45、GPU加速CFD求解器异步日志内核的优化

GPU加速CFD求解器异步日志内核的优化

1. 引言

GPU凭借大量线程实现大规模并行计算，在数值模拟中表现出色，同时也使异步执行更为常见。对于不直接参与计算的内核，可在后台异步执行，以充分利用GPU线程。通过对这些内核采用混合精度，可优化异步执行。在FaSTAR求解器上实现该优化，并在NASA CRM案例中测试，异步执行可使速度提升15% - 27%，最大内存开销为4.5% - 9%。

GPU通用计算（GPGPU）因其大量线程实现大规模并行，被视为通往百亿亿次级计算的可行途径。在计算流体动力学（CFD）中应用GPGPU，能进行更复杂、精确和详细的模拟，但需借助CUDA、OpenCL或OpenACC等技术对现有代码进行适配或创建新代码。CFD代码不仅能利用GPU的计算能力，还能利用其异步执行能力。

异步执行的好处主要有以下几点：
- 内核执行与内存传输重叠 ：这种方式能提升多GPU性能，隐藏网络传输。例如Micikevicius在CUDA加速的三维结构化有限差分代码中，结合异步执行和非阻塞消息传递接口（MPI）调用，提出两步算法；McCall加速人工可压缩性Navier - Stokes结构化求解器时采用类似但相反的方法；Shi等人在加速不可压缩Navier - Stokes求解器时使用流来重叠计算和非阻塞MPI通信；Choi等人采用过度分解范式和Charm++替代MPI，在测试Jacobi求解器上获得显著的弱缩放和强缩放性能提升。
- 独立内核并发执行 ：每个内核可同时操作不同数组。如Hart等人在Cray XK6超级计算机上对Himeno基准进行OpenACC加速，重叠数据传输和计