基于GPU集群的格子Boltzmann流体模拟并行计算的设计与实现分解.pptVIP

作 者： 俸 毅 苏智彬 徐杨 指导老师： 覃章荣 广西师范大学 计算机科学与信息工程学院 基于GPU集群的格子Boltzmann流体模拟 并行算法的设计与实现 目录 作品简介设 设计方案 实验分析 创新特色 1 2 3 4 一 作品简介 2.但是目前在基于LBM流体模拟中，使用GPU集群并行计算方面的研究很少。单个计算机由于硬件资源的限制，不能用于大规模流场的计算。集群并行计算成为实现低成本，高性能计算的重要途径之一 1.基于LBM?(Lattice?Boltzmann?Method)的现代计算流体力学在航空、气象、化工等领域获得了广泛的应用。目前利用CUDA技术在单GPU上进行LBM加速计算的研究也越来越多 通过对单机CPU、多机CPU、多机GPU三种方案的计算结果和效率对比分析，验证其可行性及加速性能。为在普通计算机群上进行大规模复杂计算，提供一种低成本、高性能的解决方案 本项目使用MPI+CUDA技术在由多GPU组成的集群上进行LBM流体模拟并行计算，并以方腔流为算例，验证在多GPU集群上进行LBM并行计算的可行性和加速性能 一 项目简介 项目背景 项目目标 二 特色创新 格子玻尔 兹曼方法 使用配置有支持CUDA技术的GPU显卡的普通计算机组成集群，并在集群上使用MPI+CUDA技术实现了基于LBM流体模拟的并行计算，实验验证了其可行性和加速性能，我们最高获得72.32倍的加速比。该方案解决了目前基于单GPU计算机由于硬件资源限制而无法处理大规模计算流场的问题，同时获得非常可观的加速性能。为在普通计算机群上进行大规模复杂科学计算，提供一种低成本、高性能的解决方案。 三 设计方案—实现流程(1) 1 设计一个正确的单CPU 程序。用于实现单机计 算方腔流算例，实现流 程如右图所示。 2 在单CPU程序的基础上，通过使用MPI技术，扩展到CPU集群上，实现基于MPI的多CPU程序。实现流程如右图所示。 三 设计方案—实现流程(2) 3 在实现基于MPI的多CPU程序的基础上，通过使用CUDA技术，扩展到GPU集群上，实现MPI+GPU集群程序。实现流程如右图所示。 三 设计方案—实现流程(3) 三 设计方案—关键技术(1) ■ 集群中多机通信方案 交换机 网卡 CPU GPU 计算机1 网卡 CPU GPU 计算机2 网卡 CPU GPU 计算机3 网卡 CPU GPU 计算机4 实验方案的集群构成示例如下所示，集群中各计算机之间的数据通信，我们采用目前流行的MPI（Message Passing Interface，消息传递接口）来实现。 三 设计方案—关键技术(2) ■ 计算流场网格子区块划分方案 对于LBM来说，计算流场网格子区块的划分通常包括纵向划分、横向划分、棋盘划分3种方案。棋盘划分方案会造成边界格点数据交换时通信量增多，增大了程序开发难度，降低了计算效率。横向和纵向划分时边界格点交换数据时通信量均较少，而纵向划分比较符合常人的习惯，因此，我们选择纵向划分方案。 （b）横向划分 （c）棋盘划分 （a）纵向划分 三 设计方案—关键技术(3) ■ 集群中各子计算区块边界格点数据交换方案 当计算流场网格划分为多个子区块并分配到集群的各计算机中，在格点粒子分布函数流动时，各子区块边界格点的数据要交换到邻居计算机的子区块的边界中。为了能够计算方便，在每个子区块两侧边界处，各增加一层虚边界，用来存放从从其他计算机迁移过来的数据，这样可以使得在每个计算机内都可以完成子区块数据的碰撞和流动，过程如下图所示（图中每个子区块的蓝色为实际边界，白色为增加的虚边界）。 三 设计方案—关键技术(4) ■ 基于CUDA的并行数据存储结构设计方案 根据CUDA的要求，为了高效地访问GPU全局内存，必须把要访问数据存储在同一连续地址内，实现合并访问。我们的方案是在GPU的全局内存中创建一个一维数组用来存放全部D2Q9模型格子9个方向的粒子分布函数值，先顺序存放所有格点的0方向的粒子分布函数f0，接着是1方向的f1,依次类推一直到f8(如下图所示)，这样可以实现合并访问，提高效率。 ……. f0 f1 … f8 所有格点f0 所有格点f1 f2—f7 所有格点f8 D2Q9模型 三 设计方案—关键技术(5) ■ 基于CUDA内核函数的设计与实现 CUDA程序中在GPU上并行执行的代码，被组织成内核（Kernel），内核就是在GPU中被线程并行地执行的函数。我们把程序中并行部分设计成2个内核函数：碰撞内核函数和流动内核函数，将计算流场中每个