cuda第一次计算耗时_FLUENT计算与GPU加速

---

太长不看版本，结论如下：

1. FLUENT中，GPU加速对于耦合求解器计算十分明显，3060ti能够提高计算效率约3倍，1080ti能够提高计算效率约2倍；

2. FLUENT中，GPU加速对于分离式求解器效果不明显，这可能是由于网格数太少，GPU对线性系统加速节约的时间，和CPU与GPU之间信息交互额外耗时差不多相抵消，求解系统越庞大，GPU加速才会明显；

3. 分离式求解器是默认关闭GPU加速，需要通TUI命令开启，同时仅建议只对压力方程求解开启GPU加速；

4. FLUENT中，不同线程数对计算影响较大，对CPU主频反而敏感。

---

针对科学计算的GPU加速技术在过去十多年里得到巨大发展，其主要依赖于GPU性能的提升。过去，如果要搞深度学习，或者数值计算系统求解的GPU加速，通常只能使用专用计算卡，包括Quadro系列、Tesla系列等。然而，随着皮衣刀客黄仁勋发布30系显卡，旗舰卡3090有着比TITAN更高的性价比，过去“四路泰坦抱回家”的梗总算能改成“3090抱回家”了。GPU加速不在依赖于高端计算卡，即便是30系的甜品卡3060ti也有着4864个cuda核心，昔日卡皇2080ti仅有4352个cuda核心，而上上代老卡皇1080ti只有3584个cuda核心。几年前，仅1080ti显卡就要近一万元，今天，花1/3的价钱就能买一张性能超过1080ti的3060ti显卡，兼顾市面上大多数游戏和部分科学计算的使用。对数值计算来说，特别是线性系统的求解，GPU有着天生优势，通常能够节约几倍计算时间。可以说，硬件的进步也让科研和工程吃上了红利。以下，测试3060ti显卡在ANSYS FLUENT中GPU加速效果。

ANSYS FLUENT中的GPU加速

FLUENT很早的版本就支持GPU加速了，不过，用这个的人肯定不多。开启GPU加速也很简单，在启动界面选择即可。此外，针对耦合求解器，GPU加速默认是针对耦合系统进行求解，默认使用FGMRES算法(弹性广义最小残差求解器，一种克罗里克子空间迭代法的衍生)。对于分离式求解器，GPU加速默认不使用(启动界面开启也没用)，需要单独通过GUI命令进行设置。ANSYS官方文档表示，FLUENT在GPU上运行的速度最高提升 3.7 倍，从而将求解时间从数周大幅缩短到数天。此外，官方也表示ANSYS FLUENT软件支持在NVIDIA GPU上进行求解器计算。这可帮助工程师减少探索许多设计变量所需的时间，以及按照最终设计期限优化产品性能。代数多重网格求解器和辐射传热模型(包括离散坐标 (DO) 辐射和S2S视角系数计算)现在由GPU加速处理。典型的工业应用包括外流空气动力学、内部流体流动和冷却模拟等。简单总结，FLUENT支持cuda加速，并且能提高几倍效率。

测试案例

之前在论坛找的一个250w网格的经典算例，前段时间大佬们就是用这个算例对比OpenFOAM和FLEUNT计算效率，如下图。本文进行两组实验测试，首先使用耦合求解器进行200时间步长的稳态计算，统计计算时间(total wall-clock time，FLUENT可直接输出)。第二组实验主要是针对分离式求解器的测试，采用SIMPLEC求解器进行200时间步长的稳态计算。

耦合求解器测试

第一次开启GPU加速的时候，计算直接终止了，才发现，原来是显存爆了。GPU加速针对耦合系统默认采用FGMRES算法，在耦合求解器加持下太耗显存，因此将耦合系统GPU求解修改为AMG求解器。可以看到，250万网格的算例，开启GPU加速，显存占用6GB，而3060ti的显存仅有8GB，看来，甜品卡玩加速只能小打小闹，尽管如此，GPU加速测试结果如下。

 

官方说的3倍提升，真的不是吹牛。12线程开启GPU加速，计算时间都低于24线程不开GPU加速。而12线程开启GPU加速，计算总用时居然和24线程开启GPU加速基本一样，仅相差20秒。原因可能是24线程时CPU多核心之间通信时间增加反而拉低了整体效率，最优计算线程数目应该在(20t左右，猜的，关于CPU线程数，并非越多越好，是存在最优线程的，这方面还有不少SCI论文研究，有兴趣自查，该案例的最优CPU线程本文就不研究了)。而12线程不开GPU加速和24线程不开GPU加速跑完200个时间步，都慢的要死，而且用时差不多。看来，对于耦合系统，GPU加速提升的效果有2.7倍左右。尽管没有官方宣传的3.7倍高，这应该和硬件有关，但是GPU加速后提升的效果十分明显的。

分离求解器测试

采用SIMPLEC求解器进行200个时间步长的稳态计算。分离式求解器计算速度比耦合求解器快，这是毋庸置疑的，相当于用稳定性换取了效率。ANSYS官方是不推荐分离式求解器使用GPU加速的。简单的说，耦合求解器大概有60%-70%的时间在进行线性系统计算，采用GPU加速，求解节约的时间相比于CPU和GPU通信的时间是可观的，因此整体效率能够提升。这也是为什么几十万网格的小案例采用GPU加速反而整体效率降低的原因，系统求解时间，多核心之间通信时间，CPU和GPU之间通信时间三者是需要权衡的。此时，如果要开启GPU加速，需要通过TUI进行设置，而且建议，仅对压力方程进行。因此，以下仅对压力方程求解开启GPU加速，采用FGMRES求解器，光顺器ILU，此时，尽管采用了子空间迭代法，但是显存使用仅为2GB，大大低于耦合求解器，但这也从另一个角度说明，此时GPU加速效果不会明显。结果如下图，可以看到加速结果真的不明显。

更正，上图横坐标，分别是24线程，18线程，12线程，懒得重做图了。

工作站测试

最后简单测试一下1080ti，教研室一台老工作站，配置，志强银4114(20c40t)+老卡皇1080ti。按照测试一中的设置，测试耦合求解器稳态计算下1080ti的加速效果。可以看到,GPU加速效果还是有的，大概有2倍提升，开启GPU加速后，计算效率也低于案例测试一中24线程的测试。但是不开GPU加速，40t的效率还是高于24t的效率，这说明GPU还是有不小差距。不过，上上代老卡皇，还是能打的。要怪就怪绿厂不讲武德，偷袭了上代卡皇同志和上上代老卡皇同志，耗子喂汁。同时，还有一点，24t是采用5900x计算的，全核心4.5Ghz。尽管志强系列主频都太低，但是CFD计算确实不怎么吃CPU主频.此外，我手里的39xt和59x，出现了计算效率一样的情况，尴尬，看来CFD计算真的不吃主频吃核心。还有一种可能，就是FLUENT R2版本是6、7月出来的，并未对新一代AMD进行优化，导致新u和老u计算无差距。

总结 

这代GPU加速效果远超预期，这代30系显卡真的是太强了。对于耦合系统，GPU加速开与不开，计算速度完全是两个样子。分离式求解器，如果网格数更多，GPU加速效果肯定更好。GPU加速对于计算效率提升总体还算明显。3060ti都如此，3090具有其2倍cuda核心，20g显存，可以预想，完全能够胜任通常的CFD计算，对于深度学习之类计算也是极其好的,科研利器，唯一缺点就是贵。

平时太忙，导致公众号都成为季更了，下次更新预计明年了，提前祝我的121位粉丝新年快乐。