[发明专利]一种基于进程并行的流线可视化并行加速方法

说明书

本发明公开了一种基于进程并行的流线可视化并行加速方法，首先通过KD树将由流场网格点组成的大规模数据块进行划分，划分后的叶节点和内部节点信息进行存储，并将得到的小数据块，通过多个进程并行读取流场网格点数据并汇总。其次按设置的进程数，均匀分配数据块，为每一个数据块设置ID，并对应各自的进程号。然后每个进程计算各自数据块的边界值，并将边界值汇总到0号进程，0号进程将边界信息发送给其它进程。最后通过设定的积分步数，对积分任务量在进程间再分配，再分配完成后，开始下一轮积分计算，直到所有积分计算完成为止，再将计算结果可视化。本发明提高流线生成方法的并行加速比，加速流线可视化的过程。

技术领域

本发明属于并行计算领域，具体涉及一种基于进程并行的流线可视化并行加速方法。

背景技术

科学可视化是将复杂的数据以视觉形式展示的方法。根据数值模拟产生的数据场的不同，可分为标量场可视化、矢量场可视化和张量场可视化。流场是一种应用最为广泛的矢量场，通过将流场的可视化，便于人们观察那些难以用肉眼观察的流体运动。

流场可视化有多种实现方法，其中流线可视化技术以其简单直观、交互性强的特点被广泛应用于工程中。通过流线描述粒子在流场中的运动轨迹，表现流场中的流体运动规律。

流线可视化中有基于数值积分和基于流函数的流线生成方法。其中基于数值积分的流线生成法最为常用。该方法通过确定一个种子点，然后积分得到固定时间步长下点的位置后，并将这些点连接后得到流线。

随着可视化技术和高性能计算的快速发展，数值模拟的数据规模不断扩大，模拟的几何外形复杂化，以及人们对CFD(计算流体动力学)应用需求日益增加。需要一种方法更加快速的从模拟数据中通过流线的可视化获取流场的特征，而传统的串行求解算法早已无法满足人们对大数据下数据实时性的需求。因此对算法的并行化、计算的负载均衡等等是进一步突破的方向。

传统的流线算法，流线粒子的积分过程无法实现数据并行；大规模的数据分组划分后，又可能导致负载不均衡，影响计算速率。如何充分利用高性能计算机，结合其体系特征，优化并行流线算法，加速其计算过程，是需要考虑的一个问题。许多并行算法主要从线程并行的角度去考虑，很少探索进程级别的并行性。

发明内容

本发明为了解决上述问题，提出了一种基于进程并行的流线可视化并行加速方法。在流线生成算法采用数值积分法的前提下，在进程内线程并行的基础上，采用进程并行，从并行数据读取与积分阶段负载均衡的角度优化流线算法，提高流线生成算法的并行加速比，加速流线可视化过程。

具体操作步骤如下：

步骤1，流场网格点划分阶段。通过KD树将由流场网格点组成的大规模数据块进行划分，将划分后的叶节点和内部节点信息进行存储。

步骤1.1，由流场网格点构成数据集，为数据集的每个流场网格点建立索引，并统计流场网格点数量。

步骤1.2，读取流场网格点坐标数据，按坐标的维度拆分坐标信息，并存储。

步骤1.3，按照每个维度的数值信息排序。

步骤1.4，确定KD树的最大划分层级。

步骤1.5，按x、y、z轴的顺序，循环进行层级划分。

步骤1.6，存储划分后的叶节点和内部节点信息。

步骤2，按照步骤1得到大规模数据块划分后的若干个小数据块，再通过多个进程进行并行读取流场网格点数据。流场网格点数据全部读取完成之后，再将数据汇总。

步骤3，流场网格点数据读取完成之后，按系统设置的进程数，均匀分配数据块，相邻的数据块分给同一个进程。