工业求解器工程：从物理方程到体系结构优化 / Industrial Solver Engineering from Physical Equations to Architecture Optimization

📅 创建时间：2026-07-23
🏷️ 标签：#工业软件 #求解器 #FEA #CFD #性能工程 #体系结构
📚 前置知识：[[/05-solver-basics]] [[../marine-cae/11-discrete-systems-and-matrices]]
📚 相关知识：[[/02-systems-and-performance/03-parallel-computing/00-parallel-computing-overview]] [[/02-systems-and-performance/02-computer-architecture-and-hardware/00-hardware-overview]]

---

1. 这个专题解决什么问题

理解有限元公式、有限体积离散或 Krylov 迭代，只能说明“知道算法”。工业求解器研发还必须回答：

• 网格、自由度、场变量和稀疏矩阵怎样组织；
• 结构与 CFD 求解循环怎样拆成稳定的软件模块；
• 为什么同一个算法在不同数据布局和硬件上性能差异巨大；
• 怎样证明瓶颈来自算法、内存、通信或 I/O，而不是凭感觉优化；
• 怎样保证加速后仍然得到相同且可信的工程结论。

本专题把这条链完整串起来：

真实工程问题
→ 物理模型
→ 空间与时间离散
→ 代数系统
→ 求解算法
→ 数据结构
→ CPU / GPU / MPI 执行
→ 性能证据
→ 优化
→ 数值验证与性能回归

2. 三个必须分开的问题

2.1 求解器是否收敛

这是数值算法问题。常见证据包括残差下降、增量变小和非线性平衡恢复。

2.2 结果是否正确

收敛不代表正确。错误的材料、边界条件、网格或湍流模型，也可以稳定收敛。正确性需要守恒、平衡、网格收敛、时间步收敛、解析解、试验或其他软件对比。

2.3 程序是否高效

高效需要明确指标：

• 单步或单次求解时间；
• 最大可处理自由度或网格规模；
• 内存、显存占用；
• 强扩展、弱扩展效率；
• 每个工程算例的成本和能耗。

优化时必须同时记录这三个维度，不能用更松的收敛容差换取虚假的加速。

3. 工业求解器的共同结构

无论结构、流体、热还是电磁，生产级求解器通常都包含：

输入与模型检查
├─ 网格拓扑和几何信息
├─ 材料、物性和模型参数
├─ 边界条件、载荷和初值
└─ 求解与输出配置
        ↓
离散与代数系统
├─ 自由度或场变量编号
├─ 稀疏模式和邻接关系
├─ 单元、控制体或面通量计算
└─ 矩阵、右端项或残差组装
        ↓
迭代驱动
├─ 线性求解
├─ 非线性迭代
├─ 时间推进
└─ 多物理场耦合
        ↓
工程能力
├─ 并行调度和通信
├─ Checkpoint / Restart
├─ 日志和收敛监控
├─ 结果输出
└─ 验证与可追溯性

结构和 CFD 的差别主要体现在离散算子、矩阵性质和外层迭代；软件工程、并行执行和性能诊断方法具有大量共性。

4. 学习路线

编号	章节	核心问题
00	本篇总览	怎样建立完整的求解器工程认知？
01	生产级求解器架构	一个可维护、可扩展的求解器怎样分层？
02	结构求解器设计	单元、组装、约束和不同分析类型怎样实现？
03	CFD 求解器设计	通量、压力速度耦合和时间推进怎样组织？
04	求解器数据结构	稀疏矩阵、场变量和网格怎样匹配硬件？
05	CAE 性能分析	应该用什么工具收集什么证据？
06	体系结构驱动优化	怎样从证据推导合理的优化动作？
07	优化案例	怎样完成可复现的性能优化闭环？

5. 已有知识怎样复用

数值与物理基础

• [[/05-solver-basics]]：直接法、迭代法、预条件和非线性；
• [[../marine-cae/04-cfd-equations]]：CFD 控制方程和有限体积离散；
• [[../marine-cae/07-fea-from-physics-to-matrix]]：有限元从单元到全局矩阵；
• [[../marine-cae/11-discrete-systems-and-matrices]]：矩阵对称性、正定性和存储格式；
• [[../marine-cae/12-serial-and-algorithmic-acceleration]]：串行算法、预条件与降阶优化；
• [[../marine-cae/13-parallel-acceleration-map]]：不同计算阶段的并行方法映射；
• [[../marine-cae/14-cpu-gpu-mpi-architecture]]：CPU、GPU 与 MPI 的多层并行架构；
• [[../marine-cae/15-verification-and-validation]]：仿真可信度。

并行与体系结构基础

• [[/02-systems-and-performance/03-parallel-computing/02-processor-architecture]]：流水线、SIMD、多核与 GPU；
• [[/02-systems-and-performance/03-parallel-computing/04-memory-hierarchy]]：Cache、带宽和局部性；
• [[/02-systems-and-performance/03-parallel-computing/09-distributed-parallelism]]：MPI、域分解和通信；
• [[/02-systems-and-performance/03-parallel-computing/10-performance-engineering]]：Roofline 和优化闭环；
• [[/02-systems-and-performance/02-computer-architecture-and-hardware/11-performance-analysis-tools]]：Nsight 等现有工具说明。

实践项目

• [[/06-other/01-projects/profile/C++/2-StructKernelBench/2-StructKernelBench]]：结构仿真核心算子的 CPU/GPU Benchmark 设计。

本专题不会重复推导所有公式，而是重点解释这些知识怎样进入软件和性能决策。

6. 阅读时持续追问的十个问题

1. 当前阶段在求什么未知量？
2. 离散后矩阵或算子具有什么性质？
3. 外层迭代次数由什么决定？
4. 单次迭代的主要算子是什么？
5. 算子受计算、内存延迟还是内存带宽限制？
6. 数据是否按访问顺序组织？
7. 线程、GPU 和 MPI Rank 是否负载均衡？
8. 通信、同步和 I/O 占总时间多少？
9. 优化是否改变了数值顺序、精度或收敛路径？
10. 是否用相同输入、容差和正确性标准重新测量？

7. 一条可靠的优化路线

定义工程目标
→ 固定输入和正确性标准
→ 建立端到端基线
→ 按阶段计时
→ 定位最大热点
→ 判断算法问题还是实现问题
→ 提出一个可证伪的假设
→ 单点修改
→ 重新测量
→ 检查数值与工程结果
→ 保留或撤销修改

优先减少无用计算和迭代次数，其次减少数据移动，再考虑并行和指令级优化。一个更合适的预条件器，通常比把低占比循环改写成 SIMD 更有价值。

8. 观察、解释与下一步

观察到什么	说明什么	下一步检查什么
残差不降或工程量漂移	数值或建模问题尚未解决	网格、边界、离散、尺度和预条件
迭代次数正常但单步很慢	实现、数据移动或硬件利用可能是主因	阶段计时、热点、硬件计数器
Kernel 很快但总时间不降	优化对象占比小或存在等待	端到端时间线、通信和 I/O
并行规模增加但效率下降	通信、同步、负载或带宽成为限制	最慢 Rank、Halo、归约和 NUMA
加速后工程结果变化	精度、次序或停止准则影响了数值路径	正确性容差、守恒和收敛历史

9. 学完后的能力检查

• [ ] 能画出结构和 CFD 求解器的执行流程；
• [ ] 能解释外层迭代与线性求解器的关系；
• [ ] 能根据矩阵性质选择直接法、Krylov 方法和预条件器；
• [ ] 能解释 CSR、BSR、SoA、NUMA 和 Ghost Cell 对性能的影响；
• [ ] 能选择 CPU、GPU、MPI 和 I/O 分析工具；
• [ ] 能从 IPC、Cache Miss、带宽、Warp Stall 和通信等待推导下一步检查；
• [ ] 能设计包含正确性验证的性能实验；
• [ ] 能说明何时应该停止继续优化。

下一篇：[[01-production-solver-architecture]]