性能计算系统中最重要的加速部件，为开发人员有效利用GPU强大的计算性能提供了有利条件。越来越多的算法被成功移植到GPU芯片上执行。

目前，GPU加速技术已在世界各地的政府、实验室、大学、企业以及中小企业得到广泛的应用。随着信息化社会的飞速发展，云计算、大数据分析、深度学习等新技术的不断涌现，人们对计算机信息处理能力的要求越来越高。基于GPU的高性能计算不仅能够应用在石油勘探、航天国防、天气预报等传统领域，互联网、金融、大数据以及机器学习等新领域对高性能计算的需求也在飞速增长。

GPU在高性能计算领域表现出了巨大加速潜力，如何利用GPU对海啸数值计算模型的核心计算模块进行加速的成为当前需要解决的问题。