OpenMP多核技术在颗粒流体力学方法GHM中的应用

计算机工程与科学

OpenMP多核技术在颗粒流体力学方法GHM中的应用

魏朝磊1，闫民2，赵方1

（1.北京林业大学信息学院,北京 100083;2.北京林业大学工学院,北京 100083）

收稿日期:2015-12-16 修回日期:2016-03-17 出版日期:2017-07-25 发布日期:2017-07-25
基金资助:
国家自然科学基金（11272061）

Application of OpenMP multicore technology

in granule hydrodynamics method

WEI Chao-lei1,YAN Min2,ZHAO Fang1

(1.College of Information,Beijing Forest University,Beijing 100083;

2.College of Industry,Beijing Forest University,Beijing 100083,China)

Received:2015-12-16 Revised:2016-03-17 Online:2017-07-25 Published:2017-07-25

摘要/Abstract

摘要：

为了达到提高颗粒流体动力学方法GHM计算效率的目标，分析了GHM模型的主要计算模块，抽取其中的可并行计算模块，基于多核计算机的硬件环境，应用OpenMP多线程并行计算模型，对采用数值积分方法求解颗粒运动方程的部分，实现求解过程的并行计算。最后通过多次实验验证程序的正确性及算法性能。实验结果表明，在Windows 7系统4核8线程处理器的计算机上，并行程序的并行加速比最高达到了2.5，说明OpenMP多核并行技术能较显著地提高GHM方法的计算性能。

关键词: OpenMP, 流体力学, 并行计算, 多核处理器, 效率

Abstract:

In order to improve the computational efficiency of the granule hydrodynamics method (GHM) model, we propose a multi-thread parallel computing model based on OpenMP for multi-core computers. We analyze the primary computational modules and extract the ones that can be paralleled. We then use the OpenMP compiler directive statements and runtime library to realize the parallel computation of the solving process in the GHM model to solve the granules motion equations by using the numerical integration method. Experimental results on Windows platform with 4 cores and 8 threads CPU show that the parallel program's speedup can reach 2.5, which proves that the OpenMP technology can improve the computational efficiency of the GHM significantly, and that it has advantages of easy programming and good portability as well.

Key words:

OpenMP, fluid hydrodynamics, parallel computing, multicore processor, efficiency

魏朝磊1，闫民2，赵方1. OpenMP多核技术在颗粒流体力学方法GHM中的应用[J]. 计算机工程与科学.

WEI Chao-lei1,YAN Min2,ZHAO Fang1.

Application of OpenMP multicore technology

in granule hydrodynamics method

[J]. Computer Engineering & Science.

[1]	卢明妤, 李陶深, 吕品. 无线携能通信下mmWave协作通信小单元的能效最优策略[J]. 计算机工程与科学, 2024, 46(04): 626-634.
[2]	吴超, 卫谦, 周俊伟, 李会民, 孙广中. 基于异构计算平台的背景噪声预处理并行算法[J]. 计算机工程与科学, 2023, 45(10): 1711-1719.
[3]	王鑫, 彭健. 基于HYB格式SpMV在新一代申威架构上的实现与优化[J]. 计算机工程与科学, 2023, 45(10): 1754-1762.
[4]	刘屹成, 刘晓燕, 严馨. 并行平衡级联支持向量机[J]. 计算机工程与科学, 2023, 45(07): 1170-1177.
[5]	臧照虎, 李晨, 王耀华, 陈小文, 郭阳. 面向众核系统的层次化栅栏同步机制[J]. 计算机工程与科学, 2022, 44(11): 1901-1908.
[6]	张勇, 张曦, 万云博, 何先耀, 赵钟, 卢宇彤. 非结构有限体积CFD计算的网格重排序优化[J]. 计算机工程与科学, 2022, 44(10): 1721-1729.
[7]	唐阳坤, 鲜港, 杨文祥, 喻杰, 张晓蓉, 王耀彬. 基于用户行为的超级计算机作业失败预测方法[J]. 计算机工程与科学, 2022, 44(10): 1753-1761.
[8]	文敏华, 陈江, 胡广超, 韦建文, 王一超, 林新华. 面向CFD应用的Intel持久内存性能评估[J]. 计算机工程与科学, 2022, 44(09): 1550-1556.
[9]	范培勤, 过武宏, 韩梅, 唐帅, 张驰, . 水声环境特征参数并行预报方法研究[J]. 计算机工程与科学, 2021, 43(11): 1920-1925.
[10]	龚昊, 刘莹, 冯建周, 赵仁良, 冷佳旭, . 基于GPU加速的脉冲多普勒雷达信号处理[J]. 计算机工程与科学, 2021, 43(07): 1141-1149.
[11]	焦育威, 王鹏, 辛罡, . 基于采样尺度自适应的多尺度量子谐振子优化算法并行化[J]. 计算机工程与科学, 2021, 43(07): 1200-1209.
[12]	俞茂学, 贾东宁, 魏志强, 许佳立, 马广浩. 一种基于国产异构众核处理器的C++智能源码转换框架[J]. 计算机工程与科学, 2021, 43(06): 997-1005.
[13]	王巍, 车永刚, 徐传福, 王正华. 基于OPS的计算流体力学软件多平台自动并行[J]. 计算机工程与科学, 2021, 43(05): 773-781.
[14]	丁哲昭, 储根深, 胡长军, 李扬. 基于申威众核处理器的圣维南求解程序的并行与优化[J]. 计算机工程与科学, 2021, 43(05): 820-829.
[15]	罗莉, 周宏伟, 周理, 潘国腾, 周海亮, 刘彬. 一种多核处理器直连接口QoS的设计与验证[J]. 计算机工程与科学, 2021, 43(04): 620-627.