Resumen

Las unidades de procesamiento gráfico (GPU) tienen una fuerte capacidad de punto flotante y un alto ancho de banda de memoria en paralelismo de datos, y han sido ampliamente utilizadas en cómputo de alto rendimiento (HPC). La arquitectura de dispositivo unificado de cómputo (CUDA) se utiliza como una plataforma de cómputo paralelo y modelo de programación para la GPU con el fin de reducir la complejidad de la programación. Las GPUs programables están volviéndose populares en aplicaciones de dinámica de fluidos computacional (CFD). En este trabajo, proponemos un algoritmo paralelo híbrido de la interfaz de paso de mensajes y CUDA para aplicaciones de CFD en clústeres de HPC multi-GPU. Se utilizan el esquema upwind AUSM+UP y el método de RungeKutta de tres pasos para la discretización espacial y temporal, respectivamente. La solución turbulenta se resuelve mediante el modelo de dos ecuaciones SST. La CPU solo gestiona la ejecución de la GPU y la comunic

• Materias:Big Data Segmentación de líneas Tráfico de red Reconocimiento de entidad Esquema de programación
• Subjects:Big Data Line segmentation Network traffic Entity recognition Programming scheme
• Palabras claves:Unidades de procesamiento gráfico; CUDA; Computación de alto rendimiento; Dinámica de fluidos computacional; Algoritmo paralelo; Clústeres de múltiples GPU
• Keywords:Graphics processing units; Cuda; High-performance computing; Computational fluid dynamics; Parallel algorithm; Multi-gpu clusters