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]	徐学政, 方健, 梁少杰, 王璐, 黄安文, 隋京高, 李琼. Rubyphi:面向gem5的Cache一致性协议自动化模型检验[J]. 计算机工程与科学, 2025, 47(7): 1141-1151.
[2]	谢洋, 李晨, 陈小文. 面向数据密集型应用的近数据处理架构设计[J]. 计算机工程与科学, 2025, 47(5): 797-810.
[3]	廉凯成, 杨晨, 朱佳伟, 柴志雷, . 基于Floyd-Steinberg误差扩散的数字半调高效计算[J]. 计算机工程与科学, 2025, 47(5): 875-884.
[4]	李世杰, 刘阳, 唐晋韬, 郄航. 基于孤立集分区的并行Louvain社区发掘算法[J]. 计算机工程与科学, 2025, 47(4): 621-633.
[5]	张元胤, 肖敏广, 刘志勇, 翁灵玲, 陈志广, 卢宇彤. 基于国产异构众核处理器的等值线与等值面提取算法优化[J]. 计算机工程与科学, 2025, 47(2): 200-209.
[6]	傅游, 韩昊, 孙月娇, 梁建国, 叶雨曦, 花嵘. 基于OpenMP的硅晶体分子动力学模拟的空间分解着色及向量化研究#br#[J]. 计算机工程与科学, 2024, 46(9): 1566-1575.
[7]	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(4): 626-634.
[8]	毛润泽, 吴子恒, 徐嘉阳, 章严, 陈帜, . DeepFlame：基于深度学习和高性能计算的反应流模拟开源平台[J]. 计算机工程与科学, 2024, 46(11): 1901-1907.
[9]	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(7): 1170-1177.
[10]	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.
[11]	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.
[12]	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(9): 1550-1556.
[13]	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.
[14]	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.
[15]	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.