本發(fā)明涉及計算流體力學(xué)(cfd)的高性能計算領(lǐng)域，特別是針對大規(guī)模cpu/gpu異構(gòu)高性能計算系統(tǒng)上的cfd計算方法與結(jié)構(gòu)優(yōu)化。本發(fā)明主要聚焦于熱物理量的gpu加速計算、數(shù)據(jù)傳輸優(yōu)化以及數(shù)組結(jié)構(gòu)的適應(yīng)性改造，可應(yīng)用于寬域組合發(fā)動機內(nèi)流場的快速計算，以期達到更高的計算效率和資源利用率。

背景技術(shù)：

1、在計算流體力學(xué)(cfd)的發(fā)展史上，隨著計算需求的日益增長，傳統(tǒng)的cpu中心的計算方法已逐漸顯得力不從心。寬域組合發(fā)動機是未來高速飛行器重要的動力來源。但較為嚴苛的工作性能使其在設(shè)計過程中需要進行大量的數(shù)值計算來滿足設(shè)計需求。對于百萬、千萬量級有限元網(wǎng)格的求解，目前的數(shù)值模擬需要通過上百塊的cpu并行計算來實現(xiàn)，由于cpu之間的數(shù)據(jù)通信問題，并行效率并不高，這導(dǎo)致常規(guī)的數(shù)值模擬方法需要消耗大量的計算資源。特別是在熱物理量的計算領(lǐng)域，如溫度、壓力、熵等關(guān)鍵參數(shù)的精確模擬，對于預(yù)測流體行為和設(shè)計優(yōu)化至關(guān)重要。然而，這些計算任務(wù)往往需要處理大量的數(shù)據(jù)和復(fù)雜的數(shù)值方法，導(dǎo)致計算過程耗時且資源密集。

2、cpu作為計算機的運算控制核心，擅長復(fù)雜邏輯運算；而gpu作為圖形處理器，擁有大量流處理器(sp)，擅長圖像數(shù)據(jù)并行處理。隨著gpu在并行處理方面的突出能力被廣泛認識，其在cfd領(lǐng)域的應(yīng)用潛力逐漸被挖掘。gpu不僅能夠提供比cpu更多的計算核心，而且其設(shè)計更適合執(zhí)行大規(guī)模并行計算任務(wù)。這使得gpu成為加速cfd仿真的理想選擇，尤其是在處理熱物理量計算這類高度并行化的任務(wù)時。

3、然而，將cfd計算從cpu遷移到gpu并非無障礙。一方面，需要解決的是數(shù)據(jù)結(jié)構(gòu)的適配問題。傳統(tǒng)的二維數(shù)組結(jié)構(gòu)在cpu上運行效率較高，但在gpu上卻可能導(dǎo)致內(nèi)存訪問的低效率和索引沖突。另一方面，cpu與gpu之間的數(shù)據(jù)交換頻繁，成為了影響計算性能的瓶頸。如何有效地管理這些數(shù)據(jù)交換，并減少通信成本，是提升cfd計算性能的關(guān)鍵。

技術(shù)實現(xiàn)思路

1、針對上述問題，本發(fā)明提供一種用于計算流體力學(xué)仿真中的gpu計算方法，解決了由于cpu與gpu之間的數(shù)據(jù)通信問題，并行效率不高，導(dǎo)致數(shù)值模擬方法需要消耗大量計算資源的問題，減少了cpu與gpu之間的通信次數(shù)，降低了通信成本，提升了并行計算的效率和數(shù)據(jù)吞吐量。

2、本發(fā)明采用了以下技術(shù)方案來實現(xiàn)目的：一種用于計算流體力學(xué)仿真中的gpu計算方法，包括：

3、(1)搭建基于cpu/gpu異構(gòu)系統(tǒng)的混合編程框架；

4、(2)基于openfoam開源計算框架，建立openfoam-gpu數(shù)據(jù)結(jié)構(gòu)；

5、(3)將化學(xué)計算遷移到gpu上；

6、(4)將熱物理量計算任務(wù)從cpu遷移到gpu執(zhí)行，并采用并行計算策略；

7、(5)改進內(nèi)存拷貝邏輯，減少在計算過程中g(shù)pu內(nèi)存與cpu之間的數(shù)據(jù)交換頻率；

8、(6)將原本在cpu上使用的二維數(shù)組結(jié)構(gòu)重構(gòu)為適合gpu并行計算的一維數(shù)組結(jié)構(gòu)；

9、其中，所述步驟(1)中，所述搭建基于cpu/gpu異構(gòu)系統(tǒng)的混合編程框架，包括利用nvidia提供的cuda版本的基本線性代數(shù)子程序庫的cublas和cusparse函數(shù)庫對線性代數(shù)運算進行優(yōu)化，使用culatools和magma進行矩陣的分解，以及通過thrust并行算法庫進行編程，建立cpu/gpu異構(gòu)系統(tǒng)的混合編程框架；

10、所述步驟(2)中，所述基于openfoam開源計算框架，建立openfoam-gpu數(shù)據(jù)結(jié)構(gòu)，包括基于openfoam原生的類進行針對gpu的重寫，結(jié)合步驟(1)搭建的cpu/gpu異構(gòu)系統(tǒng)的混合編程框架，使得gpu具備滿足openfoam計算要求的數(shù)據(jù)結(jié)構(gòu)，并能對數(shù)據(jù)結(jié)構(gòu)進行編輯、計算操作；

11、所述步驟(3)中，化學(xué)計算包括以熱學(xué)相關(guān)為基礎(chǔ)的化學(xué)反應(yīng)相關(guān)類數(shù)據(jù)計算；具體地：所述將化學(xué)計算遷移到gpu上，包括在openfoam原有的chemistrymodel類上進行計算化學(xué)源項、反應(yīng)速率參數(shù)的優(yōu)化，對化學(xué)反應(yīng)源項的求解以及壓強p、溫度t、密度rho參數(shù)并行化重構(gòu)；

12、所述步驟(4)中，將熱物理量計算任務(wù)從cpu遷移到gpu執(zhí)行，并采用并行計算策略包括：首先將相關(guān)物理量字段存儲于gpu內(nèi)存，然后利用thrust庫的并行算法，將計算任務(wù)分配至多個gpu線程，最后通過transform函數(shù)、make_zip_iterator和counting_iterator實現(xiàn)網(wǎng)格數(shù)據(jù)點的并行處理；

13、所述步驟(5)中，改進內(nèi)存拷貝邏輯包括：在計算前，將必要的數(shù)據(jù)統(tǒng)一拷貝到cpu內(nèi)存中，計算完成后再統(tǒng)一拷貝回gpu內(nèi)存；

14、所述步驟(6)中，所述將原本在cpu上使用的二維數(shù)組結(jié)構(gòu)轉(zhuǎn)換為適合gpu并行計算的一維數(shù)組結(jié)構(gòu)，包括利用labelgpulist存儲轉(zhuǎn)換后的數(shù)據(jù)，實現(xiàn)從單元格到點的字段插值的并行計算。

15、可選地，所述步驟(2)中建立openfoam-gpu數(shù)據(jù)結(jié)構(gòu)包括構(gòu)建的scalargpufield類型的數(shù)據(jù)字段，包括焓、壓力、溫度、比容、黏度和熱導(dǎo)率。

16、可選地，所述步驟(3)還具體包括定義了一個chemistrymodelcaculatefunctor<deltattype,thermotype>類的名為func的函數(shù)對象，為壓強p、溫度t、密度rho提供了相應(yīng)的處理方式，再通過thrust并行算法庫中的函數(shù)進行并行計算加速。

17、可選地，所述步驟(4)還具體包括熱物理量hepsithermo類的calculate()函數(shù)負責(zé)處理gpu內(nèi)存中的scalargpufield類型數(shù)據(jù)。

18、可選地，所述步驟(5)還具體包括首先將焓、壓力和溫度字段數(shù)據(jù)從cpu內(nèi)存?zhèn)鬏數(shù)絞pu內(nèi)存，然后，使用統(tǒng)一數(shù)據(jù)拷貝策略，將質(zhì)量、動量和焓源項數(shù)據(jù)從gpu內(nèi)存中拷貝回主機存儲?？蛇x地，所述步驟(6)gpu并行計算時，還具體包括通過數(shù)據(jù)結(jié)構(gòu)重構(gòu)，將二維數(shù)組展平為一維數(shù)組，利用labelgpulist存儲轉(zhuǎn)換后的數(shù)據(jù)，在gpu上實現(xiàn)并行計算，通過thrust::for_each結(jié)合計數(shù)迭代器實現(xiàn)了從單元格到點的字段插值的并行計算。

19、可選地，所述步驟(5)中字段數(shù)據(jù)從cpu內(nèi)存?zhèn)鬏數(shù)絞pu內(nèi)存，利用cudamemcpyasync和cudamemcpysync函數(shù)進行數(shù)據(jù)傳輸。

20、相對于現(xiàn)有技術(shù)，本發(fā)明具有如下有益效果：首先，通過將熱物理量計算遷移到gpu上，利用其并行計算能力，顯著提升了計算速度，其次，通過引入數(shù)據(jù)批量拷貝方法，減少了cpu與gpu之間的通信次數(shù)，降低了通信成本，最后，通過將二維數(shù)組結(jié)構(gòu)重構(gòu)為一維數(shù)組結(jié)構(gòu)，優(yōu)化了內(nèi)存訪問模式，提升了并行計算的效率和數(shù)據(jù)吞吐量。

技術(shù)特征：

1.一種用于計算流體力學(xué)仿真中的gpu計算方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的一種用于計算流體力學(xué)仿真中的gpu計算方法，其特征在于，所述步驟(2)中建立openfoam-gpu數(shù)據(jù)結(jié)構(gòu)包括構(gòu)建的scalargpufield類型的數(shù)據(jù)字段，包括焓、壓力、溫度、比容、黏度和熱導(dǎo)率。

3.根據(jù)權(quán)利要求1所述的一種用于計算流體力學(xué)仿真中的gpu計算方法，其特征在于，所述步驟(3)還具體包括定義了一個chemistrymodelcaculatefunctor<deltattype,thermotype>類的名為func的函數(shù)對象，為壓強p、溫度t、密度rho提供了相應(yīng)的處理方式，再通過thrust并行算法庫中的函數(shù)進行并行計算加速。

4.根據(jù)權(quán)利要求1所述的一種用于計算流體力學(xué)仿真中的gpu計算方法，其特征在于，所述步驟(4)還具體包括熱物理量hepsithermo類的calculate()函數(shù)負責(zé)處理gpu內(nèi)存中的scalargpufield類型數(shù)據(jù)。

5.根據(jù)權(quán)利要求1所述的一種用于計算流體力學(xué)仿真中的gpu計算方法，其特征在于，所述步驟(5)還具體包括首先將焓、壓力和溫度字段數(shù)據(jù)從cpu內(nèi)存?zhèn)鬏數(shù)絞pu內(nèi)存，然后，使用統(tǒng)一數(shù)據(jù)拷貝策略，將質(zhì)量、動量和焓源項數(shù)據(jù)從gpu內(nèi)存中拷貝回主機存儲。

6.根據(jù)權(quán)利要求1所述的一種用于計算流體力學(xué)仿真中的gpu計算方法，其特征在于，所述步驟(6)gpu并行計算時，還具體包括通過數(shù)據(jù)結(jié)構(gòu)重構(gòu)，將二維數(shù)組展平為一維數(shù)組，利用labelgpulist存儲轉(zhuǎn)換后的數(shù)據(jù)，在gpu上實現(xiàn)并行計算，通過thrust::for_each結(jié)合計數(shù)迭代器實現(xiàn)了從單元格到點的字段插值的并行計算。

7.根據(jù)權(quán)利要求5所述的一種用于計算流體力學(xué)仿真中的gpu計算方法，其特征在于，所述步驟(5)中字段數(shù)據(jù)從cpu內(nèi)存?zhèn)鬏數(shù)絞pu內(nèi)存，利用cudamemcpyasync和cudamemcpysync函數(shù)進行數(shù)據(jù)傳輸。

技術(shù)總結(jié)
本發(fā)明提供了一種用于計算流體力學(xué)仿真中的GPU計算方法，包括搭建基于CPU/GPU異構(gòu)系統(tǒng)的混合編程框架；建立OpenFOAM?GPU數(shù)據(jù)結(jié)構(gòu)；將化學(xué)計算遷移到GPU上；將熱物理量計算任務(wù)從CPU遷移到GPU執(zhí)行；改進內(nèi)存拷貝邏輯，減少在計算過程中GPU內(nèi)存與CPU之間的數(shù)據(jù)交換頻率；將原本在CPU上使用的二維數(shù)組結(jié)構(gòu)重構(gòu)為適合GPU并行計算的一維數(shù)組結(jié)構(gòu)；解決了由于CPU與GPU之間的數(shù)據(jù)通信問題，并行效率不高，導(dǎo)致數(shù)值模擬方法需要消耗大量計算資源的問題，減少了CPU與GPU之間的通信次數(shù)，降低了通信成本，提升了并行計算的效率和數(shù)據(jù)吞吐量。

技術(shù)研發(fā)人員：劉冰,趙通,安健,朱韶華,何國強,秦飛
受保護的技術(shù)使用者：西北工業(yè)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9