Page 86 - 2025年第56卷第6期

式中 ｓ和 ｓ为计算单元边界两侧的波速并由下式计算：
－ ＋ ｎ
{ ｓ＝ ｍｉｎ （ｕ－ ｇｈ ，ｕ－ ｃ） （１０）
槡
ｓ
ｓ
－
－
－

ｎ
ｓ＝ ｍａｘ （ｕ＋ ｇｈ ，ｕ＋ ｃ）
槡
ｓ
＋
＋
ｓ
＋

ｎ
ｎ
ｎ
ｎ
ｎ
ｎ
式中：ｕ、ｕ为计算单元 边 界 两 侧 的 法 向 速 度；ｕ＝ （ｕ ＋ ｕ）?２ ＋ （ ｇｈ － ｇｈ ）；ｃ＝ （ｕ － ｕ）?４ ＋
槡
槡
＋
ｓ
ｓ
－
＋
＋
－
＋
－
－
［２６ － ２７］
（ ｇｈ ＋ ｇｈ ）?２。对于干单元的情况，波速可以用下式计算 ：
槡
槡
－
＋
ｎ
{ ｓ＝ ｕ－ ｇｈ －
槡
－
－
边界正向一侧为干单元： ｎ
ｓ＝ ｕ＋ ２ ｇｈ
＋ ＋ 槡 －
（１１）

ｎ
{ ｓ＝ ｕ－ ２ ｇｈ ＋
槡
－
－
边界负向一侧为干单元： ｓ＝ ｕ＋ ｇｈ ＋

ｎ
槡
＋
＋
２．３ 并行策略与计算平台 基于 ＧＰＵ的水动力并行计算已经有较多讨论 ［１７，１９ － ２１］ ，这些研究大多基
于美国英伟达公司的 ＣＵＤＡ并行计算平台实现。Ｍｏｒａｌｅｓ － Ｈｅｒｎａｎｄｅｚ等 ［２２］ 在美国 ＳＵＭＭＩＴ超级计算
机上实现的 “多节点 － 多 ＧＰＵ” 并行 计 算 也 是 基 于 ＣＵＤＡ实 现 的。 ＣＵＤＡ依 靠 英 伟 达 系 ＧＰＵ硬
件运行，而通过 模 拟 层 在 第 三 方 ＧＰＵ硬 件 上 运 行 ＣＵＤＡ已 遭 到 英 伟 达 禁 止。 考 虑 到 当 前 国 产
ＣＰＵ和 ＧＰＵ单体算力性能较弱、无法使用 ＣＵＤＡ的 实 际 情 况， 本 研 究 提 出 一 种 适 用 于 国 产 ＣＰＵ
和 ＧＰＵ、基于 “多节点 － 多 ＧＰＵ” 架构（图 １）的大规模分布式异构并行计算技术，以弥补单卡性
能劣势。
图 １ 可实现大量 ＧＰＵ并行的 “多节点－ 多 ＧＰＵ” 异构计算平台结构
这项技术以开源 ＭＰＩ并行程序为基础，执行节点之间以及芯片
之间的协调任务，同时在开源程序 ＨＩＰ基础上构建 ＧＰＵ接口实现前
述水动力学 大 模 型 对 国 产 ＧＰＵ的 并 行 计 算 支 持，从 而 实 现 对 国 产
ＣＰＵ?ＧＰＵ异构并行计算平台的适配。ＭＰＩ是一种基于消息传递的并
行编程方案 ［２６］ ，其核心是 “进程”，每个进程都是一个独立的任务执
行者。ＭＰＩ允许在多个计算节点之间进行通信和数据交换，使用 “发
送－ 接收” 模式来传递消息，即一个进程将消息发送给另一个进程，
然后等待响应，这种通信方式避免了共享内存的使用，减少了同步和
竞态条件的产生。设计求解二维浅水方程的 ＭＰＩ并行算法必须考虑
两个关键问题：（１）选择恰当的区域分解策略，将区域 Ω分解成多个 图 ２ ＭＰＩ的区域分解示意图（空心圆
子区域并分配给不同的进程；（ ２）选择合适的通信结构，通过尽可能 表示中间子区域计算时需要获取的
相邻结点信息）
低的成本实现通信。在任意结构化网格上，执行 Ｇｏｄｕｎｏｖ有限体积法
需要知道该结点上、下、左、右四个相邻结点上的信息。本模型采用结构化网格对区域 Ω尽可能进行
平均分配，并通过 ＭＰＩ联系不同子区域，架构设计如图 ２所示。
本研究采用了通用国产 Ｘ８６计算服务平台，其具备超百万核心通用计算资源、超万片异构加速
卡、通用计算节点突破万 台，具有 高核心、高内存 带宽、低 延 迟 网 络 通 信 及 大 容 量 存 储 资 源 等 特
征。每个计算节点配置如下：ＣＰＵ为国产某处理器 ７１８５（３２核，６４线程，主频 ２．５ＧＨｚ），ＧＰＵ为
国产计算芯片，内存 １２８ＧＢ，网络带宽 ２００Ｇｂ?ｓ。ＣＰＵ主要负责模 型 初 始化、任 务 分 解与逻辑运
４
— ７ ７ —