2024年如何为ANSYS CFD求解器选择硬件？考虑所有预算，包括从笔记本电脑到集群！

注意：本文撰写于2023年12月，但这是一个不断变化的领域，各种信息数据有可能滞后。原文地址：https://www.computationalfluiddynamics.com.au/how-to-approach-hardware-selection-in-2024/

”

LEAP的工程师经常会收到来自各行各业的客户咨询，这些客户在购买新硬件时，希望在成本与最佳求解器性能之间找到平衡。以下建议主要基于LEAP近期特别针对CFD工作领域（Fluent）的经验。如果系统设计得当，FVM代码能够实现极佳的扩展性，其他工具如ANSYS Mechanical或Electromagnetics也有类似要求，但与Fluent相比存在一些显著差异/例外：

• FEA代码通常不如FVM代码扩展性好，不应期望看到如下图所示的同等程度加速效果。
• Mechanical和EM求解过程中会执行大量I/O操作，因此，系统必须配备高速存储设备（如NVMe SSD）作为临时/项目目录。
• ANSYS EM（HFSS和Maxwell 3D）需要的内存容量远超CFD。
• 截至2023 R2版本，ANSYS Maxwell在Intel平台上表现最佳，其得益于更广泛的优化数学库支持。

优化求解器性能的一般建议：

• 内存带宽是大多数情况下的关键性能指标。充分利用系统中每个可用的内存通道。
• 强烈建议使用基于DDR5的新平台，而非DDR4。除非供应商限制严格必要，否则不建议购买DDR4系统。
• 高的基础时钟速度至关重要——不要购买高核心数但低功耗的CPU。
• ANSYS求解器应始终在物理核心上运行，而非单个线程（通常建议在专用工作站/服务器上关闭多线程）。
• 确保工作目录和临时位置位于高速NVMe存储设备上。
• 为预处理/后处理配备的独立GPU。

1 小型系统

用于在4核上求解的笔记本/台式机，目标是获得在4个核心上可能达到的最大性能。

笔记本电脑的主要考虑因素：

• 选择配备充足散热功能的机箱（轻薄超极本风格笔记本除外）。
• 使用以H为后缀的CPU——这些是高功率版本，通常TDP为35W或更高。
• 6000系列的AMD支持DDR5——优选7040/8040系列以获得Zen 4核心（如7940HS）。
• Intel从第12代开始支持DDR5。
• 推荐至少32GB内存，最好64GB以支持大规模作业运行。
• NVMe存储——至少1TB，以容纳操作系统、软件和项目数据。
• 独立GPU用于显示/可视化目的（首选NVidia——ANSYS工具中支持更广泛）。

对于游戏/消费级4核以上配置：

• 游戏类型的系统通常非常合适。
• 高时钟速度（base>4 GHz，turbo>5 GHz）。
• DDR5内存（速度越快越好——例如6000 MHz）。
• NVMe存储——至少1TB以容纳操作系统、软件和项目数据。
• 用于显示/可视化目的的独立GPU（首选NVidia——ANSYS工具中支持更广泛）。

在此类别中AMD 和 Intel 均有合适的选择：

• AMD Ryzen 7000系列（Zen 4）。
• AMD 3D V-cache CPU（7800X3D, 7950X3D）特别适合CFD工作负载，因其能从大缓存池中获益良多。
• Intel第12代、第13代和第14代Core系列。

2 中小型系统

适用于约12个处理器核心的桌面/工作站。

尽管使用游戏类型系统可能很诱人，但这里有一些新的考虑因素：

• 最好避免使用具有性能和效率核心的混合处理器架构——希望仿真能在12个相同的高性能核心上运行。因此，通常不推荐使用Intel Core系列处理器（如Intel 14900K，拥有8个性能核心和16个效率核心）。
• 需要考虑内存带宽。游戏/消费级CPU只有2个内存通道，这可能在将模拟任务分配到12个核心时造成瓶颈（每个通道6个核心）。通常更倾向于将核心/通道比率限制在4:1，尽管DDR5提供的高带宽在一定程度上缓解了这个问题，因此扩展到6:1仍然是可行的。

基于上述情况，建议选择使用AMD Ryzen 7000系列CPU，配备>=12个核心和~6000 MHz的DDR5（例如7950X），或升级到专用工作站设备（Intel Xeon-W，AMD Threadripper）。

对于一款12核以上的游戏/消费级AMD Ryzen配置：

• 7900X（12核心）或7950X（16核心）。
• 7950X3D也是一个选项，尽管额外的缓存仅位于8个核心上——这可能导致类似于Intel P/E核心的负载均衡问题（未测试！）。
• DDR5内存（速度越快越好——例如6000 MHz），通常64GB是合适的——注意，超过此容量的内存可能会因每个通道运行多个DIMM时的稳定性要求而导致速度降低。
• NVMe存储——至少1TB以容纳操作系统、软件和项目数据。
• 考虑第二块存储设备来处理大量项目文件。
• 用于显示/可视化目的的独立GPU（首选NVidia——ANSYS工具中支持更广泛）。

对于专用的12核以上工作站级配置：

• AMD Threadripper:
• 非Pro版本适合，因为4个内存通道足以应对这些相对较低的核心数。
• 7000系列（DDR5）在2023年末发布，否则使用5000系列（DDR4）。
• Intel Xeon-W:
• 首选Sapphire Rapids（即2023年及以后型号）。
• 优先考虑更高的基础时钟速度。
• 较旧的DDR4系统也可以，因为有更多通道来弥补较低的速度，但DDR5仍然是强烈推荐的选择。
• 确保至少使用4个内存通道：
• 即在主板上使用4个独立的内存DIMM。
• 如果想使用64GB的内存，确保使用4x 16GB的DIMM。
• 同样对于128GB，使用4x 32GB。
• NVMe存储——至少1TB以容纳操作系统、软件和项目数据。
• 考虑第二块存储设备来处理大量项目文件。
• 考虑中端NVidia Quadro GPU（例如RTX A4000）以获得更好的大型模型显示性能。在特定情况下也可以用于求解器加速，甚至在使用Fluent的GPU求解器时完全取代CPU。

3 中型系统

适用于约36个求解器核心的工作站。与上一节工作站级配置类似的要求，但有一些修改。

对于专用的36核以上工作站级配置：

• AMD Threadripper Pro:
• 不要使用非Pro版本——这些只有4个内存通道。
• 7000系列（DDR5）在2023年末发布，否则使用5000系列（DDR4）。
• Intel Xeon-W:
• 首选Sapphire Rapids（即2023年及以后型号）。
• 有很多选项，确保优先考虑更高的基础时钟速度。
• 也可以使用服务器级部件（例如Xeon Gold/Platinum，AMD Epyc）。
• 确保至少使用8个内存通道（AMD Epyc 9004系列为12个）：
• 即在主板上使用8个独立的内存DIMM。
• 如果想使用128GB的内存，确保使用8x 16GB的DIMM。
• 对于256GB，使用8x 32GB。
• 也可以使用较旧的DDR4系统，因为有更多通道来弥补较低的速度，但DDR5仍然是强烈推荐的选择。如果只能使用较旧的DDR4平台（特别是Intel），建议使用双CPU设置——这样可以将可用内存通道从6个增加到12个。这需要Xeon Gold/Platinum（或AMD Epyc），而不是工作站级的W系列（或AMD Threadripper）。
• NVMe存储——至少1TB以容纳操作系统、软件和项目数据。
• 考虑第二块存储设备来处理大量项目文件。
• 考虑中端NVidia Quadro GPU（例如RTX A4000）以获得更好的大型模型显示性能。在特定情况下也可以用于求解器加速，甚至在使用Fluent的GPU求解器时完全取代CPU（见下文的专用部分）。

4 大型系统

适用于约128+核心的工作站/服务器/集群。

多CPU系统需要服务器级部件。更大的核心数将需要具有高速互连的集群节点。目标是确保总系统内存带宽足以支持不断增加的核心数。

• AMD Epyc:

• 强烈推荐9004系列（Genoa）。每个CPU有12个DDR5通道，最多可支持96个核心；然而由于内存带宽限制，不建议使用超过64核心的型号。
• 较旧的7001/2/3系列每CPU有8个DDR4通道；由于内存带宽限制，不建议使用超过32核心的型号。
• 优先考虑高基础时钟速度的型号。
• 使用3D V-Cache“X”系列部件可以获得显著的性能提升，这些部件具有额外的L3缓存。

• Intel Xeon Platinum:

• 强烈推荐Sapphire Rapids（第四代）。每CPU有8个DDR5通道，最多可支持60个核心；然而，由于内存通道较少，性能预计在比AMD 9004系列更低的核心数时下降。
• 较旧的系列有8个DDR4通道，最多可支持40个核心。
• 优先考虑高基础时钟速度的型号。
• 使用Max系列部件可以获得显著的性能提升，这些部件具有片上HBM内存。

• 确保插满每一个可用的内存通道：

• 对于上一代Inte：每个CPU 6个DIMM（总共12个）。
• 对于当前一代Intel或上一代AMD：每个CPU 8个DIMM（总共16个）。
• 对于AMD 9004系列：每个CPU 12个DIMM（总共24个）。

最大化性价比，最高可达~128核：

• 构建一台双CPU的单机箱机器（一些Intel处理器可以用于四CPU配置，但由于每个CPU之间的通信速度降低，我们不推荐这种配置）。
• 基于AMD 9004或Intel Sapphire Rapids的新一代DDR5系统可以扩展到100个以上的核心。
• 较旧的DDR4系统将被限制在总共约64个核心。我们不推荐走这条路，因为可能无法最大化3个ANSYS HPC软件包的价值。

最大化绝对性能：

• 构建一个多节点集群。
• 选择较低核心数的CPU以最大化每个核心的内存带宽（最好是每个核心10 GB/s或更高）。
• 利用高级技术，如AMD 3D V-cache或Intel HBM。
• 使用高速互连，如InfiniBand，允许每个节点之间以100 GB/s以上的速度通信。

5 AMD 3D V-Cache 和 Intel HBM

这些技术的最终目标都是提高内存带宽受限应用的性能。AMD的方法是通过在核心复合体（CCD）上堆叠额外的芯片，将L3缓存容量增加三倍——最新版本现在每个CPU的缓存超过1 GB。Intel的方法类似于增加一个大型L4缓存（即在L3缓存和DRAM之间增加一个额外的层），每个CPU的容量可达64 GB。

AMD 3D V-Cache

单节点性能可显著提升——多项基准测试（注：前代7003X系列）显示速度提升10%至30%，其中一项甚至高达80%：

多节点性能可能表现出超线性扩展——即加速因子可能超过节点数量。随着系统中添加更多节点，总缓存容量相应增加，因此更高比例的模拟能够驻留在缓存而非DRAM中——以下示例显示了一个由8个节点组成的系统实现了11倍的加速：

Intel HBM (Xeon Max)

高带宽内存（HBM）是一种堆叠式DRAM技术，具有非常宽的总线——每堆栈1024位，相比之下DDR5通道为64位。英特尔Xeon Max系列CPU采用4个16GB HBM2e堆栈，总容量达64GB，运行速度为1.22 TB/s；结合8个标准DDR5内存通道提供的307.2 GB/s。在英特尔进行的以下基准测试中，HBM处理器（9480）显示出比常规型号（8480+）高出超过30%的性能：

6 额外GPU求解器注意事项

GPU可以为优化后在高度并行环境中运行的代码提供显著的速度提升。粒子型求解器（如LBM、DEM、SPH等）或光线追踪求解器（如SBR+）非常适合使用GPU，因为代码的并行化非常简单；然而，使用传统的CFD和FEA方法（如FVM和FEM）实现这一点则要困难得多。

ANSYS最近为Fluent发布了一个原生的多GPU（FVM）求解器，目前支持滑移网格、尺度解析湍流、共轭传热、非刚性反应流和适度可压缩性等特性。许多基准测试显示，一台高端GPU（如NVidia A100）的性能可以与约500个CPU核心相当——从而显著节省硬件成本，并使用户能够自行运行大型模拟，而不必依赖外部集群或云计算。

ANSYS Rocky是另一个适合使用GPU的工具。Rocky主要是一个DEM求解器，能够处理涉及数百万颗粒的复杂固体运动；同时还有一个SPH求解器，用于处理自由表面流体的运动。

Fluent和Rocky对GPU规格的要求相似：

• 需要使用NVidia GPU，因为其代码是基于CUDA编写的（尽管AMD支持正在开发中）。
• 内存带宽是关键——配备HBM的模型可以提供比GDDR6（最高1 TB/s）显著更高的带宽（多TB/s）。
• 许可证基于GPU上的流多处理器（SM）数量，而不是CPU上的核心数量。注意，与CPU不同，启动模拟时会使用GPU上的所有SM——因此需要确保许可证级别足以使用整个显卡。
• 在某些情况下（主要是Rocky中的非球形颗粒），可能需要高双精度（FP64）吞吐量的GPU。请注意，虽然Fluent通常在双精度模式下使用，但理论上的FP64吞吐量并不是一个非常重要的性能指标——主要的瓶颈仍然是内存带宽。这意味着即使FP64吞吐量与FP32相比为1:32（甚至1:64）的游戏GPU，只要内存带宽足够，仍然可以在双精度模拟中表现出色。
• 足够的VRAM以使整个模拟在GPU上进行，而不需要系统内存。

简而言之：

• 为了获得最佳性能，考虑使用NVidia A100 / H100或类似产品（配备高带宽的HBM，以及高双精度吞吐量）。
• 对于预算有限的硬件和许可证，选择内存带宽高、内存容量大但SM数量少的显卡。例如，NVidia RTX A5000（24 GB，768 GB/s，64个SM）。
• 对于Rocky中的非球形颗粒，选择具备良好FP64吞吐量的显卡。

6 操作系统

绝大多数ANSYS工具可以在Windows或Linux上运行。出于多种原因，通常建议在本地Windows机器上进行预处理和后处理：

• ANSYS SpaceClaim和Discovery目前仅在Windows上可用。
• Windows上的显示驱动程序往往更成熟/稳健。
• 如果通过远程连接操作大型模型，输入延迟可能成为一个问题。
• 在服务器上进行预处理/后处理可能会浪费计算资源——通常希望尽可能保持100%的求解器运行时间。

Windows也适用于小型到中等大小的机器（例如，约32核的工作站）上的求解，但我们通常建议使用专门的Linux服务器进行更大规模的求解机器和集群——特别是如果需要多用户环境（例如，排队系统等）。

（完）