在使用ANSYS Fluent进行流体仿真时，计算速度往往是新手最关心的问题之一。尤其是面对几百万甚至上千万网格的模型，求解过程可能需要数小时甚至数天。为了缩短计算时间，不少人会选择增加CPU核数，认为核数越多，仿真速度就越快。然而，实际计算中经常出现这样的现象：使用16核运行的速度可能比8核快不了多少，甚至使用32核还不如16核。为什么会出现这种情况？对于Fluent新手而言，究竟应该如何选择合适的CPU核数？

为什么增加CPU核数不一定能提高计算速度？

01

Fluent支持并行计算，其基本原理是将整个计算区域划分为多个网格分区，再由不同的CPU计算进程分别处理。

例如，一个包含200万个网格单元的模型，如果使用8核并行计算，理想情况下，每个计算进程大约负责25万个网格单元。

这种方式能够让多个计算进程同时工作，从而缩短计算时间。

但是，并行计算并不是简单地把任务平均分配出去。不同计算进程之间还需要不断交换数据，特别是在计算压力、速度和温度等物理量时，相邻网格分区之间必须进行信息传递。

随着CPU核数增加，每个进程承担的计算量逐渐减少，但数据通信、同步等待和分区管理带来的额外开销可能增加。

当通信开销抵消了增加核数带来的收益时，并行计算效率就会下降。

因此，Fluent并行计算存在收益递减现象，核数越多并不意味着计算一定越快。 Ansys官方文档也明确指出，计算进程增加到一定程度后，通信与计算的比例会增大，导致并行效率降低。

首先弄清楚物理核心与逻辑处理器的区别

02

选择CPU核数之前，需要了解计算机实际拥有多少物理核心。

例如，某台工作站搭载一颗8核心16线程的处理器。在Windows任务管理器中，通常可以看到：内核：8；逻辑处理器：16，其中，8代表物理核心数量，16代表启用超线程技术后操作系统识别的逻辑处理器数量。

需要注意，16个逻辑处理器并不等于16个独立的物理核心。

超线程技术能够提高部分程序的硬件资源利用率，但对于Fluent这类计算密集型软件，额外逻辑线程带来的性能提升往往有限。

Ansys的HPC许可文档指出，超线程核心通常只能带来很小的加速，甚至没有明显收益，因此不建议单纯依靠超线程增加Fluent并行核数。

对于新手而言，建议首先以物理核心数量作为并行计算的主要参考。例如，使用8核心16线程的处理器时，可以优先测试4核、6核和8核的求解性能，而不是直接选择16核。

根据网格数量初步选择CPU核数

03

网格数量是影响Fluent并行效率的重要因素之一。一般而言，网格规模越大，能够有效利用的CPU核数通常也越多。

如果网格数量较少，却分配了大量计算核心，就会导致每个进程承担的网格单元过少，通信开销占比明显增加。

在常规CPU并行求解中，可以暂时按照每核约10万至20万个网格单元进行初步估算。这只是用于确定测试范围的经验起点，并非Fluent对所有模型的统一要求。

例如，针对常规单相流动问题，可以参考以下测试方案：

需要强调的是，上表仅用于确定性能测试范围，并不意味着这些核数一定最优，也不代表必须配置相应数量的CPU核心。

例如，同样是200万个网格，普通管道流动模型和复杂的多相流模型，其计算负载可能存在明显差异。

对于涉及组分输运、燃烧、离散相或者复杂湍流模型的仿真，每个网格单元需要完成的计算任务更多，因此可能具有不同的并行扩展特性。

网格数量只能用于初步估算核数，真正合理的核数仍然需要通过计算测试确定。

CPU性能和内存同样影响计算速度

04

Fluent的求解速度不仅取决于CPU核数，还受到CPU主频、缓存、内存容量以及内存带宽等因素的影响。

首先是CPU主频。对于规模较小、并行效率不高的模型，单核计算性能较强的CPU可能具有明显优势。某些情况下，高主频的8核处理器可能比低主频的16核处理器表现更好。

其次是内存容量。Fluent需要在内存中存储网格、流场变量以及求解过程中产生的各种数据。当内存不足时，操作系统可能频繁使用磁盘交换空间，造成计算速度大幅下降。

另外，内存带宽也是容易被忽略的因素。随着并行核心增加，多个计算进程会同时访问内存。如果内存带宽已经成为性能瓶颈，即使继续增加CPU核数，也很难实现明显加速。

Ansys官方硬件建议同样强调，不能只关注处理器核心数量，而忽略内存带宽与内存配置。

因此，如果计算机同时承担建模、网格划分及后处理等任务，可以适当预留部分CPU和内存资源，避免多个程序相互争夺硬件资源。

如何通过实际测试找到最优核数？

05

对于Fluent新手，最可靠的方法并不是直接套用某个固定核数，而是针对自己的模型开展简单的并行性能测试。

假设某个模型包含200万个网格单元，计算机配备16个物理核心，可以分别采用4核、8核、12核和16核进行测试。具体操作如下：

首先，在Fluent启动界面选择并行计算，并在 Solver Processes 中设置需要使用的求解进程数量。

随后，使用完全相同的网格、物理模型、离散格式和求解设置进行计算。

对于稳态仿真，可以在相同初始条件下分别运行100步或200步迭代，记录实际耗时。

对于瞬态仿真，则建议采用相同的时间步长和时间步数进行比较。

假设得到以下测试结果：

从表中可以发现，CPU核数由4增加至12时，计算速度明显提升。但是，从12核增加至16核后，计算时间仅减少5秒。这说明在该测试条件下，继续增加核心数量的收益已经非常有限。如果这台计算机还需要执行其他任务，选择12核可能比16核更合理。

另外，Fluent本身也提供并行性能分析工具，可以通过 Parallel → Timer → Usage 查看计算耗时与通信统计信息，辅助判断并行效率。

测试时应尽量保持机器负载一致，并排除首次启动、文件读取等额外因素的干扰。