[发明专利]面向申威架构的流体动力学多重网格求解器并行优化方法

说明书

本发明属于计算流体力学技术领域，公开了面向申威架构的流体动力学多重网格求解器并行优化方法，用于计算待测物体的流体动力学特性，具体包括以下步骤：主核获取待测物体的初始矩阵，并进行矩阵的划分分配；从核进行矩阵计算，计算出最终结果，从核将计算后的结果传递回主核。通过本发明实现流体动力学计算的高效计算。

技术领域

本发明属于计算流体力学技术领域，涉及面向申威架构的流体动力学多重网格求解器并行优化方法。

背景技术

几何代数多重网格算法(GAMG)是OpenFOAM中的矩阵求解器。OpenFOAM中若干矩阵求解器来求解线性方程组，其中GAMG可以针对复杂的流体力学几何图形，快速地计算线性方程组，主要解决化学反应流、电磁场以及湍流等领域中流体问题。GAMG是结合AMG和GMG两种算法的求解器，GMG是几何多重网格算法，该方法基于一系列的网格求解有限元的问题，依赖初始实际几何网格，自动构建粗化网格，加快迭代的收敛速度，得出最终解。其中AMG是代数多重网格算法，以微分方程为背景，在不规则区域或者区域各部分的分辨率不一致的情况下，使用非结构化网格。由于非结构化网格每个网格点之间相邻不固定，所以采用AMG方法，将网格关系通过系数矩阵确定，通过粗化网格方法来抑制低频误差，然后采用插值等步骤进行下一步的求解。

GAMG的大体求解过程为：前光滑、细网格残差限制投影、粗网格求解误差方程、粗网格误差插值投影、后光滑。

在面对高精度模拟问题中，GAMG矩阵求解器出现耗时久、计算量大的问题，严重影响了研究人员工作效率。目前在国产超算平台对几何代数多重网格算法的优化面临着三个方面的挑战：并行可拓展挑战、算法可拓展挑战以及浮点优化挑战。在并行优化方面，1)由于国产异构众核一定的特殊性，设计模式多，存储结构不同，求解器的特殊性计算量多，导致软件并行难度大，在国产超算平台计算速度慢，实现对GAMG的主从并行有一定的难度；2)在负载均衡下，粗细网格之间的通信占比极大，网格重复的粗化过程导致资源消耗，性能降低；3)大时间步瞬态不可压湍流求解物理建模的精细以及更复杂的应用特征，LDM的存储差异大，导致主从数据传输多，耗时久。

发明内容

针对现有技术存在的不足，本发明提供一种面向申威架构的流体动力学多重网格求解器并行优化方法，针对GAMG求解器，通过主从并行、LDM存储以及部分通信优化，实现GAMG在神威上运行的提速，加快了在神威超算平台计算大规模流体力学问题时的速度。

为了解决上述技术问题，本发明采用的技术方案是：

面向申威架构的流体动力学多重网格求解器并行优化方法，用于计算待测物体的流体动力学特性，计算流程包括预平滑处理、细网格残差计算、粗网格矫正以及后平滑处理的步骤，该方法基于申威架构，对计算流程采用主从核并行优化方法，主核进行任务划分分配，从核进行任务计算并写回计算结果，具体包括以下步骤：

主核获取待测物体的初始矩阵，并进行矩阵的划分分配；

从核进行矩阵计算，计算出最终结果，具体是：

(1)从核调用smooth预平滑处理，获取初始矩阵的数据，通过高斯赛德尔方法收敛得到初始解；

(2)从核继续计算细网格残差与粗网格误差插值，同时主核继续进行粗网格的设定，分配到从核中，从核根据主核设定的粗网格和从核计算得到的细网格残差是否收敛决定是否进行粗网格迭代，若预平滑处理所获细网格残差不收敛，则进行粗网格迭代与缩放计算，得出缩放因子，从而矫正细网格残差使其收敛；若所获细网格残差收敛，则在细网格迭代进行衰减获取最终解；

从核将计算后的结果传递回主核。