面向稠密与稀疏几何的格子玻尔兹曼方法的数据导向语言实现

格子玻尔兹曼求解器实现的性能通常主要取决于内存访问模式。因此，实现高性能需要复杂的代码来处理细致的数据布局与内存事务排序。在本工作中，我们基于一种称为数据导向语言的新方法分析了一种实现的性能，该方法允许将复杂的内存访问模式与简洁的源代码相结合。作为一个用例，我们给出并提供了 D2Q9 格子的求解器源代码，并展示了其在 GTX Titan Xp GPU 上针对高达 4096^2 节点的稠密与稀疏几何的性能。所得结果令人鼓舞：约 1000 行代码使我们能在超过 1024^2 节点的网格上达到最大理论内存带宽的 0.6 至 0.7 范围（双精度与单精度分别超过 2.5 和 5.0 GLUPS）的性能，接近当前最先进水平。然而，我们也观察到相对较高且有时难以预测的开销，特别是对于稀疏数据结构。另一个问题还有相当长的编译时间，延长了短时仿真的时间，以及缺乏对底层优化机制的访问。