技术分享︱一文读懂Fluent并行计算，三大技术提升计算效率新境界！

在Ansys Fluent中，尽管工程师已经针对并行算法进行了充分优化，但在实际应用中，还有其他方法可以进一步提高计算性能。本文阐述了Fluent并行计算的基本原理，同时探讨通过AVX2指令集加速、GPU加速以及超线程等技术手段来提高计算效率。

01 什么是Fluent并行计算

Fluent的并行求解器通过协同运作多个进程来计算大型问题，这些进程既可以在同一台机器上运行，也可以在网络中的不同设备上运行。

并行求解器将计算域分为多个区域（图1），将各数据分区分配至不同的计算进程（称为计算节点，图2），每个计算节点都在其专属数据集上同步执行同一程序。主进程（或称为主机）不包含网格单元、面或节点（除非使用 DPM 共享内存模型），其主要职责是解析 Cortex（负责用户界面和图形相关功能的 Fluent 进程）发送的指令，并将这些指令（及数据）传递给某一计算进程，再由该计算进程将其分发至其他计算进程。

图1:计算区域分区

图2：分区网格边界

计算节点负责存储并执行部分网格的计算任务，而位于分区边界的单层重叠单元格层则负责跨分区边界的通信（图2）。尽管单元格和面被分割，但网格中的所有域和线程在每个计算节点上均存在镜像（图3）。线程以链接列表的形式存储，和串行求解器保持一致。计算节点可在大规模并行计算机、多CPU 工作站或具备相同或多工作站组成的网络上实现。[1]

图3：分布式网格中的域和线程镜像

命令传输和通信

在Flunet并行计算会话中，进程涉及的主体包括 Cortex（主机进程）和一组 n 个计算节点进程，这些计算节点由 0 到 n-1 进行标记（图4）。主机进程接收来自 Cortex 的命令，并将命令传递至node-0，再由node-0发送给其他计算节点，所有计算节点（不包括节点0）均从node-0 接收命令。在计算节点将指令发送至主机之前（通过node-0），它们会相互进行同步。

各计算节点之间会进行“虚拟”连接，并依赖其“通信器”来实现数组的发送与接收、同步、全局约简（如全体单元的求和）以及机器连接性构建等功能。如图4 所示，Flunet 通信器可视为一个消息传递库，作为Message Passing Interface（MPI）的标准供应商。

图4：Fluent并行架构

在并行Flunet进程中，每一个进程（以及串行进程）均拥有独一无二的ID标识。其中，主进程被分配为 ID node_host（=999999）。主机负责从 node-0 获取消息，并对所有数据执行相应操作（如打印、显示信息以及写入文件等），这与串行求解器的操作方式保持一致（图5）。

图5：Fluent并行流程

当然，由于商软黑箱，我们做不了太底层的事儿，但是在能力范围内，也能为提高计算效率添砖加瓦。

02 通过AVX2指令集加速

AVX2（Advanced Vector Extensions 2）是英特尔推出的一种SIMD（Single Instruction, Multiple Data）扩展指令集，旨在提高处理器的并行计算能力。作为AVX指令集的升级版，AVX2具有更多的指令和功能。

AVX2指令集引入了256位宽的矢量寄存器YMM和一系列新型指令，能够同时对8个32位或16个16位整数进行并行计算。相比于之前的SSE指令集，AVX2在处理器上的计算任务执行数量更多，数据吞吐量更高。在科学计算、图像处理、物理模拟等领域，AVX2具有广泛的应用价值。借助AVX2指令集，程序可以充分发挥处理器的并行计算能力，加速执行更加复杂的计算任务。需要注意的是，为了充分发挥AVX2的优势，硬件环境须支持该指令集，因此，我们务必确保所选择的处理器和计算节点可支持AVX2指令集，才可享受AVX2带来的性能提升。

我们搭载AMD EPYC 7H12处理器，在SimForge高性能仿真平台上对算例进行了系列测试，以下为测试结果：

并行规模/核	开启AVX2加速的耗时/s	未开启AVX2加速的耗时/s	提升比例/%
16/单节点	2136.724	2338.419	8.63
32/单节点	1792.528	1929.408	7.09
64/单节点	934.609	966.394	3.29
128/单节点	861.163	9873.698	1.43

根据上述结果可以明显看出，AVX2指令集具备加速性能，尤其在较小规模下，加速效果更为显著。然而，随着并行规模的扩大，加速比例逐渐降低，这可能是由于并行计算存在固有的开销，从而降低了加速比例。当然，其他因素也可能影响结果。首先，硬件适配问题不容忽视，本次测试采用AMD设备，而AVX2指令由Intel开发，因此可能会存在适配问题。在Intel设备上进行重新测试，或许能获得更佳的结果。其次，软件版本也可能影响性能。使用最新版本的软件能够享受到更多的优化和改进，从而提高性能。此外，本次测试的算例亦可能存在问题，本次测试采用simple分离求解法的900w网格旋转机械算例，使用其他算例或许能得到不同的结果。

03 GPU加速

Fluent GPU求解器是由NVIDIA开发的并行计算平台和应用程序编程接口(API) CUDA(计算统一设备架构)驱动，因此，GPU求解器只支持NVIDIA的GPU，包括大多数NVIDIA Tesla和NVIDIA Quadro 系列的GPU，以及Ansys网站罗列的可支持的部分GPU。

事实上，尽管使用GPU加速的用户相对较少，但在Fluent早期版本就已具备该功能。启用GPU加速十分简单，仅需在启动界面进行选择。对于耦合求解器，Fluent默认使用GPU加速来进行耦合求解，并采用基于克罗内克子空间迭代法的FGMRES算法（弹性广义最小残差求解器）。然而，对于分离式求解器，默认情况下并未使用GPU加速（即使在启动界面开启也没有效果），需要通过命令进行单独设置，具体操作步骤如下：

1.首先，在启动界面选择调用GPU的数量（根据电脑的实际配置进行选择）

图6：Fluent启动界面

2.进入软件工作台界面后，在右侧命令端输入“/parallel/gpgpu/show”，即可显示当前使用的GPU型号，若GPU后方显示“*”，则表示GPU已被选用；若无“*”标识，可输入“select”，根据序号选择所需计算的GPU。

图7：命令终端选择GPU

3.成功选择GPU后，在终端键入“q”直至返回最外级选项。接下来选择需要GPU求解加速的量，输入“/solve/set/amg-options/amg-gpgpu-options”将会弹出当前算例所需求解的量。

图8：命令终端选择加速量

4.若需加速x方向动量，则键入“x-mom”，随后弹出选项选择“y”，其余参数保持默认即可，其他加速项操作同理。

图9：命令终端选择加速x方向动量

我们在 Intel Core i7-13700F 上搭载 NAVIDIA GeForce RTX 3060 对couple耦合求解算例进行测试，结果如下：

并行规模/线程	开启GPU加速的耗时/s	未开启GPU加速的耗时/s	提升比例/%
2	571.488	1947.853	240.839
4	517.717	1846.921	229.707
8	506.965	1417.762	179.657
16	753.562	1477.921	96.125

测试过程如图10所示，可以看到满状态下，CPU和GPU负载均较高，这表明加速效果显著。然而，如果算例配置需求过高，可能导致显存不足，进而引发软件崩溃，如图11所示。

图10：GPU计算过程

图11：内存不足崩溃

根据ANSYS官方资料，Fluent在GPU上的运行速度最高可提升至3.7倍（即提升270%），实际测试数据也证实了这一可能性。而且，在开启GPU加速的情况下，2线程的耗时仅为16线程不使用GPU时的40%，当然这种情况与CPU和GPU型号搭配有很大关系，搭配不佳可能导致性能受限。我们发现，8线程下的计算耗时优于16线程，这可能是因为16线程CPU多核心之间通信时间增加导致整体效率下降。综合以上来看，最佳计算线程数应在12左右。CPU线程数并非越多越好，它存在最优线程数，相关文献已对此进行研究[2]。在16线程情况下，由于远程控制操作计算，进程任务包括计算任务、远程控制任务及系统本身任务，这将会降低计算效率，因此，在大多数情况下，留出1、2个进程给系统等任务可能会带来更好的性能。

04 超线程加速

超线程（Hyper-Threading）是Intel研发的一项技术，它通过在单个物理处理器核心中模拟出多个逻辑处理器，使其并发执行多个线程。超线程技术的核心优势在于提升处理器的并行度和资源利用率。

通过模拟多个逻辑处理器，超线程能够在同一时间周期内执行多个线程，进而有益于多线程应用程序和并行计算任务，提高系统响应速度与整体性能。此外，超线程技术还有助于减少资源闲置时间。当一个线程需要等待某些资源时，另一线程可以继续使用其他可用资源，从而降低等待时间与资源浪费。

然而，超线程技术也存在一定局限性，因其并未实质性地增加处理器核心的数量，只是通过逻辑模拟来实现多个线程的同时执行。因此，在某些情况下，多线程可能会竞争相同的物理资源，导致性能下降。此外，超线程技术的实际效果与应用程序特性和线程调度密切相关。对于某些特定类型的应用程序，超线程技术可能无法带来显著的性能提升。对于高度并行化的任务，超线程可能会带来更大的性能提升。

我们在Intel Xeon Platinum 8358机器上使用神工坊高性能仿真平台对某一算例进行了扩展性测试，仍选择物理核心的方式进行对比，以下为测试结果：

并行规模/核(物理核心)	开启超线程的耗时/s	未开启超线程耗时/s	提升比例/%
8	4038.65	4348.515	7.13
16	2590.407	2745.293	5.64
32	1947.578	2063.464	5.62
64	963.1	1005.437	4.21

我们可以发现，开启超线程能带来一定程度的性能提升，但提升比例相对较低，因此，在实际计算中，是否启用超线程需根据实际情况来权衡。如果您的工作负载高度并行，且能够充分利用每个物理核心，那么开启超线程技术可能会带来显著的性能提升。然而，如果您的应用程序比较依赖单个线程的执行速度，则开启超线程可能会导致性能下降，原因在于超线程会使每个物理核心上的线程数增加，从而增加了上下文切换的开销。另外，还要考虑芯片功耗与散热问题，开启超线程会增加处理器的热量和功耗，如果散热性能不佳或处理器功耗已接近极限，开启超线程可能会导致处理器过热并降低系统稳定性。

总体而言，超线程技术在适当情况下可提升处理器的性能和资源利用率，但实际效果取决于应用程序的特点和线程调度策略。开启超线程需要综合考虑多个因素，如应用程序类型、并行程度、功耗和散热等。在选择处理器时，需要综合考虑应用场景和性能需求，评估超线程技术对系统性能的实质影响。

05 总结

通过以上内容，我们可知：

1. AVX2指令集加速有显著效果，计算性能最高可提升8.63%，建议搭配Intel的机器。

2. GPU加速效果显著，但其与CPU和GPU的协同作用密切相关。

3. 超线程技术在Fluent计算中具有一定的提速效果，但需兼顾芯片功耗和散热问题。

4. 系统任务对速度提升会产生影响，建议在计算过程中空出1、2个进程。

SimForge™高性能仿真平台基于超算HPC集群的硬件支撑，对仿真软件进行了CPU平台的高性能适配与优化，同时根据用户需求进行兼容性适配，力保每一核都能发挥出它的最大价值，欢迎广大仿真从业者注册试用！

参考资料

[1]《Fluent UDF手册》

[2] Ju T, Wu W, Chen H, et al. Thread count prediction model: Dynamically adjusting threads for heterogeneous many-core systems. IEEE, 2015: 456-464.