SPUMA：面向 GPU 移植的 OPENFOAM 最小侵入性方法

混合集群上的高性能计算（HPC）代表了计算流体动力学（CFD）的重要机遇，尤其是当现代加速器得到有效利用时。然而，尽管 GPU 广泛采用，但程序化性仍然是一个挑战，尤其是在开源环境中。本文提出了 SPUMA，一个面向 NVIDIA 和 AMD GPU 的完整 GPU 移植方案。其实现策略基于可移植的编程模型，并采用内存池管理器，利用现代 GPU 的统一内存功能。该方法与在欧洲两大前 Exascale 集群上的几个数值测试一起讨论，这些集群分别托管 AMD MI250X 和 NVIDIA A100 GPU。在性能分析部分，我们呈现了内存使用剖析、内核 wall-time、内存池的影响以及通过模拟已知的 DrivAer 工业测试案例所获得的能耗结果。GPU 利用率对强可扩展性结果影响显著，在接近每 GPU 800 万单元的负载时，分别在 LUMI 和 Leonardo 上达到 65% 的效率。我们在 20 个 GPU 上获得的弱可扩展性结果，分别在 Leonardo 上为 75%，在 LUMI 上为 85%。值得注意的是，在切换到 NVIDIA AmgX 线性代数求解器后，效率始终高于 90%。我们的测试还表明，Leonardo 上的一个 A100 GPU 相当于 200-300 个 Intel Sapphire Rapids 核心，前提是 GPU 被充分过度订阅（每个 GPU 超过 1000 万单元）。最后，能耗相对于在 CPU 上执行的类似仿真减少了最高可达 82%。