本發(fā)明涉及仿真
技術(shù)領(lǐng)域：
：，尤其涉及一種用于計(jì)算流體力學(xué)(computationalfluiddynamics,cfd)仿真計(jì)算的異構(gòu)集群系統(tǒng)及cfd計(jì)算方法。
背景技術(shù)：
：：計(jì)算流體力學(xué)(computationalfluiddynamics,cfd)是使用計(jì)算機(jī)和離散化的數(shù)值方法對(duì)流體力學(xué)問題進(jìn)行數(shù)值模擬和分析的科學(xué)技術(shù)，是流體力學(xué)當(dāng)代新興的一個(gè)分支學(xué)科。隨著計(jì)算技術(shù)與計(jì)算機(jī)技術(shù)的迅猛發(fā)展，cfd技術(shù)已經(jīng)應(yīng)用到國(guó)民生產(chǎn)的各個(gè)方面，尤其是在航空航天、汽車、船舶、水利等領(lǐng)域應(yīng)用十分廣泛，是工程應(yīng)用和產(chǎn)品設(shè)計(jì)中非常重要的輔助工具。工業(yè)仿真技術(shù)作為工業(yè)生產(chǎn)和制造中必不可少的首要環(huán)節(jié)，已經(jīng)被廣泛地應(yīng)用到工業(yè)各個(gè)領(lǐng)域中。隨著智能制造、工業(yè)4.0和工業(yè)互聯(lián)網(wǎng)等新一輪工業(yè)革命的興起，工業(yè)仿真的需求日益強(qiáng)烈，工程師與設(shè)計(jì)師們對(duì)仿真的精密度要求也越來越高，這對(duì)cfd仿真的效率和性能提出了更高的要求。目前，cfd應(yīng)用普遍運(yùn)行在基于x86架構(gòu)的因特爾(intel)中央處理器(centralprocessingunit,cpu)上，而cpu雖然功能強(qiáng)大，可以完成大部分計(jì)算任務(wù)，但是其浮點(diǎn)計(jì)算能力受到摩爾定律的限制，計(jì)算速度較慢，進(jìn)而耽誤研發(fā)進(jìn)程，導(dǎo)致cfd應(yīng)用的運(yùn)行效率低下，無法滿足工業(yè)仿真的要求。技術(shù)實(shí)現(xiàn)要素：本發(fā)明提供了一種用于cfd仿真計(jì)算的異構(gòu)集群系統(tǒng)及cfd計(jì)算方法，通過構(gòu)建包括cpu及硬件加速器在內(nèi)的集成平臺(tái)，根據(jù)任務(wù)屬性智能化地分配計(jì)算任務(wù)，解決了目前cfd仿真的運(yùn)算能力瓶頸問題，提高了cfd應(yīng)用的運(yùn)行效率。本發(fā)明實(shí)施例提供了一種用于計(jì)算流體力學(xué)(cfd)仿真計(jì)算的異構(gòu)集群系統(tǒng)，所述系統(tǒng)包括中央處理器(cpu)和硬件加速器，其中：所述cpu，用于將接收到的cfd任務(wù)劃分為任務(wù)塊，根據(jù)cfd任務(wù)的屬性、cfd邊界條件以及所述硬件加速器的性能參數(shù)確定計(jì)算所述任務(wù)塊的硬件加速器，并將所述任務(wù)塊發(fā)送給所述硬件加速器；所述硬件加速器，用于接收并計(jì)算所述cpu發(fā)送的任務(wù)塊，并將計(jì)算結(jié)果發(fā)送給所述cpu。本發(fā)明實(shí)施例另外一個(gè)方案中，所述cpu和所述硬件加速器集成設(shè)置，所述硬件加速器包括至少一個(gè)圖形處理器(gpu)和/或至少一個(gè)現(xiàn)場(chǎng)可編程門陣列(fpga)。本發(fā)明實(shí)施例另外一個(gè)方案中，所述cfd任務(wù)的屬性包括優(yōu)先計(jì)算性能或者優(yōu)先能耗性能，所述cpu根據(jù)所述cfd任務(wù)的屬性使用局部貪心算法為所述任務(wù)塊調(diào)用硬件加速器進(jìn)行計(jì)算。本發(fā)明實(shí)施例另外一個(gè)方案中，所述根據(jù)cfd任務(wù)的屬性、cfd邊界條件以及所述硬件加速器的性能參數(shù)確定計(jì)算所述任務(wù)塊的硬件加速器，具體包括：根據(jù)所述cfd邊界條件以及所述任務(wù)塊的點(diǎn)、面和網(wǎng)格數(shù)量確定所述任務(wù)塊的計(jì)算量，所述計(jì)算量包括計(jì)算所述任務(wù)塊的時(shí)間和/或能耗；根據(jù)所述cfd任務(wù)的屬性、所述任務(wù)塊計(jì)算量以及所述硬件加速器的性能參數(shù)確定計(jì)算所述任務(wù)塊的硬件加速器。本發(fā)明實(shí)施例另外一個(gè)方案中，所述cpu接收所述硬件加速器發(fā)送的任務(wù)塊計(jì)算結(jié)果，并將所述任務(wù)塊的計(jì)算結(jié)果合并后發(fā)送給網(wǎng)絡(luò)文件系統(tǒng)(nfs)服務(wù)器進(jìn)行存儲(chǔ)。本發(fā)明實(shí)施例另外一個(gè)方案中，所述cpu還用于向所述nfs服務(wù)器獲取cfd前處理工具，并使用所述cfd前處理工具將所述cfd任務(wù)劃分為任務(wù)塊。本發(fā)明實(shí)施例另外一個(gè)方案中，所述cpu還用于向所述nfs服務(wù)器獲取cfd任務(wù)求解應(yīng)用程序，并將所述cfd任務(wù)求解應(yīng)用程序與所任務(wù)塊一并發(fā)送給所述硬件加速器，以使所述硬件加速器根據(jù)所述cfd任務(wù)求解應(yīng)用程序?qū)λ鋈蝿?wù)塊進(jìn)行計(jì)算。本發(fā)明實(shí)施例另外一個(gè)方案中，所述nfs服務(wù)器中存儲(chǔ)所述硬件加速器的性能參數(shù)，所述cpu還用于向所述nfs服務(wù)器讀取硬件加速器的性能參數(shù)，并存儲(chǔ)在所述cpu的內(nèi)存中。本發(fā)明實(shí)施例另外一個(gè)方案中，所述cpu包括便攜式批處理系統(tǒng)(pbs)模塊，所述pbs模塊用于實(shí)現(xiàn)硬件加速器資源的智能調(diào)度和任務(wù)分發(fā)邏輯。本發(fā)明實(shí)施例還提供了一種使用前述任一用于計(jì)算流體力學(xué)(cfd)仿真計(jì)算的異構(gòu)集群系統(tǒng)的cfd計(jì)算方法，該方法包括：接收cfd任務(wù)，并將所述cfd任務(wù)劃分為任務(wù)塊；根據(jù)cfd任務(wù)的屬性、cfd邊界條件以及硬件加速器的性能參數(shù)為所述任務(wù)塊選擇硬件加速器，并將所述任務(wù)塊發(fā)送給所述硬件加速器進(jìn)行計(jì)算；接收所述硬件加速器發(fā)送的任務(wù)塊計(jì)算結(jié)果，并將所述計(jì)算結(jié)果進(jìn)行合并。本發(fā)明實(shí)施例另外一個(gè)方案中，所述方法還包括：所述cfd任務(wù)的屬性為優(yōu)先計(jì)算性能或者優(yōu)先能耗性能，根據(jù)所述cfd任務(wù)的屬性使用局部貪心算法為所述任務(wù)塊調(diào)用硬件加速器進(jìn)行計(jì)算。本發(fā)明實(shí)施例另外一個(gè)方案中，所述根據(jù)cfd任務(wù)的屬性、cfd邊界條件以及硬件加速器的性能參數(shù)為所述任務(wù)塊選擇硬件加速器包括：根據(jù)所述cfd邊界條件以及所述任務(wù)塊的點(diǎn)、面和網(wǎng)格數(shù)量確定所述任務(wù)塊的計(jì)算量，所述計(jì)算量包括計(jì)算所述任務(wù)塊的時(shí)間和/或能耗；根據(jù)所述cfd任務(wù)的屬性、所述任務(wù)塊計(jì)算量以及所述硬件加速器的性能參數(shù)確定計(jì)算所述任務(wù)塊的硬件加速器。本發(fā)明實(shí)施例另外一個(gè)方案中，所述方法還包括：從網(wǎng)絡(luò)文件系統(tǒng)(nfs)服務(wù)器中獲取cfd前處理工具，使用所述cfd前處理工具將所述cfd任務(wù)劃分為所述任務(wù)塊。本發(fā)明實(shí)施例另外一個(gè)方案中，所述方法還包括：從所述nfs服務(wù)器中獲取所述cfd任務(wù)的屬性、所述cfd邊界條件、所述硬件加速器的性能參數(shù)，并根據(jù)所述cfd任務(wù)的屬性、所述cfd邊界條件以及所述硬件加速器的性能參數(shù)為所述任務(wù)塊選擇硬件加速器。本發(fā)明實(shí)施例另外一個(gè)方案中，將所述合并后的計(jì)算結(jié)果發(fā)送所述nfs服務(wù)器進(jìn)行存儲(chǔ)。本發(fā)明實(shí)施例另外一個(gè)方案中，所述方法還包括：從所述nfs服務(wù)器中獲取cfd任務(wù)求解應(yīng)用程序，并將所述cfd求解任務(wù)程序與所述任務(wù)塊一并發(fā)送給所述硬件加速器，以使所述硬件加速器根據(jù)所述cfd任務(wù)求解應(yīng)用程序?qū)λ鋈蝿?wù)塊進(jìn)行計(jì)算。本發(fā)明實(shí)施例另外一個(gè)方案中，所述硬件加速器包括至少一個(gè)圖形處理器(gpu)和/或至少一個(gè)現(xiàn)場(chǎng)可編程門陣列(fpga)。本發(fā)明實(shí)施例還提供了一種用于計(jì)算流體力學(xué)(cfd)仿真計(jì)算的異構(gòu)集群系統(tǒng)，所述系統(tǒng)包括存儲(chǔ)器和處理器，其中：所述存儲(chǔ)器，用于存儲(chǔ)代碼；所述處理器，用于執(zhí)行所述存儲(chǔ)器中的代碼，執(zhí)行所述存儲(chǔ)器中的代碼能實(shí)施前述計(jì)算cfd任務(wù)的方法中任一所述的方法步驟。本發(fā)明實(shí)施例所提供的用于cfd仿真計(jì)算的異構(gòu)集群系統(tǒng)及計(jì)算cfd任務(wù)的方法，具有以下有益效果：(1)系統(tǒng)將中央處理器(centralprocessingunit,cpu)、圖形處理器(graphicsprocessingunit,gpu)和現(xiàn)場(chǎng)可編程門陣列(field－programmablegatearray,fpga)集成在一起，根據(jù)cpu、gpu和fpga的各自特點(diǎn)與優(yōu)勢(shì)，采用便攜式批處理系統(tǒng)(portablebatchsystem,pbs)模塊調(diào)度系統(tǒng)根據(jù)cfd任務(wù)的屬性執(zhí)行不同的調(diào)度策略，分配計(jì)算任務(wù)，并且兼顧gpu和fpga的性能和能耗，提高計(jì)算效率；(2)系統(tǒng)利用gpu和fpga強(qiáng)大的運(yùn)算能力使得cfd性能得到數(shù)量級(jí)的改進(jìn)，為用戶減少時(shí)間成本以及提高生產(chǎn)效率；(3)在系統(tǒng)中，cpu主要負(fù)責(zé)cfd任務(wù)智能調(diào)度以及相關(guān)流程的執(zhí)行，絕大部分浮點(diǎn)運(yùn)算任務(wù)分發(fā)給了gpu和fpga，使得業(yè)務(wù)邏輯模塊和浮點(diǎn)運(yùn)算模塊的分離，讓程序計(jì)算擁有更強(qiáng)大的拓展性。附圖說明為了更清楚地說明本發(fā)明實(shí)施例的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述匯總所需要使用的附圖作簡(jiǎn)單介紹，顯而易見地，下面描述的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1a是本發(fā)明實(shí)施例所提供用于cfd仿真計(jì)算的異構(gòu)集群系統(tǒng)的第一結(jié)構(gòu)示意圖；圖1b是本發(fā)明實(shí)施例所提供用于cfd仿真計(jì)算的異構(gòu)集群系統(tǒng)的第二結(jié)構(gòu)示意圖；圖2是本發(fā)明實(shí)施例所提供cfd計(jì)算方法的第一流程圖。具體實(shí)施方式下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。實(shí)施例一：本發(fā)明實(shí)施例提供了一種用于cfd仿真計(jì)算的異構(gòu)集群系統(tǒng)，如圖1a、圖1b所示，包括中央處理器(centralprocessingunit,cpu)1和硬件加速器2，其中硬件加速器2和cpu1可以集成設(shè)置；硬件加速器2可以包括至少一個(gè)圖形處理器(graphicsprocessingunit,gpu)和/或至少一個(gè)現(xiàn)場(chǎng)可編程門陣列(field－programmablegatearray,fpga)。在本發(fā)明實(shí)施例中，作為硬件加速器的gpu擁有強(qiáng)大的批處理運(yùn)算能力、良好的運(yùn)算性能和處理龐大的運(yùn)算量的能力，能快速地處理復(fù)雜的運(yùn)算任務(wù)；作為硬件加速器的fpga在絕對(duì)計(jì)算性能上雖然不如gpu，但是具有低能耗的優(yōu)點(diǎn)。在本發(fā)明實(shí)施例中，由于gpu和fpga在浮點(diǎn)運(yùn)算性能方面都要遠(yuǎn)勝于cpu，因此cpu可以作為邏輯處理單元，僅負(fù)責(zé)業(yè)務(wù)的邏輯處理，而不負(fù)責(zé)具體的計(jì)算任務(wù)，而gpu和fpga則作為具體的計(jì)算單元，處理具體復(fù)雜的計(jì)算任務(wù)，能大幅提升cfd的運(yùn)算效率。在本發(fā)明實(shí)施例中，cpu具體負(fù)責(zé)任務(wù)計(jì)算中的邏輯處理功能，因此可在cpu上集成便攜式批處理系統(tǒng)(portablebatchsystem,pbs)模塊(例如在cpu上燒入pbs軟件程序)，pbs模塊可以看做是一個(gè)進(jìn)行批處理作業(yè)和計(jì)算機(jī)系統(tǒng)資源管理的軟件包，可以協(xié)助cpu調(diào)度硬件加速器的資源。在本發(fā)明實(shí)施例一個(gè)優(yōu)選的方案中，用于cfd仿真計(jì)算的異構(gòu)集群系統(tǒng)可以看做是基于pbs的一個(gè)分支作業(yè)系統(tǒng)torque，從而實(shí)現(xiàn)對(duì)用于cfd仿真計(jì)算的異構(gòu)集群系統(tǒng)的資源調(diào)度。在本發(fā)明實(shí)施例中，用于cfd仿真計(jì)算的異構(gòu)集群系統(tǒng)可以基于gpu和fpga的計(jì)算特點(diǎn)和優(yōu)勢(shì)，以pbs模塊為資源調(diào)配系統(tǒng)，搭建cpu、gpu和fpga三者于一體的軟硬件平臺(tái)，在此平臺(tái)上還可以部署多區(qū)結(jié)構(gòu)網(wǎng)格cfd應(yīng)用軟件，將gpu和fpga這兩種技術(shù)引入cfd的運(yùn)算體系中，構(gòu)建高性能異構(gòu)集群系統(tǒng)，具體的：cpu作為用于cfd仿真計(jì)算的異構(gòu)集群系統(tǒng)的主處理器，而gpu和fpga則作為加速器；用于cfd仿真計(jì)算的異構(gòu)集群系統(tǒng)的軟硬件資源統(tǒng)一由集成在cpu上的pbs模塊負(fù)責(zé)調(diào)度管理。進(jìn)一步的，用于cfd仿真計(jì)算的異構(gòu)集群系統(tǒng)還可以包括系統(tǒng)資源服務(wù)器4和網(wǎng)絡(luò)文件系統(tǒng)(networkfilesystem，nfs)服務(wù)器3，其中系統(tǒng)資源服務(wù)器4上還可以安裝編譯器、gpu和fpga的驅(qū)動(dòng)以及開發(fā)環(huán)境；在nfs服務(wù)器3上還可以設(shè)置cfd任務(wù)求解應(yīng)用程序、cfd前處理工具和存儲(chǔ)系統(tǒng)空間，其中cfd求解應(yīng)用程序用來提供cfd計(jì)算公式；cfd前處理工具用來對(duì)cfd任務(wù)進(jìn)行網(wǎng)格劃分；存儲(chǔ)系統(tǒng)空間用來存儲(chǔ)網(wǎng)絡(luò)文件，例如cfd任務(wù)的計(jì)算結(jié)果文件、硬件加速器的性能參數(shù)等。系統(tǒng)資源服務(wù)器4和nfs服務(wù)器3可以作為獨(dú)立的硬件設(shè)備設(shè)置在網(wǎng)絡(luò)系統(tǒng)中，也可以與其他設(shè)備進(jìn)行集成。在本發(fā)明實(shí)施例中，不同計(jì)算節(jié)點(diǎn)通過infiniband技術(shù)連接；計(jì)算節(jié)點(diǎn)與pbs模塊智能資源調(diào)配器之間也是通過infiniband技術(shù)連接；pbs模塊作為主節(jié)點(diǎn)，負(fù)責(zé)維護(hù)計(jì)算資源池、以及根據(jù)每個(gè)運(yùn)算資源的浮點(diǎn)計(jì)算能力實(shí)現(xiàn)資源調(diào)配。在本發(fā)明實(shí)施例中，pbs模塊在執(zhí)行資源調(diào)度任務(wù)時(shí)，邏輯上可以分為pbs主節(jié)點(diǎn)(master)和pbs代理(agent)功能，每個(gè)pbs主節(jié)點(diǎn)對(duì)應(yīng)至少一個(gè)pbs代理，而每個(gè)pbs代理則對(duì)應(yīng)至少一組硬件加速器資源，(至少一個(gè)gpu和/或至少一個(gè)fpga)，pbs主節(jié)點(diǎn)執(zhí)行pbs模塊的主要功能，pbs主節(jié)點(diǎn)通過pbs代理調(diào)用硬件加速器資源。在本發(fā)明實(shí)施例一個(gè)優(yōu)選的方案中，pbs模塊可以根據(jù)cfd任務(wù)所被劃分的任務(wù)塊個(gè)數(shù)通過pbs代理選擇一組硬件加速器資源進(jìn)行計(jì)算，例如cfd任務(wù)被劃分為n個(gè)任務(wù)塊，則選擇至少包含n個(gè)硬件加速器的pbs代理。在另外一個(gè)實(shí)施例中，pbs模塊也可以通過兩個(gè)或者兩個(gè)以上的pbs代理調(diào)用至少兩組硬件加速器資源來進(jìn)行計(jì)算。在本發(fā)明實(shí)施例中，用于cfd仿真計(jì)算的異構(gòu)集群系統(tǒng)包括cpu1和硬件加速器2，其中：所述cpu，用于將cfd任務(wù)劃分為任務(wù)塊(block)，根據(jù)所述cfd任務(wù)的屬性、cfd邊界條件以及所述硬件加速器的性能參數(shù)確定計(jì)算所述任務(wù)塊的硬件加速器，并將所述任務(wù)塊發(fā)送給所述硬件加速器；所述硬件加速器，用于接收并計(jì)算所述cpu發(fā)送的任務(wù)塊，并將計(jì)算結(jié)果反饋給所述cpu。在本發(fā)明實(shí)施例中，cfd任務(wù)是指對(duì)指定的模型進(jìn)行cfd仿真計(jì)算，例如對(duì)處于風(fēng)洞中的車輛模型、物體的運(yùn)動(dòng)軌跡等。在本發(fā)明實(shí)施例中，cfd邊界條件是指cfd任務(wù)的具體計(jì)算指標(biāo)，例如各項(xiàng)參數(shù)，如時(shí)間、速度、溫度、壓強(qiáng)等。在本發(fā)明實(shí)施例中，根據(jù)所述cfd任務(wù)的屬性、cfd邊界條件以及所述硬件加速器的性能參數(shù)確定計(jì)算所述任務(wù)塊的硬件加速器，具體包括：根據(jù)所述cfd邊界條件以及所述任務(wù)塊的點(diǎn)、面和網(wǎng)格數(shù)量確定所述任務(wù)塊的計(jì)算量，所述計(jì)算量包括計(jì)算該任務(wù)塊所需要的計(jì)算和/或能耗；根據(jù)所述cfd任務(wù)的屬性、所述任務(wù)塊計(jì)算量以及所述硬件加速器的性能參數(shù)確定計(jì)算所述任務(wù)塊的硬件加速器。在本發(fā)明實(shí)施例中，計(jì)算任務(wù)塊的計(jì)算量時(shí)還可以參照任務(wù)塊的其他幾何屬性，如形狀、面積等。進(jìn)一步的，還可以參照cfd任務(wù)的歷史參數(shù)。在本發(fā)明實(shí)施例中，所述cpu和所述硬件加速器可以集成設(shè)置，所述硬件加速器包括至少一個(gè)gpu和/或至少一個(gè)fpga。在本發(fā)明實(shí)施例中，可以將cfd任務(wù)分成兩類，高級(jí)別任務(wù)以及普通任務(wù)，此任務(wù)屬性可以由系統(tǒng)設(shè)定。對(duì)于高級(jí)別任務(wù)，在算法中會(huì)優(yōu)先使用gpu進(jìn)行計(jì)算；對(duì)于普通任務(wù)，會(huì)優(yōu)先使用fpga進(jìn)行計(jì)算。對(duì)cfd任務(wù)的分類可以有系統(tǒng)預(yù)先進(jìn)行配置。在本發(fā)明實(shí)施例中，所述cfd任務(wù)的屬性包括優(yōu)先計(jì)算性能或者優(yōu)先能耗性能，根據(jù)cfd任務(wù)的屬性使用調(diào)度算法調(diào)用硬件加速器進(jìn)行計(jì)算。具體的，若所述cfd任務(wù)的屬性是優(yōu)先計(jì)算性能，則該cfd任務(wù)的優(yōu)化目標(biāo)是計(jì)算時(shí)間，cpu根據(jù)cfd邊界條件及gpu的性能參數(shù)，在所述硬件加速器中優(yōu)先選擇計(jì)算時(shí)間較短的gpu來計(jì)算cfd任務(wù)中的任務(wù)塊；或者，若所述cfd任務(wù)的屬性是優(yōu)先能耗性能，則cfd任務(wù)的優(yōu)化目標(biāo)是計(jì)算能耗，則cpu根據(jù)cfd邊界條件及fpga的性能參數(shù)，在所述硬件加速器中優(yōu)先選擇計(jì)算能耗較低的fpga來計(jì)算cfd任務(wù)中的任務(wù)塊。所述gpu的性能參數(shù)包括gpu計(jì)算任務(wù)塊所需的計(jì)算時(shí)間、計(jì)算能耗等，所述fpga的性能參數(shù)包括fpga計(jì)算任務(wù)塊所需的計(jì)算時(shí)間、計(jì)算能耗等。在本發(fā)明實(shí)施例中，對(duì)于優(yōu)化目標(biāo)是計(jì)算時(shí)間的cfd任務(wù)，其劃分后的任務(wù)塊可以優(yōu)先調(diào)用gpu來進(jìn)行計(jì)算，當(dāng)系統(tǒng)內(nèi)的gpu全部處于忙碌狀態(tài)，或者存在其他不能計(jì)算的情形時(shí)，也可以選用fpga來對(duì)該任務(wù)塊進(jìn)行計(jì)算；同樣的，對(duì)于優(yōu)化目標(biāo)是計(jì)算能耗的的cfd任務(wù)，其劃分后的任務(wù)塊可以優(yōu)先調(diào)用fpga來進(jìn)行計(jì)算，當(dāng)系統(tǒng)內(nèi)的fpga全部處于忙碌狀態(tài)，或者存在其他不能完成計(jì)算任務(wù)的情形時(shí)，也可以選用gpu來對(duì)該任務(wù)塊進(jìn)行計(jì)算。需要強(qiáng)調(diào)的是：在本發(fā)明全部實(shí)施例中，pbs模塊在為任務(wù)塊選擇硬件加速器資源時(shí)，可以使用調(diào)度算法，例如局部貪心算法等，為任務(wù)塊選擇合適的硬件加速器。進(jìn)一步的，在選擇時(shí)，也可以使用調(diào)度算法進(jìn)行優(yōu)先選擇或者差異化選擇，并不局限于某種特定的者選擇方式，系統(tǒng)可以根據(jù)cfd仿真計(jì)算的需要自定義設(shè)置。在本發(fā)明實(shí)施例中，所述cpu接收所述硬件加速器反饋的任務(wù)塊計(jì)算結(jié)果，將所述任務(wù)塊的計(jì)算結(jié)果合并后發(fā)送給網(wǎng)絡(luò)文件系統(tǒng)nfs服務(wù)器進(jìn)行存儲(chǔ)。在本發(fā)明實(shí)施例中，所述cpu還用于向所述nfs服務(wù)器獲取cfd前處理工具，并使用所述cfd前處理工具將cfd任務(wù)劃分為任務(wù)塊，如任務(wù)塊1、任務(wù)塊2、……、任務(wù)塊n，統(tǒng)計(jì)每個(gè)任務(wù)塊的點(diǎn)、面、網(wǎng)格、及幾何屬性。在本發(fā)明實(shí)施例中，所述cpu還用于向所述nfs服務(wù)器獲取任務(wù)求解應(yīng)用程序，并將任務(wù)塊及任務(wù)求解應(yīng)用程序發(fā)送給硬件加速器。在本發(fā)明實(shí)施例中，所述nfs服務(wù)器中存儲(chǔ)所述硬件加速器的性能參數(shù)，所述cpu還用于向所述nfs服務(wù)器讀取硬件加速器的性能參數(shù)，并存儲(chǔ)在所述cpu的內(nèi)存中。在本發(fā)明實(shí)施例中，所述cpu使用pbs模塊為所述任務(wù)塊選擇硬件加速器。在本發(fā)明實(shí)施例中，cpu可以獲知硬件加速器的負(fù)載情況，以及是否處于空閑狀態(tài)，cpu還可以依據(jù)硬件加速器的負(fù)載情況以及是否處于空閑狀態(tài)，為任務(wù)塊選定最優(yōu)的硬件加速器。本發(fā)明實(shí)施例所提供的用于cfd仿真計(jì)算的異構(gòu)集群系統(tǒng)，不僅僅能處理cfd算法，而且還能處理其他復(fù)雜算法。在本發(fā)明實(shí)施例中，硬件加速器還可以是能執(zhí)行計(jì)算任務(wù)的其他類型的設(shè)備。本發(fā)明實(shí)施例所提供的用于cfd仿真計(jì)算的異構(gòu)集群系統(tǒng)，根據(jù)gpu和fpga的優(yōu)勢(shì)與特點(diǎn)，在邊界處理環(huán)節(jié)加入計(jì)算任務(wù)的屬性判斷與邏輯分發(fā)功能，智能地根據(jù)任務(wù)的級(jí)別屬性將相應(yīng)任務(wù)進(jìn)行調(diào)度，分發(fā)給選中的硬件加速器進(jìn)行計(jì)算，使得計(jì)算效率得到大幅提升，而且也相應(yīng)地降低了計(jì)算的成本。實(shí)施例二：如圖2所示，本發(fā)明實(shí)施例所提供的用于cfd仿真計(jì)算的異構(gòu)集群系統(tǒng)在計(jì)算cfd任務(wù)時(shí)，具體包括如下步驟：s200、預(yù)先設(shè)置cfd任務(wù)計(jì)算所需的各項(xiàng)參數(shù)及計(jì)算條件；在本步驟中，預(yù)先設(shè)置cfd計(jì)算任務(wù)的屬性；統(tǒng)計(jì)并存儲(chǔ)作為硬件加速器的gpu和fpga的性能參數(shù)，所述性能參數(shù)包括計(jì)算時(shí)間、計(jì)算能耗等；為不同的cfd任務(wù)設(shè)置邊界條件，例如cfd任務(wù)的計(jì)算時(shí)間，或者cfd任務(wù)的計(jì)算能耗等。具體的，cfd計(jì)算任務(wù)的屬性、gpu/fpga的性能參數(shù)以及cfd任務(wù)塊的邊界條件可以存儲(chǔ)在nfs服務(wù)器中，也可以存儲(chǔ)在cpu上。s201、cpu接收cfd任務(wù)計(jì)算請(qǐng)求，所述計(jì)算請(qǐng)求中包含待處理的cfd任務(wù)；具體的，cpu上集成的pbs模塊接收cfd任務(wù)計(jì)算請(qǐng)求。s202、cpu從nfs服務(wù)器中獲取cfd前處理工具，并對(duì)cfd任務(wù)進(jìn)行網(wǎng)格劃分，得到新的任務(wù)塊(block)：任務(wù)塊1、任務(wù)塊2、……、任務(wù)塊n，根據(jù)預(yù)先配置的cfd任務(wù)的屬性映射表確定該cfd任務(wù)的屬性；具體的：cpu中的pbs模塊可以與nfs服務(wù)器進(jìn)行信息交互，從nfs服務(wù)器中獲取cfd前處理工具，使用cfd前處理工具對(duì)cfd任務(wù)進(jìn)行網(wǎng)格劃分，形成新的任務(wù)塊：任務(wù)塊1、任務(wù)塊2、……、任務(wù)塊n；cpu中預(yù)設(shè)不同cfd任務(wù)的屬性的映射表，例如：預(yù)設(shè)cfd任務(wù)1的屬性為優(yōu)先計(jì)算性能，cfd任務(wù)1的優(yōu)化目標(biāo)是計(jì)算時(shí)間，因此可以優(yōu)先分配給gpu計(jì)算；預(yù)設(shè)cfd任務(wù)2的屬性為優(yōu)先能耗屬性，cfd任務(wù)2的優(yōu)化目標(biāo)是計(jì)算能耗，因此可以優(yōu)先分配給fpga計(jì)算。在本發(fā)明實(shí)施例中，pbs模塊在為任務(wù)塊選擇硬件加速器資源時(shí)，可以使用調(diào)度算法，例如局部貪心算法等，為任務(wù)塊選擇合適的硬件加速器。進(jìn)一步的，在選擇時(shí)，也可以使用調(diào)度算法進(jìn)行優(yōu)先選擇或者差異化選擇，并不局限于某種特定選擇方式，系統(tǒng)可以根據(jù)cfd仿真計(jì)算的需要自定義設(shè)置。cpu可以根據(jù)在cfd任務(wù)的屬性映射表中查找對(duì)應(yīng)cfd任務(wù)的屬性；cfd前處理工具可以預(yù)先配置在系統(tǒng)中，并存儲(chǔ)在nfs服務(wù)器上。s203、pbs模塊根據(jù)確定的cfd任務(wù)的屬性、cfd邊界條件以及gpu或fpga的性能參數(shù)，使用局部最優(yōu)算法為任務(wù)塊選擇合適的gpu或fpga，并將任務(wù)塊及cfd求解應(yīng)用程序發(fā)送給選定的硬件加速器，其中：pbs模塊根據(jù)cfd任務(wù)1的屬性確定cfd任務(wù)1的優(yōu)化目標(biāo)是計(jì)算時(shí)間，則為cfd任務(wù)1所劃分的全部任務(wù)塊：任務(wù)塊1、任務(wù)塊2、……、任務(wù)塊m，優(yōu)先選擇gpu進(jìn)行計(jì)算，具體的：根據(jù)cfd的邊界條件(例如：對(duì)計(jì)算時(shí)間或能耗的要求)，以及硬件加速器中處于空閑狀態(tài)的gpu的性能參數(shù)來為任務(wù)塊1、任務(wù)塊2、……、任務(wù)塊m選擇合適的gpu。pbs模塊統(tǒng)計(jì)任務(wù)塊1、任務(wù)塊2、……、任務(wù)塊m的點(diǎn)、面、網(wǎng)格及其他幾何屬性，并根據(jù)歷史數(shù)據(jù)確定計(jì)算任務(wù)，如具體的計(jì)算時(shí)間或者計(jì)算能耗。cpu可以根據(jù)cfd任務(wù)的屬性、cfd邊界條件以及gpu、fpga的性能參數(shù)使用局部貪心算法智能調(diào)度硬件加速器資源，為任務(wù)塊1、任務(wù)塊2、……、任務(wù)塊m分配具體硬件加速器。需要說明的是：在對(duì)不同的cfd任務(wù)進(jìn)行劃分時(shí)，可以根據(jù)cfd前處理工具將不同的cfd任務(wù)劃分為不同或者相同的任務(wù)塊，具體劃分為多少個(gè)任務(wù)塊，可以根據(jù)cfd任務(wù)及cfd前置處理工具進(jìn)行確定。在本步驟中，gpu/fpga的性能參數(shù)(如計(jì)算時(shí)間或者計(jì)算能耗)是已知的，在硬件加速器配置完成后，硬件加速器中全部gpu/fpga的性能參數(shù)可以存儲(chǔ)在nfs服務(wù)器中，pbs模塊還以從nfs服務(wù)器中將gpu/fpga的性能參數(shù)讀取出來，存儲(chǔ)在cpu的內(nèi)存中。在本步驟中，cfd邊界條件在啟動(dòng)cfd任務(wù)時(shí)也已經(jīng)預(yù)設(shè)好，可以存儲(chǔ)在nfs服務(wù)器中，在具體計(jì)算時(shí)，可以從nfs服務(wù)器中獲取cfd邊界條件。cfd邊界條件包括cfd任務(wù)在計(jì)算時(shí)所需要的收斂時(shí)間、效能、計(jì)算步數(shù)等。cfd的邊界條件也可以根據(jù)歷史數(shù)據(jù)進(jìn)行設(shè)置。在本步驟中，pbs模塊還可以從nfs服務(wù)器中獲取cfd任務(wù)求解應(yīng)用程序，并將該cfd求解應(yīng)用程序發(fā)送給硬件加速器，其中，硬件加速器可以包括至少一個(gè)gpu和/或至少一個(gè)fpga。在本步驟中，pbs模塊為任務(wù)塊選擇合適的硬件加速器的過程即為pbs模塊執(zhí)行智能調(diào)度硬件加速器資源的過程，也可以稱為pbs智能調(diào)度算法或者局部貪心算法；pbs模塊執(zhí)行智能調(diào)度算法所涉及到的軟硬件模塊可以統(tǒng)簡(jiǎn)稱為pbs智能調(diào)度系統(tǒng)。在本發(fā)明實(shí)施例中，pbs模塊在為任務(wù)塊選擇硬件加速器資源時(shí)，可以使用調(diào)度算法，例如局部貪心算法等，為任務(wù)塊選擇合適的硬件加速器。進(jìn)一步的，在選擇時(shí)，也可以使用調(diào)度算法進(jìn)行優(yōu)先選擇或者差異化選擇，并不局限于某種特定的選擇方式，系統(tǒng)可以根據(jù)cfd仿真計(jì)算的需要自定義設(shè)置。s204、硬件加速器根據(jù)接收到的任務(wù)塊以及cfd任務(wù)求解應(yīng)用程序?qū)θ蝿?wù)塊進(jìn)行計(jì)算，并將結(jié)算結(jié)果反饋給pbs模塊；具體的：gpu/fpga在接收到任務(wù)塊及cfd求解應(yīng)用程序后，根據(jù)cfd求解應(yīng)用程序來對(duì)任務(wù)塊進(jìn)行計(jì)算，并將結(jié)算結(jié)果發(fā)送給pbs模塊。s205、所述pbs模塊接收并合并硬件加速器反饋的計(jì)算結(jié)果，并將合并后的計(jì)算結(jié)果發(fā)送給nfs服務(wù)器進(jìn)行存儲(chǔ)。在本發(fā)明實(shí)施例中，通過pbs智能調(diào)度系統(tǒng)，將cfd任務(wù)劃分后通過局部貪心算法為每個(gè)任務(wù)塊尋找最優(yōu)的硬件加速器進(jìn)行計(jì)算，提高了計(jì)算效率。實(shí)施例三：本發(fā)明實(shí)施例還提供了一種使用用于cfd仿真計(jì)算的異構(gòu)集群系統(tǒng)來計(jì)算cfd的方法，包括：s300、構(gòu)建集成cpu、gpu和fpga于一體的綜合軟硬件平臺(tái)(也即本發(fā)明實(shí)施例中的“用于cfd仿真計(jì)算的異構(gòu)集群系統(tǒng)”)，在該平臺(tái)上部署cfd應(yīng)用軟件以及相關(guān)求解器，所有計(jì)算資源可以通過集成在cpu上的pbs模塊進(jìn)行維護(hù)和調(diào)度；s301、初始化相關(guān)參數(shù)，根據(jù)輸入的數(shù)據(jù)，pbs模塊將cfd任務(wù)進(jìn)行網(wǎng)格劃分以及任務(wù)分解，通過邊界條件處理，設(shè)置cfd的時(shí)間迭代步數(shù)和收斂條件。具體的：在本步驟中，cpu上的pbs模塊根據(jù)cfd前處理工具對(duì)cfd任務(wù)進(jìn)行網(wǎng)格劃分，并根據(jù)預(yù)設(shè)的cfd任務(wù)的屬性，確定該cfd任務(wù)的優(yōu)化目標(biāo)，例如優(yōu)先選擇gpu或者優(yōu)先選擇fpga計(jì)算。如預(yù)先在cpu上設(shè)置，對(duì)于高級(jí)別的cfd任務(wù)，其優(yōu)化目標(biāo)是計(jì)算時(shí)間，因此優(yōu)先選用gpu進(jìn)行計(jì)算，而對(duì)于低級(jí)別的cfd任務(wù)，其優(yōu)化目標(biāo)是計(jì)算能耗，因此優(yōu)先選用fpga進(jìn)行計(jì)算。s302、cpu僅負(fù)責(zé)cfd業(yè)務(wù)邏輯的執(zhí)行，計(jì)算任務(wù)交由gpu和fpga來完成，pbs模塊根據(jù)cfd任務(wù)的屬性、設(shè)置的邊界條件以及硬件加速器(gpu/fpga)的性能參數(shù)，自動(dòng)優(yōu)化不同的目標(biāo)函數(shù)，從剩余可取得的計(jì)算資源池中分配相應(yīng)的gpu和fpga計(jì)算資源來執(zhí)行不同的任務(wù)塊計(jì)算。pbs模塊使用局部貪心算法來選擇任務(wù)塊所需要的gpu/fpga，也即pbs模塊根據(jù)cfd任務(wù)的屬性，在現(xiàn)有約束條件下選擇優(yōu)化不同目標(biāo)，也即選用一組cs,k的集合達(dá)到目標(biāo)函數(shù)的最優(yōu)值。具體優(yōu)化過程如下：s3021、對(duì)于高級(jí)別任務(wù)，盡量減少任務(wù)執(zhí)行時(shí)間，即優(yōu)化的目標(biāo)函數(shù)為：t＝twait+max{tk(blockk,cs,k)}………………………………(1)式中：ci——為每個(gè)計(jì)算運(yùn)算資源的運(yùn)算能力，i∈[0,n),n為所有的計(jì)算資源數(shù)目twait——表示等待時(shí)間blockk——第k個(gè)任務(wù)分塊，假設(shè)任務(wù)分為m塊，k∈[0,m)cs,k——表示選中執(zhí)行第k個(gè)任務(wù)分塊的計(jì)算資源；tk——表示在blockk的預(yù)估執(zhí)行時(shí)間，由blockk和cs,k兩者決定。根據(jù)公式(1)即可預(yù)估出每個(gè)gpu計(jì)算任務(wù)塊k的大致時(shí)間，根據(jù)設(shè)置的邊界條件(任務(wù)塊k所要求的計(jì)算時(shí)間)以及預(yù)估的計(jì)算時(shí)間，為任務(wù)塊k選擇合適的硬件加速設(shè)備進(jìn)行計(jì)算。s3022、對(duì)于普通任務(wù)，盡量減低能耗，也即優(yōu)化的目標(biāo)函數(shù)為：e＝σ{ek(blockk,cs,k，es,k)}……………………(2)式中：e——表示任務(wù)需要消耗的能量；es,k——表示選中的執(zhí)行的第k個(gè)任務(wù)分塊的計(jì)算資源的能耗；ek——完成第k個(gè)任務(wù)分塊需要的能量，由blockk,cs,k以及es，k決定。根據(jù)公式(2)即可預(yù)估出每個(gè)fpga計(jì)算任務(wù)塊k的大致能耗，根據(jù)設(shè)置的邊界條件(計(jì)算任務(wù)塊k所需要的能耗)以及預(yù)估的能耗，為任務(wù)塊k選擇合適的硬件加速設(shè)備。s303、啟動(dòng)數(shù)據(jù)存儲(chǔ)管理，cpu負(fù)責(zé)執(zhí)行過程中的數(shù)據(jù)交換、數(shù)據(jù)合并、數(shù)據(jù)緩存以及數(shù)據(jù)結(jié)果的輸出；在本步驟中，cpu負(fù)責(zé)執(zhí)行邏輯算法，即負(fù)責(zé)調(diào)用不同的模塊、與其他模塊之間進(jìn)行數(shù)據(jù)交換，并進(jìn)行數(shù)據(jù)緩存及數(shù)據(jù)結(jié)果的輸出等操作。s304、執(zhí)行cfd時(shí)間步推進(jìn)模塊，根據(jù)時(shí)間步推進(jìn)模塊的收斂條件，判斷運(yùn)算是否完成，完成則繼續(xù)進(jìn)入步驟s305，未完成則回到步驟s302；在本步驟中，根據(jù)預(yù)設(shè)的收斂條件及執(zhí)行的運(yùn)算結(jié)果，判斷運(yùn)算結(jié)果是否收斂，如果收斂，則執(zhí)行步驟s305，否則繼續(xù)轉(zhuǎn)到步驟s302繼續(xù)執(zhí)行。s305、cpu合并所有結(jié)果并且發(fā)送到存儲(chǔ)系統(tǒng)(例如nfs服務(wù)器)中進(jìn)行存儲(chǔ)；在本步驟中，cpu接收硬件加速器的計(jì)算結(jié)果，并將計(jì)算結(jié)果合并后發(fā)送給nfs服務(wù)器進(jìn)行存儲(chǔ)。s306、結(jié)束cfd軟件的運(yùn)行。需要說明的是，在本發(fā)明實(shí)施例中，cpu所實(shí)現(xiàn)的邏輯處理功能可以由集成在cpu上的pbs模塊完成的，即cpu調(diào)用pbs程序即可實(shí)現(xiàn)前述邏輯處理功能。本發(fā)明實(shí)施例中所提供的cfd計(jì)算方法，使用用于cfd仿真計(jì)算的異構(gòu)集群系統(tǒng)實(shí)現(xiàn)了gpu和fpga的資源動(dòng)態(tài)調(diào)配，將cfd任務(wù)進(jìn)行分塊，并根據(jù)cfd任務(wù)的屬性動(dòng)態(tài)地把cfd任務(wù)中的任務(wù)塊分配給gpu或者fpga加速硬件，從而最大化地實(shí)現(xiàn)了計(jì)算資源的合理利用，節(jié)省運(yùn)行時(shí)間，并提高運(yùn)行效率。同時(shí)，利用gpu和fpga等新型硬件的強(qiáng)大運(yùn)算能力，將cfd運(yùn)算中的瓶頸部分轉(zhuǎn)換成gpu或fpga可執(zhí)行的格式進(jìn)行運(yùn)算，從而在性能上達(dá)到了一個(gè)數(shù)量級(jí)的提升。此外，本發(fā)明實(shí)施例將cfd工作流程進(jìn)行科學(xué)地分解，采用分布式部署的方式，通過pbs模塊進(jìn)行統(tǒng)一調(diào)度，有利于提高運(yùn)維管理效率，降低研發(fā)成本。實(shí)施例四：本發(fā)明實(shí)施例還提供了一種用于cfd仿真計(jì)算的異構(gòu)集群系統(tǒng)，以模擬指定摩托車模型在自定義風(fēng)速的風(fēng)洞中各種物理量(例如壓強(qiáng)、速度、流場(chǎng)等)的變化為例進(jìn)行描述，具體的：s400、為了模擬指定型號(hào)的摩托車在時(shí)速20m/s(72km/s)時(shí)各物理場(chǎng)的分布情況，摩托車模型被靜置于風(fēng)洞中。在仿真過程中，速度初始條件設(shè)置為摩托車入口風(fēng)速20m/s、初始?jí)簭?qiáng)場(chǎng)設(shè)置為0pa(相對(duì)于標(biāo)準(zhǔn)壓強(qiáng))。速度邊界條件設(shè)置為：入口速度20m/s；出口速度設(shè)置為：當(dāng)空氣流出時(shí)速度為零梯度，回流時(shí)速度為0m/s；風(fēng)洞底面速度設(shè)置為勻速20m/s，其他側(cè)面設(shè)置為滑移；摩托車表面速度考慮了粘性條件，設(shè)置為無滑移。壓強(qiáng)邊界條件除了壓強(qiáng)出口設(shè)置為0pa(相對(duì)于標(biāo)準(zhǔn)壓強(qiáng))，其他邊界均設(shè)置為零梯度壓強(qiáng)。本發(fā)明實(shí)施例所提供的硬件加速器中包括若干英偉達(dá)k40、k20系列的gpu，以及intelalteraarria10系列的fpga，其中k40型號(hào)的gpu單精度性能是4.5tflops，能耗在18.25gflops/watt；k20型號(hào)的gpu單精度性能是3.5tflops,能耗在16.80gflops/watt；alteraarria10型號(hào)的fpga的單精度性能是1.5tflops，能耗在50gflops/watt。s401、cpu接收摩托車模型的仿真請(qǐng)求，使用cfd前處理工具對(duì)摩托車模型進(jìn)行網(wǎng)格劃分，將摩托車模型劃分為任務(wù)塊a和任務(wù)塊b，統(tǒng)計(jì)任務(wù)塊a和任務(wù)塊b的點(diǎn)、面及網(wǎng)格的數(shù)目，以及其他幾何屬性；根據(jù)任務(wù)塊a和任務(wù)塊b的點(diǎn)、面及網(wǎng)格的數(shù)目、其他幾何屬性，以及摩托車模型的cfd邊界條件，以及歷史數(shù)據(jù)預(yù)估任務(wù)塊a和任務(wù)塊b的計(jì)算量，例如計(jì)算時(shí)間及計(jì)算能耗；s402、cpu根據(jù)任務(wù)塊a和任務(wù)塊b的計(jì)算量、cfd任務(wù)(摩托車模型)的屬性以及gpu和fpga的參數(shù)來選擇計(jì)算資源；在本發(fā)明實(shí)施例中，如果該cfd任務(wù)(摩托車模型)的屬性是優(yōu)先計(jì)算性能，則該cfd任務(wù)(摩托車模型)的優(yōu)化目標(biāo)是運(yùn)算時(shí)間，因此通過調(diào)度算法為任務(wù)塊a和任務(wù)塊b選擇運(yùn)算單精度性能高的gpu進(jìn)行計(jì)算。進(jìn)一步的，cpu在選擇硬件加速器時(shí)，還可以考慮當(dāng)前硬件加速器的整體負(fù)載情況。在本發(fā)明實(shí)施例中，以cpu根據(jù)調(diào)度算法及當(dāng)前gpu的負(fù)載情況，為任務(wù)塊a選擇k40系列的gpu、為任務(wù)塊b選擇k20系列的gpu進(jìn)行計(jì)算為例進(jìn)行描述。s403、cpu將任務(wù)塊a發(fā)送給k40系列的gpu進(jìn)行計(jì)算，將任務(wù)塊b發(fā)送給k20系列的gpu進(jìn)行計(jì)算。cpu上的pbs主節(jié)點(diǎn)(pbsmaster)會(huì)將任務(wù)塊a和任務(wù)塊b分配到計(jì)算資源相應(yīng)的節(jié)點(diǎn)上，節(jié)點(diǎn)上的pbs代理(agent)收到任務(wù)之后，會(huì)將計(jì)算任務(wù)發(fā)送給相應(yīng)的gpu進(jìn)行計(jì)算。s404、cpu分別接收任務(wù)塊a和任務(wù)塊b的計(jì)算結(jié)果，并將計(jì)算結(jié)果合并后發(fā)送給nfs存儲(chǔ)服務(wù)器進(jìn)行存儲(chǔ)。本發(fā)明實(shí)施例所提供的一種用于cfd仿真計(jì)算的異構(gòu)集群系統(tǒng)，模擬摩托車模型在風(fēng)洞中的仿真數(shù)據(jù)，可以給后續(xù)的摩托車模型修改提供數(shù)據(jù)支持，以減小風(fēng)阻，提升燃油效率。而且避免了真實(shí)風(fēng)洞仿真中縮小模型帶來的雷諾系數(shù)改變，提升了經(jīng)濟(jì)效益。實(shí)施例五：本發(fā)明實(shí)施例所提供的用于cfd仿真計(jì)算的異構(gòu)集群系統(tǒng)，可以布置在云端，也可以配置在本地端。本發(fā)明實(shí)施例所提供的cfd仿真計(jì)算方法的整體或者部分可以通過軟件代碼的方式進(jìn)行執(zhí)行，其可以分為存儲(chǔ)器和處理器，其中存儲(chǔ)器可以存儲(chǔ)代碼，處理器用于執(zhí)行存儲(chǔ)器中的代碼，執(zhí)行存儲(chǔ)器中的代碼可以實(shí)施如實(shí)施例二、實(shí)施例三和實(shí)施例四所記載的各個(gè)方法步驟流程。應(yīng)該理解，本發(fā)明的各種實(shí)施例中，上述各過程中序號(hào)的大小并不意味著執(zhí)行順序的先后，各過程的執(zhí)行順序應(yīng)以其功能和內(nèi)在邏輯確定，而不應(yīng)對(duì)本發(fā)明實(shí)施例的實(shí)施過程構(gòu)成任何限定。另外，本文中術(shù)語“系統(tǒng)”和“網(wǎng)絡(luò)”在本文中常被可互換使用。本文中術(shù)語“和/或”，僅僅是一種描述關(guān)聯(lián)對(duì)象的關(guān)聯(lián)關(guān)系，表示可以存在三種關(guān)系，例如，a和/或b，可以表示：?jiǎn)为?dú)存在a，同時(shí)存在a和b，單獨(dú)存在b這三種情況。另外，本文中字符“/”，一般表示前后關(guān)聯(lián)對(duì)象是一種“或”的關(guān)系。本領(lǐng)域普通技術(shù)人員可以意識(shí)到，結(jié)合本文中所公開的實(shí)施例描述的各示例的單元及算法步驟，能夠以電子硬件、計(jì)算機(jī)軟件或者二者的結(jié)合來實(shí)現(xiàn)，為了清楚地說明硬件和軟件的可互換性，在上述說明中已經(jīng)按照功能一般性地描述了各示例的組成及步驟。這些功能究竟是以硬件還是軟件方式來執(zhí)行，取決于技術(shù)方案的特定應(yīng)用和設(shè)計(jì)約束條件。專業(yè)技術(shù)人員可以對(duì)每個(gè)特定的應(yīng)用來使用不同方法來實(shí)現(xiàn)所描述的功能，但是這種實(shí)現(xiàn)不應(yīng)認(rèn)為超出本發(fā)明的范圍。所屬領(lǐng)域的技術(shù)人員可以清楚了解到，為了描述的方便和簡(jiǎn)潔，上述描述的系統(tǒng)、裝置和單元的具體工作過程，可以參考前述方法實(shí)施例中的對(duì)應(yīng)過程，在此不再贅述。在本申請(qǐng)所提供的幾個(gè)實(shí)施例中，應(yīng)該理解到，所揭露的系統(tǒng)、裝置和方法，可以通過其他的方式實(shí)現(xiàn)。例如，以上所描述的裝置實(shí)施例僅僅是示意性的，例如所述單元的劃分，僅僅是一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式，例如多個(gè)單元或者組件可以結(jié)合或者可以繼承到一個(gè)系統(tǒng)，或者一些特征可以忽略，或不執(zhí)行。另外，所顯示或討論的相互之間的耦合或者直接耦合或者通信連接可以是通過一些接口、裝置或單元的間接耦合或通信連接，也可以是電的，機(jī)械的或其他的形式連接。所述作為分離部件說明的單元可以是或者可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實(shí)際的需要選擇其中的部分或者全部單元來實(shí)現(xiàn)本發(fā)明實(shí)施例方案的目的。另外，在本發(fā)明各個(gè)實(shí)施例中的各功能單元可以集成在一個(gè)處理單元中，也可以是各個(gè)單元單獨(dú)物理存在，也可以是兩個(gè)或兩個(gè)以上單元集成在個(gè)單元中。上述集成的單元即可以采用硬件的形式實(shí)現(xiàn)，也可以采用軟件功能單元的形式實(shí)現(xiàn)。通過以上的實(shí)施方式的描述，所屬領(lǐng)域的技術(shù)人員可以清楚地了解到本發(fā)明可以用硬件實(shí)現(xiàn)，或者軟件實(shí)現(xiàn)，或它們的組合方式來實(shí)現(xiàn)。當(dāng)使用軟件實(shí)現(xiàn)時(shí)，可以見上述功能存儲(chǔ)在計(jì)算機(jī)可讀介質(zhì)中或作為計(jì)算機(jī)可讀介質(zhì)上的一個(gè)或多個(gè)指令或代碼進(jìn)行傳輸。計(jì)算機(jī)可讀介質(zhì)包括計(jì)算機(jī)存儲(chǔ)介質(zhì)和通信介質(zhì)，其中通信介質(zhì)包括便于從一個(gè)地方向另一個(gè)地方傳送計(jì)算機(jī)程序的任何介質(zhì)。存儲(chǔ)介質(zhì)可以是計(jì)算機(jī)能夠存取的任何介質(zhì)。以此為例但不限于：計(jì)算機(jī)可讀介質(zhì)可以包括ram、rom、eeprom、cd-rom或其他光盤存儲(chǔ)、磁盤介質(zhì)或者其他磁存儲(chǔ)設(shè)備、或者能夠用于攜帶或存儲(chǔ)具有指令或數(shù)據(jù)結(jié)構(gòu)形式的期望的程序代碼并能夠由計(jì)算機(jī)存取的任何其他介質(zhì)。此外，任何連接可以適當(dāng)?shù)某蔀橛?jì)算機(jī)可讀介質(zhì)，例如，如果軟件是使用同軸電纜、光纖光纜、雙絞線、數(shù)字用戶線(sdl)或者諸如紅外線、無線電和微波之類的無線技術(shù)包括在所屬介質(zhì)的定影中。如本發(fā)明所使用的盤(disk)和碟(disc)包括壓縮光碟(cd)、激光碟、光碟、數(shù)字通用光碟(dvd)、軟盤和藍(lán)光光碟，其中盤通常磁性的復(fù)制數(shù)據(jù)，而碟則用激光來光學(xué)的復(fù)制數(shù)據(jù)。上面的組合也應(yīng)當(dāng)包括在計(jì)算機(jī)可讀介質(zhì)的保護(hù)范圍之內(nèi)?？傊陨纤鰞H為本發(fā)明技術(shù)方案的較佳實(shí)施例而已，并非用于限定本發(fā)明的保護(hù)范圍。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。當(dāng)前第1頁12當(dāng)前第1頁12