硬件資源的案例
[經(jīng)驗(yàn)分享]如何借助云調(diào)度軟件提升CST計(jì)算效率？
當(dāng)仿真用戶及軟硬件資源發(fā)展到一定的階段，如何有效地管理和分配軟硬件資源以及仿真任務(wù)調(diào)度是一個(gè)不容忽視的問題。現(xiàn)階段業(yè)界主流方式是采用調(diào)度軟件，來分配管理軟硬件資源的使用。
調(diào)度軟件給用戶和計(jì)算資源之前提供了一個(gè)平臺(tái)，幫助客戶解決以下問題：
? 分配硬件資源池；
? 設(shè)置任務(wù)優(yōu)先級(jí)和分配；
? 單機(jī)、DC、并行計(jì)算等自動(dòng)選擇；
? 解決資源利用不均衡問題；
? 用戶各自訪問數(shù)據(jù)管理；
? CPU/GPU集中管理；
? 利用閑暇時(shí)間資源；
? 軟硬件利用率統(tǒng)計(jì)和報(bào)表；
以CST DC方案為例，提交的計(jì)算任務(wù)在DC統(tǒng)一排隊(duì)；DC對每個(gè)任務(wù)處理會(huì)有四個(gè)環(huán)節(jié)：數(shù)據(jù)解析與預(yù)處理（時(shí)間占比一般10%左右）、計(jì)算求解、數(shù)據(jù)合并（求解與合并占比一般在80%左右）、數(shù)據(jù)回傳（一般在10%左右），數(shù)據(jù)回傳完成后DC才將當(dāng)前計(jì)算資源釋放為空閑；DC完成一個(gè)任務(wù)的解析、啟動(dòng)該任務(wù)計(jì)算后，再處理下一個(gè)排隊(duì)任務(wù)，經(jīng)常會(huì)出現(xiàn)DC排隊(duì)任務(wù)等待時(shí)間較長的情況。
為了解決這個(gè)問題，本文給出了兩種高性能計(jì)算云調(diào)度的方案，可以進(jìn)一步提高仿真平臺(tái)資源利用率。
1.
展開 神經(jīng)網(wǎng)絡(luò)芯片的未來發(fā)展，路在何方？
一方面是動(dòng)態(tài)的硬件資源分配：當(dāng)一個(gè)神經(jīng)網(wǎng)絡(luò)模型的處理完成后，硬件資源將根據(jù)其余的處理任務(wù)重新進(jìn)行分配，避免硬件資源的浪費(fèi)。
另一方面是自動(dòng)化的思想：通過開發(fā)調(diào)度器，根據(jù)待處理的神經(jīng)網(wǎng)絡(luò)模型自動(dòng)地尋找最佳的分界線設(shè)置，實(shí)現(xiàn)最佳的處理效果。
至于通用性，脈動(dòng)陣列真的注定與通用性無緣嗎？此前一個(gè)取得了顯著進(jìn)展的思路來自2020年HPCA的最佳論文SIGMA：用數(shù)個(gè)由網(wǎng)絡(luò)連接的鏈狀運(yùn)算單元來取代二維的陣列，以實(shí)現(xiàn)更靈活的脈動(dòng)式運(yùn)算；而此研究提供了另一個(gè)思路，讓我們?nèi)匀豢梢韵嘈琶}動(dòng)陣列能帶我們走向更高性能的神經(jīng)網(wǎng)絡(luò)加速器設(shè)計(jì)。
NPU的自動(dòng)設(shè)計(jì)：
無稽之談還是確有其事？
標(biāo)題意譯：神經(jīng)網(wǎng)絡(luò)加速器架構(gòu)搜索技術(shù)
一句話總結(jié)：本文實(shí)現(xiàn)了對于神經(jīng)網(wǎng)絡(luò)加速器的架構(gòu)設(shè)計(jì)空間的高質(zhì)量的自動(dòng)探索：通過更好地為搜索問題建模，并有效地將對于調(diào)度方案的探索任務(wù)從架構(gòu)設(shè)計(jì)的探索任務(wù)中解耦出來，NAAS生成的架構(gòu)設(shè)計(jì)擁有非常優(yōu)越的性能，成功實(shí)現(xiàn)了在功耗、時(shí)延等評(píng)價(jià)標(biāo)準(zhǔn)下超越一些具有代表性的既有設(shè)計(jì)。
技術(shù)細(xì)節(jié)：
芯片設(shè)計(jì)里有一個(gè)概念，叫設(shè)計(jì)空間探索。用大白話講，它的意思就是在很多種可能里，選擇最好的方案。
就拿神經(jīng)網(wǎng)絡(luò)舉例，它有各種模型、各種參數(shù)，也會(huì)對應(yīng)各種NPU芯片的實(shí)現(xiàn)方式。所以如何根據(jù)模型和參數(shù)，自動(dòng)確定最優(yōu)化的芯片架構(gòu)，就是設(shè)計(jì)空間探索的重要意義。
要想實(shí)現(xiàn)對于神經(jīng)網(wǎng)絡(luò)加速器的架構(gòu)設(shè)計(jì)空間的高質(zhì)量的自動(dòng)探索，目前主要的難點(diǎn)有兩個(gè)：如何有效地定義探索空間，以及如何高效地完成探索任務(wù)。
打個(gè)比方，如果將搜索的范圍局限于歐洲大陸，那么即使花上再多時(shí)間、找遍每一寸土地，也不可能發(fā)現(xiàn)新大陸。
展開 全新指南！神工坊高性能仿真平臺(tái)用戶使用手冊讓你輕松上手
01 更新隊(duì)列資源
隊(duì)列資源作為神工坊高性能仿真平臺(tái)的“重要基石”，能夠使平臺(tái)更好地應(yīng)對高并發(fā)和大規(guī)模的請求。此次更新緊密依托國家超級(jí)計(jì)算中心的海量硬件資源，為用戶提供更加可靠、高效的資源服務(wù)。
◎舊版
◎新版
02 新增案例演示—腳本提交
相較于平臺(tái)界面提交作業(yè)，使用腳本提交作業(yè)更加靈活且易于學(xué)習(xí)。此新增案例展示了如何使用腳本提交仿真計(jì)算作業(yè)的方法，按照以下教程可迅速掌握。
03 更新FAQ圖形相關(guān)問題
神工坊精心打造了一個(gè)“PC式”仿真體驗(yàn)平臺(tái)，擁有桌面風(fēng)格的操作界面，讓用戶能夠輕松進(jìn)行軟件原生圖形界面的操作，同時(shí)充分感受超級(jí)計(jì)算所帶來的強(qiáng)大算力加持。針對FAQ圖形相關(guān)問題，我們直擊用戶痛點(diǎn)，提供更加全面深入的解答，幫助用戶更好地理解和解決可能遇到的困難。
◎舊版
◎新版
神工坊高性能仿真平臺(tái)
神工坊高性能仿真平臺(tái)是專為工業(yè)制造領(lǐng)域打造的在線服務(wù)平臺(tái)， 平臺(tái)以國家超級(jí)計(jì)算無錫中心豐富的軟件資源和海量的硬件資源為支撐，提供優(yōu)質(zhì)的在線高性能仿真云服務(wù)和仿真軟件云化開發(fā)服務(wù)。
?高性能仿真云服務(wù)：用戶通過web端即可享受“PC式高性能體驗(yàn)”，使用超算硬件資源和海量軟件資源開展工業(yè)仿真工作，高效快速地進(jìn)行產(chǎn)品創(chuàng)新和技術(shù)研究，在云端實(shí)現(xiàn)前處理-求解-后處理全流程作業(yè)，以及企業(yè)組織管理和研發(fā)協(xié)同功能。
?仿真軟件云化開發(fā)：憑借仿真云應(yīng)用開發(fā)技術(shù)和平臺(tái)優(yōu)勢，神工坊運(yùn)用云端圖形應(yīng)用集成框架，使仿真軟件具備云端圖形界面和云端3D圖形交互能力。基于神工坊平臺(tái)，幫助自研仿真應(yīng)用面向全行業(yè)進(jìn)行在線推廣。
展開 11/12 HFSS中的HPC技術(shù)更新與應(yīng)用
課程簡介：
仿真軟件離不開高效率、高可靠的并行計(jì)算技術(shù)，也離不開硬件資源的支撐，并行技術(shù)的突破與進(jìn)步，可以大大降低對計(jì)算資源的消耗，打破單一硬件求解的瓶頸。同樣，HFSS軟件中的 HPC 并行技術(shù)，一直是軟件開發(fā)的重中之重。
本次網(wǎng)絡(luò)研討會(huì)將重點(diǎn)介紹HFSS中的DDM區(qū)域分解、DSO分布式參數(shù)掃描、 SDM 頻譜分解、GPU加速等常用HPC功能，從軟件設(shè)置、算法特點(diǎn)、應(yīng)用案例等方面逐步分析，對常見的工作站與集群服務(wù)器作簡單介紹，并給出推薦的硬件資源選擇與配置方法。讓我們利用HPC挖掘好HFSS的每一份潛力！
講師簡介：
曹根林
Ansys高級(jí)應(yīng)用工程師，北京理工大學(xué)電磁場與微波專業(yè)碩士，有10年以上天線設(shè)計(jì)經(jīng)驗(yàn)，主要負(fù)責(zé)Ansys高頻產(chǎn)品線的方案開發(fā)、咨詢與技術(shù)支持等。長期從事微波與雷達(dá)天線設(shè)計(jì)工作，尤其在復(fù)合單脈沖雷達(dá)天線，如雙波段復(fù)合、雙極化復(fù)合、微波/紅外復(fù)合等領(lǐng)域擁有豐富經(jīng)驗(yàn)。
點(diǎn)擊報(bào)名：http://event.31huiyi.com/1948291387/index?c=jishulink
展開 
5G仿真解決方案 | 天線布局、覆蓋與場景的先進(jìn)求解技術(shù)
可以大大加速在頻掃與參掃等多任務(wù)求解問題，充分利用硬件資源，進(jìn)一步為設(shè)計(jì)探索提供更有利的高效加速計(jì)算。
HPC并行技術(shù)
合理的硬件資源配置
在進(jìn)行大規(guī)模仿真問題的求解時(shí)，硬件資源配置是實(shí)現(xiàn)軟件高效并行計(jì)算的最終執(zhí)行體。根據(jù)仿真軟件的計(jì)算特點(diǎn)，配置合理的硬件計(jì)算資源，是實(shí)現(xiàn)大規(guī)模問題的高效率計(jì)算的前提，也是資源利用最大化、節(jié)省成本必不可少的關(guān)鍵。
HFSS軟件在網(wǎng)格剖分、自適應(yīng)迭代、頻率掃描、參數(shù)掃描等一系列的求解過程中，對硬件資源中的CPU、內(nèi)存、硬盤、顯存、網(wǎng)絡(luò)等的依賴度，理論上，當(dāng)然是所有的硬件指標(biāo)都越高越好，但是，如果預(yù)算有限，非要取舍的情況下，建議按照以下的優(yōu)先順序考慮：
當(dāng)然，配置也需要均衡，畢竟，問題的有效求解，是硬件資源整體平臺(tái)的能力，而不是某一個(gè)部件的能力決定的。
硬件配置示意圖
在同等求解規(guī)模的情況下，且資源足夠，單機(jī)求解一般要快于多機(jī)求解，工作站一般快于集群超算。具體原因主要是網(wǎng)絡(luò)的數(shù)據(jù)傳輸問題，以及集群CPU因多核散熱問題，主頻一般都比較低（2.2到2.8GHz左右）；而工作站的主頻高，目前最高已超過4.0GHz。所以，需要多機(jī)并行的，或集群平臺(tái)運(yùn)算的，一定要配置高速率的交換機(jī)或路由，以及高規(guī)格的網(wǎng)絡(luò)等。
展開 Moldex3D模流分析模型之eDesign網(wǎng)格(一般)
不過，請注意，這個(gè)等級(jí)需要更多硬件資源。
等級(jí) 5 (Level 5)：
這是對取得所有塑件種類深入分析最值得推薦的等級(jí)。在這個(gè)等級(jí)之下，程序以最縝密的等級(jí)產(chǎn)生網(wǎng)格并執(zhí)行精確的 CAE 分析。不過，請注意，這個(gè)等級(jí)需要更多硬件資源。
產(chǎn)生表面網(wǎng)格 (Create Surface Mesh)
用選擇的多面體來生出表面網(wǎng)格，調(diào)整其尺寸進(jìn)而控制。指定網(wǎng)格尺寸并點(diǎn)擊確定來生成表面網(wǎng)格(下面會(huì)顯示預(yù)估的元素?cái)?shù)量)。
注意：啟用產(chǎn)生完畢后，將網(wǎng)格結(jié)合為一會(huì)將生成的表面元素群組在一起，否則會(huì)用特征先來分割。
設(shè)定網(wǎng)格線 (Set Grid)
如果用戶想要手動(dòng)控制實(shí)體網(wǎng)格質(zhì)量，請點(diǎn)擊設(shè)定網(wǎng)格線。在檢視窗口中選取表面網(wǎng)格，然后用鼠標(biāo)右鍵點(diǎn)擊檢視窗口進(jìn)行確認(rèn)。要產(chǎn)生之實(shí)體網(wǎng)格的網(wǎng)格線會(huì)顯示在模型的長方體上。
顯示在模型外框盒上的網(wǎng)格線
可以點(diǎn)擊網(wǎng)格線組態(tài)中的網(wǎng)格線線段項(xiàng)目或在檢視窗口中直接點(diǎn)擊線段，來選取 x、y 與 z 網(wǎng)格線線段。可使用 SHIFT 和 CTRL 鍵來選取多個(gè)項(xiàng)目。
若要清除所有手動(dòng)設(shè)定網(wǎng)格線，可以用鼠標(biāo)右鍵點(diǎn)擊指令面板，然后在即現(xiàn)式菜單中選取 [Clear all grid settings]。
用鼠標(biāo)右鍵點(diǎn)擊線段接著選取 [Segment properties] 后，將會(huì)顯示對話框。在對話框中，可以編輯網(wǎng)格特征長度值或分段數(shù)目及漸變方式 (Biasing type)：有無 (None)、線型 (Linear)、指數(shù)型 (Exponential)和鐘型曲線 (Bell curve)等多種選項(xiàng)。從下拉式選單中選擇一種。
展開 isight分布并行高性能計(jì)算能力
并行：iSIGHTtigong分布并行模式，使用戶能夠有效合理的利用硬件資源，對復(fù)雜耗時(shí)的優(yōu)化任務(wù)進(jìn)行多機(jī)分布并行計(jì)算，并且用戶可以通過圖形界面總覽當(dāng)前網(wǎng)絡(luò)環(huán)境，并根據(jù)計(jì)算機(jī)類型或工作組特性進(jìn)行任務(wù)分派。
二．為什么要進(jìn)行并行計(jì)算呢？
在進(jìn)行多模塊多因子項(xiàng)目分析時(shí)，通常計(jì)算量較大，且模塊間關(guān)系較復(fù)雜，計(jì)算起來可能消耗較長的時(shí)間。
為了應(yīng)對這種情況，Isighttigong分布并行模式，使用戶能夠有效合理的利用硬件資源。對復(fù)雜耗時(shí)的優(yōu)化任務(wù)進(jìn)行多機(jī)分布并行計(jì)算，并且用戶可以通過圖形界面總覽當(dāng)前網(wǎng)絡(luò)環(huán)境，并根據(jù)計(jì)算機(jī)類型或工作組特性進(jìn)行任務(wù)分派。
三．分布并行具體包括哪些內(nèi)容呢？
1.任務(wù)并行計(jì)算
可以根據(jù)計(jì)算機(jī)資源和機(jī)器的工作特性（是否裝載某仿真軟件）來合理的將優(yōu)化任務(wù)中的某個(gè)組件或子任務(wù)分配給合適的計(jì)算機(jī)進(jìn)行計(jì)算。
分布并行高性能計(jì)算能力.pdf
展開 優(yōu)化大型裝配體操作 | SOLIDWORKS 2019新功能揭密
主要體現(xiàn)在兩個(gè)方面：
第一，工程師在做復(fù)雜設(shè)計(jì)的時(shí)候，需要耗費(fèi)大量的硬件資源。客戶不得不頻繁的升級(jí)更換硬件資源，導(dǎo)致客戶IT維護(hù)成本增加。
第二，工程師在操作大型裝配體時(shí)，生產(chǎn)效率比較低。比如移動(dòng)查閱三維模型、裝配并修改設(shè)計(jì)意圖、制作裝配體工程圖等等。工程師常常下達(dá)一個(gè)指令，需要等很長時(shí)間都看不到效果，或者等到的是一個(gè)錯(cuò)誤的結(jié)果。這種體驗(yàn)很容易讓工程師崩潰，嚴(yán)重影響整個(gè)設(shè)計(jì)的進(jìn)度，增加新產(chǎn)品開發(fā)的周期。
即將發(fā)布的新版本SOLIDWORKS 2019在原有大型裝配體技術(shù)的基礎(chǔ)上做了多方面的增強(qiáng)，讓你體驗(yàn)飛一般的感覺。你可以以閃電般的速度打開如下圖（天文觀測站）這個(gè)規(guī)模的大型裝配體，并獲得流暢的瀏覽和查看體驗(yàn)。
除了完成瀏覽查看，SOLIDWORKS 2019更可以使你在流暢的環(huán)境下完成其他設(shè)計(jì)工作。你可以在大型設(shè)計(jì)審閱的模式下輕松完成諸如零部件配合、裝配體顯示、裝配體修改、剖切測量等裝配體操作。這將極大的改變工程師的工作體驗(yàn)，讓設(shè)計(jì)更流暢，效率進(jìn)一步提高。更為重要的是，這可以為企業(yè)創(chuàng)新設(shè)計(jì)帶來更好的支持，縮短產(chǎn)品開發(fā)時(shí)間。
htt p:// wechat.51itapp.com/solidworkschannelelite/mini/reg.asp?tcode=tuiguang
展開 FPGA虛擬化：突破次元壁的技術(shù)
來源：老石談芯
作者：老石
1 利用FPGA虛擬化突破時(shí)空限制
在傳統(tǒng)的FPGA開發(fā)模型中，使用者通常使用硬件描述語言（HDL）對應(yīng)用場景進(jìn)行建模，然后通過特定的FPGA開發(fā)工具將硬件模型映射到FPGA上，最終生成可以運(yùn)行的FPGA映像。
這種開發(fā)模式的另外一個(gè)主要缺點(diǎn)是，F(xiàn)PGA只能由單一用戶開發(fā)和使用，而與應(yīng)用場景、FPGA的產(chǎn)品種類等無關(guān)。比如對于一個(gè)對資源需求不大、而且不需要連續(xù)運(yùn)行的應(yīng)用而言，大部分FPGA的硬件資源在大部分時(shí)間內(nèi)都會(huì)閑置。很顯然，這樣很難在時(shí)空范圍內(nèi)對FPGA進(jìn)行充分利用，見下圖。
為了提高FPGA的開發(fā)效率、更好的利用FPGA的邏輯資源、方便FPGA的大規(guī)模部署和應(yīng)用，需要將FPGA進(jìn)行一定程度的邏輯抽象，使頂層用戶不必太多關(guān)注于FPGA硬件邏輯的實(shí)現(xiàn)方式與細(xì)節(jié)。由此，F(xiàn)PGA虛擬化技術(shù)就應(yīng)運(yùn)而生。
可以說，F(xiàn)PGA虛擬化技術(shù)打破了時(shí)間和空間維度的限制，使用戶能夠輕松的在不同時(shí)間，對多個(gè)FPGA的各類資源進(jìn)行充分的調(diào)度與使用，見上圖。
FPGA虛擬化技術(shù)目前仍在發(fā)展初期，是工業(yè)界和學(xué)術(shù)界研究的熱點(diǎn)。
展開 北鯤云超算平臺(tái)如何將云計(jì)算與高性能計(jì)算結(jié)合
在北鯤云年初獲得Pre-A輪融資時(shí)，談及為何選擇云超算作為創(chuàng)業(yè)方向時(shí)，創(chuàng)始人馮建新表示，在多年的工作中發(fā)現(xiàn)當(dāng)前的云計(jì)算市場上企業(yè)在云資源管理方面有很多可以提高和優(yōu)化的工作。從需求側(cè)來看，企業(yè)內(nèi)部通常通過預(yù)定系統(tǒng)來申請和釋放云服務(wù)器資源，但資源申請無法實(shí)時(shí)匹配，經(jīng)常會(huì)出現(xiàn)資源過剩，亦或不足導(dǎo)致大量計(jì)算任務(wù)排隊(duì)，工作效率較低。 從供給端來看，公有云廠商有大量的云服務(wù)器處于空閑當(dāng)中，據(jù)統(tǒng)計(jì)云服務(wù)器平均空閑比高達(dá)50%左右。北鯤云基于此打造了北鯤云一站式云超算平臺(tái)，當(dāng)用戶提交任務(wù)時(shí)，無需提前購買資源，從北鯤云超算平臺(tái)里自動(dòng)匹配到最合適的公有云資源去執(zhí)行高性能計(jì)算任務(wù)，當(dāng)任務(wù)執(zhí)行完畢的時(shí)候自動(dòng)釋放資源，大幅提高了公有云廠商云服務(wù)器的利用率。并且北鯤云針對國內(nèi)市場的特點(diǎn)，最早提出了競價(jià)服務(wù)器管理方案，通過此機(jī)制，企業(yè)可以提供比同行更低報(bào)價(jià)的算力解決方案。
企業(yè)可以通過北鯤云超算平臺(tái)提供的私有模式、混合模式以及云上模式將企業(yè)異構(gòu)的資源整合，并隨之將業(yè)務(wù)遷移上云。北鯤云超算平臺(tái)在這個(gè)階段重塑了硬件資源層，解決了硬件資源彈性伸縮問題，并且能夠?qū)⑸蠈討?yīng)用開發(fā)和運(yùn)維產(chǎn)生根本變革，將云上的彈性、敏捷性等云的特性釋放。從而大幅提高企業(yè)的工作效率。
北鯤云超算平臺(tái)通過那幾種模式將云計(jì)算與高性能計(jì)算結(jié)合呢？有以下三種方式：
北鯤云SaaS模式：為所有有高性能計(jì)算需求的客戶提供算力SaaS服務(wù)。平臺(tái)使用門檻低，零IT基礎(chǔ)用戶也可使用，根據(jù)客戶使用的硬件配置和計(jì)算時(shí)長進(jìn)行收費(fèi)。
北鯤云混合云模式：主要面向已有線下機(jī)房但無法滿足當(dāng)前算力需求的客戶。當(dāng)線下資源不足時(shí)，自動(dòng)溢出到云上，作業(yè)無需排隊(duì)，提高研發(fā)效率。
北鯤云私有化部署方案：主要面向?qū)Π踩杂懈咭蟆⒒蛘咝袠I(yè)性質(zhì)和屬性不允許使用外部資源的客戶，比如一些對安全性要求非常高的軍工類的研究所和高科技企業(yè)。
展開 SOA對整車E/E架構(gòu)的挑戰(zhàn)
為了解決上面的問題，我們需要一個(gè)功能可擴(kuò)展性強(qiáng)，軟硬件松散耦合，標(biāo)準(zhǔn)化接口，支持異構(gòu)系統(tǒng)集成的電子架構(gòu)，SOA正好符合上面的要求！
2.2 如何實(shí)現(xiàn)整車SOA
汽車EEA的發(fā)展使SOA具備了初步的應(yīng)用條件。所謂分布式EEA，可以理解為汽車電氣系統(tǒng)的軟硬件資源和能力是分散的，分散在不同的供應(yīng)商手中。ECU的軟硬件開發(fā)全部由供應(yīng)商完成，整車廠主要負(fù)責(zé)提出設(shè)計(jì)需求和測試驗(yàn)證。分布式EEA導(dǎo)致的ECU軟硬件資源和能力的浪費(fèi)是顯而易見的。不同的供應(yīng)商負(fù)責(zé)不同的ECU開發(fā)，整車數(shù)十個(gè)ECU分別負(fù)責(zé)實(shí)現(xiàn)特定的軟硬件功能，然后通過硬線信號(hào)或者網(wǎng)絡(luò)信號(hào)進(jìn)行交互，這種信息交互方式也被稱為面向信號(hào)的通信。集中式EEA引入域控制器DCU概念，其芯片算力、操作系統(tǒng)以及軟件架構(gòu)可以滿足業(yè)務(wù)需求與硬件資源解耦的需求，即有能力通過一套基礎(chǔ)軟件框架去實(shí)現(xiàn)SOA的設(shè)計(jì)思想，從而將底層的硬件資源具備的能力抽象為一種服務(wù)供外部使用，并能夠支持一系列的服務(wù)管理功能（服務(wù)定位、服務(wù)發(fā)現(xiàn)，服務(wù)調(diào)用等）。
2.3 整車SOA優(yōu)勢
應(yīng)用服務(wù)化：
各個(gè)域?qū)⒆约核艿奶峁┓?wù)公開化后，才能實(shí)現(xiàn)不同域之間的開發(fā)與融合，使智能汽車成為可能；
服務(wù)部署靈活：
SOA的一個(gè)基礎(chǔ)，就是“服務(wù)發(fā)現(xiàn)”機(jī)制，即給每個(gè)服務(wù)分配一個(gè)“全局名稱”，通過這個(gè)名稱就可以直接找到對應(yīng)的服務(wù)，就好比我們上網(wǎng)時(shí)用的“網(wǎng)址” 。基于這個(gè)特性，在整車生命周期內(nèi)，不同的車型配置可做不同的服務(wù)部署，對代碼幾乎可以不用改動(dòng)；
軟件更新靈活：
SOA的松耦合特性，可以將功能更新與變更限制在更小的范圍內(nèi)。
展開 
仿真應(yīng)用 | 單元類型和網(wǎng)格密度對有限元求解的影響
并且隨著硬件資源和軟件算法的發(fā)展，單元類型和網(wǎng)格密度與有限元求解結(jié)果的關(guān)系在不斷變化。傳統(tǒng)的看法可能不再適用現(xiàn)在的環(huán)境。與時(shí)俱進(jìn)變得重要。
1 一個(gè)陳舊的爭議
今年是2021年，在十五乃至二十年前，有限元力學(xué)分析是一個(gè)非常高大上的話題，那時(shí)候計(jì)算機(jī)硬件遠(yuǎn)沒現(xiàn)在這么普及和擁有強(qiáng)大的計(jì)算力，有限元軟件也沒有現(xiàn)在好用。那時(shí)候國內(nèi)的CAE工程師很少，并且其中大部分只是網(wǎng)格處理工程師而已。他們可能只是為國外的工程師劃分好網(wǎng)格，沒有太多機(jī)會(huì)參與后續(xù)的分析求解。僅是一個(gè)網(wǎng)格處理工程師的話，那是非常枯燥并且沒有前途的工作。那個(gè)年代很在意網(wǎng)格，因?yàn)?em>硬件算力有限，需要保證求解精度的前提下最大可能降低網(wǎng)格規(guī)模，并且網(wǎng)格劃分軟件不好用，需要大量的繁瑣操作。從那時(shí)候開始，便留下了一些傳說。
六面體單元比四面體好
四邊形單元比三角形單元好
結(jié)構(gòu)化網(wǎng)格比非結(jié)構(gòu)網(wǎng)格好
低階單元也會(huì)被經(jīng)常使用
花費(fèi)更多精力劃分出高質(zhì)量的網(wǎng)格是值得的
然而，時(shí)過境遷，有些傳說變成了謬誤。在當(dāng)前的計(jì)算硬件條件和軟件算法下，應(yīng)該怎么看待單元形狀和階次對求解結(jié)果的影響，我們需要些與時(shí)俱進(jìn)的看法。
2 與時(shí)俱進(jìn)的看法
現(xiàn)如今，隨著計(jì)算機(jī)硬件資源的普及和算力的提高，大部分情況下，CAE工程師其實(shí)不用特別在意網(wǎng)格的規(guī)模，如果能快速生成質(zhì)量符合要求的網(wǎng)格，即使網(wǎng)格適當(dāng)?shù)脑龆嘁稽c(diǎn)，也是完全可接受的。因此在網(wǎng)格規(guī)模和劃分網(wǎng)格時(shí)間之中，存在新的平衡。
展開 北鯤云超算平臺(tái)如何將云計(jì)算與高性能計(jì)算結(jié)合
在北鯤云年初獲得Pre-A輪融資時(shí)，談及為何選擇云超算作為創(chuàng)業(yè)方向時(shí)，創(chuàng)始人馮建新表示，在多年的工作中發(fā)現(xiàn)當(dāng)前的云計(jì)算市場上企業(yè)在云資源管理方面有很多可以提高和優(yōu)化的工作。從需求側(cè)來看，企業(yè)內(nèi)部通常通過預(yù)定系統(tǒng)來申請和釋放云服務(wù)器資源，但資源申請無法實(shí)時(shí)匹配，經(jīng)常會(huì)出現(xiàn)資源過剩，亦或不足導(dǎo)致大量計(jì)算任務(wù)排隊(duì)，工作效率較低。 從供給端來看，公有云廠商有大量的云服務(wù)器處于空閑當(dāng)中，據(jù)統(tǒng)計(jì)云服務(wù)器平均空閑比高達(dá)50%左右。北鯤云基于此打造了北鯤云一站式云超算平臺(tái)，當(dāng)用戶提交任務(wù)時(shí)，無需提前購買資源，從北鯤云超算平臺(tái)里自動(dòng)匹配到最合適的公有云資源去執(zhí)行高性能計(jì)算任務(wù)，當(dāng)任務(wù)執(zhí)行完畢的時(shí)候自動(dòng)釋放資源，大幅提高了公有云廠商云服務(wù)器的利用率。并且北鯤云針對國內(nèi)市場的特點(diǎn)，最早提出了競價(jià)服務(wù)器管理方案，通過此機(jī)制，企業(yè)可以提供比同行更低報(bào)價(jià)的算力解決方案。
企業(yè)可以通過北鯤云超算平臺(tái)提供的私有模式、混合模式以及云上模式將企業(yè)異構(gòu)的資源整合，并隨之將業(yè)務(wù)遷移上云。北鯤云超算平臺(tái)在這個(gè)階段重塑了硬件資源層，解決了硬件資源彈性伸縮問題，并且能夠?qū)⑸蠈討?yīng)用開發(fā)和運(yùn)維產(chǎn)生根本變革，將云上的彈性、敏捷性等云的特性釋放。從而大幅提高企業(yè)的工作效率。
北鯤云超算平臺(tái)通過那幾種模式將云計(jì)算與高性能計(jì)算結(jié)合呢？有以下三種方式：
北鯤云SaaS模式：為所有有高性能計(jì)算需求的客戶提供算力SaaS服務(wù)。平臺(tái)使用門檻低，零IT基礎(chǔ)用戶也可使用，根據(jù)客戶使用的硬件配置和計(jì)算時(shí)長進(jìn)行收費(fèi)。
北鯤云混合云模式：主要面向已有線下機(jī)房但無法滿足當(dāng)前算力需求的客戶。當(dāng)線下資源不足時(shí)，自動(dòng)溢出到云上，作業(yè)無需排隊(duì)，提高研發(fā)效率。
展開 電磁散射（RCS）分析解決方案
對于電大尺寸和超電大尺寸的金屬、介質(zhì)或金屬/介質(zhì)混合等目標(biāo)體，在硬件資源滿足要求的情況下，首選MLFMM和FEM/MLFMM方法來精確求解。
電小尺寸目標(biāo)的RCS分析
對于電小尺寸目標(biāo)的RCS分析，F(xiàn)EKO采用嚴(yán)格的求解方法——矩量法，可以進(jìn)行最精確的分析，也可以采用有限元FEM法和MoM/FEM混合法。圖2.1、圖2.2是業(yè)界公認(rèn)的金屬體RCS的Benchmark，分別給出了金屬球和黃銅帶的RCS分析結(jié)果，從圖中我們可以看出FEKO分析結(jié)果與精確解完全一致。因此對于電小尺寸的目標(biāo)RCS，F(xiàn)EKO可以獲得非常精確的結(jié)果。
電大尺寸目標(biāo)的RCS分析
對于電大尺度目標(biāo)體的RCS分析，F(xiàn)EKO提供了兩種可選的方法：
a）首選MoM和MLFMM方法：耗費(fèi)計(jì)算資源，但是能得到精確結(jié)果。
b）選擇高頻PO和RL-GO算法：計(jì)算快速、占用計(jì)算資源小，在某些角度、對于細(xì)節(jié)變化劇烈的模型精度欠佳。
我們采用業(yè)界公認(rèn)的一些不規(guī)則金屬體的散射為例，參考文獻(xiàn)Benchmark（Benchmark Radar Targets for Validation of Computational Electromagnetics Programs, IEEE Antennas and Propagation Magazine, Vol. 35, No. 1 February 1993）中的測試結(jié)果，給出FEKO軟件的計(jì)算結(jié)果，并與測試結(jié)果對比，可以看到與測試結(jié)果有很好的一致性。
展開 美團(tuán)分布式自動(dòng)駕駛引擎
另外在離線仿真系統(tǒng)上，仿真任務(wù)的迅速增長，要求我們需要具備高效管理、運(yùn)行超大規(guī)模仿真任務(wù)的能力，由于不同類型的仿真任務(wù)對硬件算力的需求并不一樣，那么在仿真系統(tǒng)所能使用的硬件資源配比相對固定的情況下，我們就需要將最大化資源所能承載的任務(wù)同樣作為引擎的優(yōu)化目標(biāo)。
美團(tuán)無人車技術(shù)團(tuán)隊(duì)如何應(yīng)對以上挑戰(zhàn)，下文將展開講述。
1）往分布式計(jì)算平臺(tái)的平滑遷移
在從傳統(tǒng)IPC向分布式計(jì)算平臺(tái)的過渡過程中，我們希望上層功能模塊在移入到分布式計(jì)算平臺(tái)上運(yùn)行時(shí)無需任何適配，功能模塊也無需關(guān)心它所運(yùn)行的節(jié)點(diǎn)是否跟上下游模塊在同一個(gè)節(jié)點(diǎn)上。
為完成上述目標(biāo)，我們就需要自動(dòng)駕駛引擎能夠提供運(yùn)行環(huán)境的抽象與隔離，引擎為完成這一層抽象，必須解決三個(gè)關(guān)鍵點(diǎn)：分布式環(huán)境下高實(shí)時(shí)性的數(shù)據(jù)傳輸、高實(shí)時(shí)性的調(diào)度、關(guān)鍵自動(dòng)駕駛數(shù)據(jù)的實(shí)時(shí)記錄。
圖1. 引擎需要將算力向端上平滑遷移
2) 拆分調(diào)度仿真任務(wù)
仿真系統(tǒng)是自動(dòng)駕駛研發(fā)的重要手段，在自動(dòng)駕駛進(jìn)入到運(yùn)營階段之后，仿真任務(wù)也迅速增長，目前美團(tuán)自動(dòng)駕駛仿真系統(tǒng)每天執(zhí)行數(shù)百萬仿真任務(wù)，峰值流量每小時(shí)上百萬任務(wù)，仿真里程每天上千萬公里。
前面提到，不同的仿真任務(wù)對硬件算力的需求是不一樣的，比如感知預(yù)測仿真任務(wù)必須依賴GPU運(yùn)行，在硬件資源（或者其硬件資源的配比）是固定的前提下，為擺脫這種仿真任務(wù)的硬性依賴進(jìn)一步提升資源利用率，我們需要將仿真任務(wù)中不同的子任務(wù)按照計(jì)算屬性拆分到不同的機(jī)器上運(yùn)行，其中引擎要負(fù)責(zé)完成同一任務(wù)在不同機(jī)器間的通信和執(zhí)行調(diào)度，并做到這種拆分對上層仿真任務(wù)無感。
圖2.
展開 