航空制造業高性能計算能力建設情況分析及建設集成方法研究

楊如峰

金航數碼科技有限責任公司,北京 100028

引 言

航空制造業是高端裝備制造業（也稱先進裝備制造業）典型代表，是國防科技工業的重要組成部分，是國家工業技術能力的集大成者。高性能計算技術作為其技術革新、科技進步的重要抓手，在其發展過程中起到非常關鍵的作用。我國高性能計算基礎設施能力建設在航空制造業方面的儲備相比美國等先進國家還比較薄弱，發展面臨的問題比較嚴峻。在企業數字轉型的關鍵階段，機遇和挑戰并存，如何有序、健康地推動高性能計算基礎設施能力建設，釋放高性能計算的效能，對于當下發展十分重要。

1 國內外相關領域高性能計算能力建設情況

1.1 美國相關領域情況

高性能計算基礎設施能力的不斷增強推動著航空制造業仿真計算應用的不斷深入，加快了科技進步的步伐，美國在此方面表現較為突出，例如美國戰斗機YF-23 采用CFD 進行氣動設計后比前一代YF-17 減少了60%的風洞實驗量[1]，使之大大縮短了物理試驗時間和降低了成本。高性能計算技術是美國科技創新重要基礎，已經成為美國的戰略資源，布局長遠。

美國國家航空航天局（National Aeronautics and Space Administration，簡稱NASA）是航空航天領域高性能計算技術應用和發展的佼佼者。據其官網目前信息顯示，其計算能力已從2004年的一個50 兆次浮點系統發展到2019年的四個系統，包括8.32萬億次的Electra 和7.24 萬億次的Pleiades 超級計算機，已研制出一批優秀的仿真計算軟件，在高性能計算領域投入巨大、效果顯著，為其國際戰略地位和國防產品研制提供了有力支撐。另一方面，波音公司和NASA 于2014年聯合發布了航空CFD 技術2030發展愿景，提出2025年前實現E 量級和2030年實現30Ef lops 計算能力，以滿足航空CFD 技術發展需要[2]。

美國國防部空軍實驗室在2019年2月26日項目啟動儀式上，被稱為“美國航空百年神魂”的空軍研究實驗室（AFRL）正式公布了“共享國防部機密高性能計算資源”計劃，該計劃將首次共享國防部四臺最新的超級計算機，其中，性能最強大的“野馬”是唯一一臺對非涉密項目研究開放的超級計算機，“野馬”系統是一臺價值1500 萬美元，帶有56 448 個計算核心的惠普SGI8600 超級計算機。其余三臺則共享給各類涉密項目，分別以著名的飛機機型暗影、幽靈、巫毒命名，專門處理涉密項目，被安裝在美國國防部空軍研究實驗室超級計算機資源中心（DSRC）的一個新安全附加裝置中，以便在國防部和美國其他政府機構之間可以安全地共享超算能力[3]。

1.2 中國相關領域情況

我國作為高性能計算技術的后起之秀，從2006年開始，在國家重大科技專項的支持下，通過多個“五年”的周期計劃，分別以國家高技術研究發展計劃、國家重點基礎研究發展計劃、國家自然科技基金重大研究計劃等對國家高性能計算方面的研究和基礎設施進行資助，建設了天津、深圳、濟南、長沙、無錫、廣州等一大批超級計算中心，以天河一號、天河二號、神威太湖之光為代表的中國超級計算機多次位列高性能計算 TOP500 榜首，成績傲人。

我國航空制造業領域高性能計算技術的引進和應用也取得了長足的進步和發展，過程貫穿產品設計、試驗和驗證，部分代替物理試驗，縮短研制周期和降低物理試驗成本，用虛擬試驗填補不具備條件的物理試驗空白。隨著產品研制由實物模型向數字模型轉變，高性能計算技術受到越來越多的科研人員青睞。目前大部分主研制單位具備了百萬億次量級的計算能力，其中部分單位已經具備了千萬億次量級的計算能力，擁有上千計算核心的計算資源。在空氣動力學、多體動力學、力學、材料、液壓、控制、電子、電磁、噪聲等多個學科開展了應用，大部分領域具備了定性分析的能力，部分領域具備了定量分析的能力。

2 航空制造業高性能計算面臨的主要問題

我國航空制造業高性能計算基礎設施能力相比國外同類企業較為薄弱，能力建設不足、發展不均衡。

（1）在系統能力供給方面

①資源供給不足。高性能計算系統的硬件資源的最佳使用周期一般為5年，具有顯著的前期投入大、連續性要求高的特點。當前我國大部分航空制造業基礎設施能力建設以型號任務為單元的計劃投入為主，存在規模小、配置不均衡、架構不合理等普遍問題，資源在峰谷時期不均衡的情況明顯。據國家超級計算廣州中心官網信息顯示，商飛北京民用飛機技術研究中心利用2.4 萬CPU 核開展了大型商用飛機全參數氣動優化設計，在天河二號計算6 天，完成了在其自身計算平臺上約需要2年的工作量[4]，可以看出企業的工程需求和基礎能力的不匹配問題突出。同時，隨著企業數字轉型的不斷深入，多單位協同研制模式逐漸形成，多產品并行開展成為常態，一些協同配套單位高性能計算基礎設施能力建設剛剛起步，資源和能力存在較大差距，導致一些領域存在明顯的木桶效應。

②軟件自主能力不足。制約我國高性能計算技術在制造業發展的另一個主要問題是工具軟件問題，特別是涉及到大型工業產品設計，如飛機、船舶、汽車等，對工具依賴性較強。目前以采購國外進口軟件為主，比較有代表性的包括Abaqus、Ansys、CFX、Dytran、Fluent、HFSS、MSC Marc、MSC Nastran、FEKO、Tecplot360 等。這些軟件采購投入成本較高，中小型企業難以承受，部分軟件功能對國內存在封鎖情況，自主可控問題突出。從國外經驗看，這些工具軟件大部分都產生在工業部門，需要長時間的積累和工程的不斷試驗，而高性能計算基礎設施能力是開展相關驗證試驗的基礎。我國航空制造領域雖然已經研制了一批像HAJIF、ARI_CFD 等專業軟件，但工程試驗支撐能力較弱，用于科學論證的計算資源不足，在工程全面應用還需時間。同時，人才儲備和培養也成為當前另一個發展問題。

（2）在系統規劃設計方面

①業務與規劃脫節。大部分企業在進行高性能計算系統規劃、建設過程中往往“拍腦袋”的情況居多，尤其在部件級研制企業比較普遍。在規劃設計時，很難給出連續建設路線和新舊系統融合協同的方案；在需求確認過程中，業務部門無法提出具體的需求或提出的需求太過專業無法轉化成信息化部門聽得懂的語言，規劃/運維部門對需求如何落地無從下手，專業性太強、跨學科等因素最終導致規劃、建設、使用過程中問題層出不窮。

②過度依賴外部能力。以曙光、浪潮、聯想、華為為代表的高性能計算廠商占據了90%以上的市場份額，其營銷網絡遍布全國各地，具有不同領域的技術專家，根據各種行業和領域的特點也總結了一套較為通用的解決方案。但由于投資規模限制，往往大部分企業在進行系統規劃、建設甚至售后服務過程中無法獲取這些優質的資源。對于照本宣科的設計，再根據經費預算進行不同層次的配置削減，雖然能解決使用問題，但會出現系統可持續、可擴展性不強等問題，例如配置了多顆CPU 而只配置了少量的內存等問題，給企業后期使用帶來了很多問題。

③在資源共享方面

航空制造業在科學研究和工程應用需求均較高，機密性程度高，多單位資源共用問題一直是難題，尤其是對社會資源的遠程使用和數據高效傳輸、數據異地攜帶等技術問題和知悉范圍控制等管理問題。

李國杰院士曾指出：美國發展超級計算機主要是應用牽引，而我國側重于技術驅動。對于我國高性能計算生態環境而言，最薄弱的環節是軟件和企業應用[5]。航空制造業企業作為應用和科技創造的主力軍和國際同類計算軟件的發源地，加快推動航空制造業高性能計算基礎設施能力建設，對我國高性能計算產業發展和能力提升意義重大。

3 航空制造業高性能計算應用發展趨勢

隨著信息科學技術的不斷進步，航空制造業高性能計算系統帶來了一些新的變化。

3.1 系統集成融合趨勢

（1）按需定制的環境要求

隨著數字化技術的不斷深入，仿真計算環境被越來越多地嵌套或關聯到企業數據管理、試驗管理等系統中，以實現協同。同時，由于仿真計算軟件版本變化和學科應用越來越多，對于計算資源配置、計算工作環境需求會有所差別，快速定制計算環境也成為當前的另一個發展趨勢。

（2）業務融合的安全要求

在仿真計算過程，根據作業的大小和迭代的次數會產生大量數據、大規模任務，過程中需要頻繁的數據交換和快速的數據處理、結果反饋。在多單位協同、多用戶使用時，保障應用的機密性、完整性，提供有效的信息安全體系，是在系統建設中必須考慮的因素之一。同時，隨著惡意攻擊方式變得多樣，信息安全在建設過程中越來越受重視。

（3）應用可視化

在計算的前、中、后階段可視化有助于使用者決策，可及時發現問題、糾正問題，在問題發生前能及時處置，同時通過可視化的展示和數據可視化分析可提高用戶的作業質量和降低用戶入門門檻。

（4）運維數字化

高性能計算系統的高效運行不但需要具備操作系統、網絡、存儲及其硬件知識，還需要具備計算環境、作業調度以及計算軟件等配置調優的能力。而這些對于中、小型企業來說挑戰巨大。因此，一套高效、友好的可視化、數字化運維管理平臺顯得十分重要，已經成為企業建設系統的必備工具。

3.2 新興技術融合趨勢

（1）云計算與高性能計算

高性能計算機有兩種基本類型，一是能力（capability）型，強調解決單一復雜問題的最高計算速度，盡量縮短求解一個最大最難問題的時間；二是容量（capacity）型，強調同時處理多個大任務，每個任務只用到計算機的一部分能力[5]。航空制造業在這兩個方面需求均比較迫切，建設高性能計算基礎設施能力首選是希望計算能力越強越好，使其具備同時開展科學研究、技術攻關和工程設計驗證工作的條件。但這種建設方式會面臨資源的供給平衡等問題，而高性能計算技術與云計算技術的融合應用能剛好解決削峰填谷的問題，AWS 云、阿里云、中國科技云·超算云等用實踐已經給出了答案。當前航空、航天、船舶、電子等多家高端裝備制造業企業開始或已經開展云平臺建設/應用，云上協同成為數字轉型的主要抓手，高性能計算技術與云計算技術的融合應用也將成為數字轉型時期的新的模式。

（2）量子計算與高性能計算

量子計算是一種遵循量子力學規律調控量子信息單元進行計算的新型計算模式，與高性能計算系統的融合成為新的熱點，空客、霍尼韋爾、洛克希德·馬丁、雷神等航空制造企業紛紛在量子計算領域開展了大量的研究工作。其中空客早在2015年就開始在量子計算技術方面進行了布局，其堅信量子計算與更傳統的高性能計算解決方案相結合，可以幫助解決關鍵的計算密集型任務。為此，空客2016年投資QC Ware，2019年發起空客量子計算挑戰賽（AQCC），并提出了從簡單的數學到飛行物理學，包括飛機爬升優化、計算流體動力學、用于求解偏微分方程的量子神經網絡、機翼設計優化、飛機裝載優化五個不同類型的問題。

（3）人工智能與高性能計算

作為“新基建”的重要組成，人工智能將繼高性能計算之后成為企業的又一科技創新的利器。近幾年大數據分析和機器學習等人工智能應用已經成為高性能計算的主要負載，美國、日本等國紛紛將正在研制的超級計算機成為智能計算機。當前國內HPC 進入了以應用需求牽引系統研制的理性階段，也涌現一大批積極探索新型的HPC 類型應用，包括數據分析、機器學習、信息服務等[6]。在航空制造領域，近期歐洲航空安全局發布人工智能路線圖中提出了8個航空特定領域將深受人工智能的影響，包括：飛機設計與運行，飛機生產與維修，空中交通管理，無人機、城市空中機動和U 型空間，安全風險管理，網絡安全，環境，歐盟條例。該路線圖還預計機器學習在“飛行控制律優化、傳感器校準、油箱數量評估、結冰探測”等飛機系統中的潛在應用，在這些飛機系統中，機器學習可以取代對可能組合和相關參數值的人類分析[7]。

4 航空制造業高性能計算系統建設

航空制造業的高性能計算系統建設不但要考慮系統建設所承載的軟件特性，也需考慮建設投入的持續性、系統的擴展性。以下基于航空制造業目前面臨的問題，集成新的發展需求，提出如下集成建設方法。

4.1 建設參考框架

航空制造業高性能計算系統建設要兼顧科學計算和工程應用兩個方面的需求，科學計算在計算時需要大量的機器投入使用，隨著科學研究的深入，需要的機器會越來越多，而在閑時這些資源需要被充分利用起來，實現投資效益最大化；另一方面，由于各類軟件所依賴的開發環境有所不同，計算環境的配置質量直接會影響計算的質量，環境切換時不但要保證平滑還要保證質量，同時也要兼顧在一套環境下多種計算環境的情況。考慮到投資的連續性和資源的充分利用，以傳統科學仿真計算的高性能計算框架為基礎，融合云計算技術，本文提出一套“混合”高性能計算專有云框架，實現靈活配置、動態調度、按需供給和融合持續發展。

（1）高性能計算專有云采用裸金屬架構和虛擬化、容器架構的融合基礎設施環境。其中虛擬化技術提供的虛擬機適合類型多樣、需求各異的中小規模高性能計算應用需求；容器技術的高度定制靈活的特性，通過構建高性能計算應用環境鏡像庫，為臨時搭建特定高性能計算集群應用環境提供快速場景；裸金屬架構適合于長期多任務、高并發的任務[8-9]，對這類資源的充分利用可以考慮配置無盤啟動的集群管理方式，通過對操作系統打包鏡像管理，保證切換的環境是調優后的環境。

（2）在高性能計算專有云中構建協同研制環境，使用平臺實現需求供給側的對接；充分利用云環境下人才資源的互動性，有效彌補人才資源的不足；通過多單位互惠協議，賦予軟硬件資源供給方和使用方雙重角色，通過高性能計算專有云的安全API構建安全通道，可在滿足各自的需求的同時在資源峰值需求和平時閑時進行相互租賃，充分調動資源，提高資源的利用率。

（3）通過構建專業領域高性能計算生態社區，建立歷史模型庫，降低用戶使用的門檻，提高知識的共享；通過將開發庫、通用軟件庫組件化，實現高性能計算環境隨需提供科學計算、人工智能、數據分析等服務環境。

基于上述特性定義，本文提出下圖高性能計算專有云架構，全局采用統一高性能計算操作系統，使用一套云環境，可滿足產品生命周期中不同階段、不同任務、不同層次的計算需要，與各分領域協同實現削峰填谷。參考圖如圖1[9]。

圖1 高性能計算專有云參考框架Fig.1 High performance computing proprietary cloud reference framework

在基礎設施層面由各類計算、存儲、網絡設備組成計算資源池，以有效支撐上層不同層次的計算需求；總體的資源使用統一由高性能計算云操作系統來完成管理。

在平臺服務層，通過對各類常見的模型進行抽象形成不同場景的資源模型，供軟件服務層進行調度使用，實現系統環境、資源狀態、調度模式等靈活定制。資源調度器由作業調度器引擎、云計算調度引擎、分布式搜索引擎等組成。

在軟件服務層，支持應用交付對外窗口，是系統的入口，供用戶訪問使用，也是第三方互動主要接口。

在以上三個層面的背后配置歷史資源數據庫，通過利用相關技術對提交作業的質量、行為進行預判。在用戶提交作業前提供最佳實踐指導，有效提高系統效率，降低系統的使用成本；在作業運行完成后，通過提取作業數據進行問題分析和提煉經驗，納入歷史資源庫供后續同類應用參考。同時，在系統每個環節嵌入信息安全防護能力，包括身份鑒別、訪問控制、完整性等措施，保障各業務模塊開展過程中的機密性和完整性。

4.2 規劃設計方法

基于航空制造業的特點和發展現狀以下給出方案設計選擇方法。

4.2.1 業務方案設計

在進行高性能計算技術選型時，要從業務的實際使用場景出發，在有些方面需要大內存、大容量、高主頻，而有些方面對于內存、容量要求并不高。在某種程度上，應用軟件的特性決定了硬件平臺的選擇。

從對計算資源的需求來說，隱式解法的基本特點是內存占用多、磁盤IO 大、進程通信量大，因此，隱式解法要求系統的內存容量大、訪存帶寬高、磁盤IO 速度快、通信延遲低；相對而言，顯式解法對內存、磁盤IO 和通信延遲的要求要低一些。

從軟件的擴展性上來說，采用靜態隱式算法的軟件，擴展性相對較差，計算性能在8-16 CPU 核以上就很難獲得進一步的提升；而采用動態隱式算法的軟件，擴展性要好的多，在64-128 CPU/核以內都能獲得較好的并行性能。顯式算法的軟件，擴展性非常好，可支持數百CPU 核甚至更多的并行。另外CFD 應用的擴充性也非常好，無論是結構化網格還是非結構化網格，都可支持上百個CPU 核的并行。電磁分析軟件如FEKO 通常對CPU 的要求不高，但需要大內存[9]。

在硬件資源的配置和選擇上要考慮計算任務各個階段的使用需要。以CAE 為例，目前應用在CAE當中的計算技術在實際應用中包括三個步驟：首先是建模亦即前處理，是指對需要計算的問題建立幾何和物理模型并劃分網格，以便可以將非線性的力學方程離散為計算機可以識別的代數方程，這一過程需要較好的顯示能力，并且要求具有一定的內存空間能夠容納大量的網格信息，通常在工作站上進行；模型建立后就是求解過程，這一過程需要大量的CPU、內存資源以及存儲空間，通常利用作業調度系統提交到高性能計算機上執行，結果數據存放在大容量磁盤陣列中；之后是后處理過程，即對計算得到的數據進行分析處理，得到各種曲線和圖形信息，這一過程同樣對顯示能力要求較高，通常在工作站上進行[10]。

4.2.2 硬件資源選擇

（1）計算資源選擇

高性能計算系統中的計算核心硬件資源，一般由Cluster 集群、SMP 服務器和異構處理器、眾核處理器的服務器組成，在選擇過程中需要充分考慮處理器、內存、IO 接口卡等各組件之間關聯性，保證資源的合理分配。

圖2 業務階段劃分和資源需求Fig.2 Business phase division and resource requirements

在處理器架構選擇上，X86 架構為主流，其生態環境較為完善。ARM 架構由于其低功耗的特性，也開始在高性能計算領域嶄露頭角，在2020年6月發布的TOP 500 中排名第一的日本研制的Fugaku 采用了A64FX 處理器，其對企業的自主開發能力要求較高。

在處理器的主頻、核數選擇方面，雖然沒有絕對的配比關系，但一般主頻越高，核數會越少，是選擇高主頻還是選擇多核心，需要根據仿真軟件的需要和計算量來配置。對于處理器的數量需按偶數配置。對于處理器型號選擇建議可以以TOP500（由國際組織“TOP500”編制，每半年發布一次，是給全球已安裝的超級計算機排座次的知名榜單）和HPC TOP100（中國高性能計算機性能TOP100 排行榜，簡稱HPC TOP100，是指依據Linpack 測試性能進行排序的中國最快的100 臺計算機系統的榜單列表，是衡量中國高性能計算機系統及應用發展的重要參考依據）的數據作為參考。

在內存的配置方面，一般和所選擇的機型、處理器型號有非常密切的關系。作為介于處理器和硬盤存儲之間的高速存儲，對于處理器能否發揮出最大效能影響非常大。一般要求所配置的內存條數量需和處理器架構中通道數量成正比關系，需盡量保證處理器訪問內存路徑最短。而內存的總容量因需求而異，一般建議在96GB 以上。

除了選擇用于計算的服務器外，用于資源管理的服務器的選擇也不容忽視。一般主要由IO 節點、管理節點、對外服務節點服務器組成。其中管理節點主要是外部管理訪問的入口計算機，一般以邏輯訪問控制區域為單位配置為宜；對外服務節點一般根據對外服務用戶數量來配置，建議采用雙機冗余架構，對外接口建議采用多端口捆綁配置；IO 節點服務器的配置需要和所選擇的后端存儲類型來確定是否配置，一般所有IO 節點服務器的HBA 卡接口、IB 接口（若使用此接口與計算節點通信）或以太網接口中每種接口類型的總帶寬不能小于存儲接口總帶寬。

（2）存儲資源選擇

良好的存儲系統方案設計可以大幅度提高高性能計算平臺的計算效率。選購存儲資源時可以采用磁盤陣列、光纖交換機、IO 節點、并行文件系統的松耦合式方式，也可以采用緊耦合方式的并行存儲。前者具有良好的擴展性，不會受限于品牌的限制，但工程中系統的調試情況會影響系統性能；后者集成度高、出廠已經完成調優，但受品牌限制。

存儲的可用容量大小選擇需要根據項目建設實際使用需要以及長期存儲數據量、臨時數據存儲量的要求進行選擇，一般建議配置至少30%以上的存儲空間余量。存儲系統性能指標主要關注讀寫帶寬，其中松耦合方式除考慮前文提到的IO 節點服務器的接口卡帶寬的問題時，還要考慮存儲設備前端、后端接口帶寬和磁盤總帶寬的匹配問題，避免出現“木桶效應”。

（3）網絡通信資源選擇

高性能計算網絡通信資源從功能上分為高性能計算網絡、高性能管理網絡、高性能監控網絡組成。三個網絡需實現不同接口卡的物理隔離部署。在網絡結構設計上，其中特別需要注意對于高性能計算網絡的選擇，當前較為流行的是Inf iniband、Intel Omni-Path、萬兆以太網，從2020年6月TOP500 榜單看萬兆以太網占據了“半壁江山”。

圖3 2020年6月TOP500 排名網絡類型統計Fig.3 Statistics of top 500 network types in June 2020

從技術發展和管理上各自有優缺點，需要根據配置的服務器數量和網絡的整體冗余性和可靠性進行選擇部署，原則上盡量保證節點與節點通信的無阻塞，最大限度減少由于計算網絡的延遲、阻塞帶來的整體平臺計算能力下降。

（4）軟件資源選擇

①高性能計算基礎軟件資源

高性能計算基礎軟件資源主要由操作系統和用于計算支撐開發環境軟件組成。這些軟件的選擇需要根據計算軟件特性進行配置。

②集群管理軟件

集群管理軟件是運維管理人員的主要工作平臺，也是高性能計算云的核心組件，根據企業建設的規模和是否要建設成計算云平臺來選擇。若建設規模比較小可選擇國內將集群管理軟件和作業調度門戶集成的產品，也可選擇BrightComputing、xCAT 等成熟的產品；若建設成云平臺，需要選擇具有集群管理能力的云操作系統軟件。

③作業調度引擎

作業調度引擎是利用高性能計算平臺開展并行技術的核心組件，可選擇包括LSF、PBS、Slurm 等。

④用戶門戶

用戶門戶是用戶通過WEB 界面訪問、提交、查看、下載作業的主要窗口，是用戶日常操作的主要平臺。在產品選擇上，中小規模建議選擇集成了作業調度引擎、集群管理模塊的系統，便于維護。長期發展，建議單獨配置。

（5）前后端設計資源選擇

根據計算軟件的特性和工作特點，一般前端設計資源可采用遠程處理、本地處理多種方式組成，可以配置高端圖形工作站也可以采用遠程可視化來完成。

后置處理一般為將后期處理的結果進行分析和顯示處理，對顯卡處理能力要求較高，同時需要配置相應的3D 圖形處理軟件。為了更好的顯示分析，可以配置3D 顯示系統進行處理數據的三維顯示。

（6）安全體系資源設計

系統不能完全單獨采用一種安全防護技術，在設計中須充分利用操作系統的一些安全的特性，通過與傳統的安全防護技術相融合，來提升系統的安全性。結合信息安全技術體系及基礎資源關系，采用身份鑒別、認證與授權、病毒與惡意代碼的防治、系統層安全防范、網絡管理、監控與審計、漏洞掃描、數據傳輸加密與壓縮、運行安全、準入控制、入侵行為檢測、邊界防護和運行安全為系統建設一套可靠的安全屏障[11]。

4.2.3 系統建設及驗收

系統集成工作是設計落地的重要保障，其集成要求不同于一般的信息系統集成。對于工程師來說不但需要了解高性能內部組件的組成和邏輯關系結構，同時也要考慮到計算軟件特性和應用模式。因此在系統建設時一定要明確好集成服務內容和標準。在最后確認系統穩定性和性能方面，需要至少開展以下幾方面的測試：

（1）浮點運算測試。即HPL(High Performance Linpack)，也叫高度并行計算基準測試，是針對現代并行計算機提出的測試方式，是評價高性能計算平臺的好壞的公用標準。在不修改任意測試程序的基礎上，可以調節問題規模大小、使用到的CPU 數目、使用各種優化方法等來執行該測試程序，以獲取最佳的性能。HPL 采用高斯消元法求解線性方程組。

（2）內存訪問性能測試。一般采用STREAM 為簡單向量內核（Simple Vector Kernels）持續內存帶寬和相應的計算速度基準測試。

（3）存儲帶寬測試。一般采用IOzone 工具為文件系統進行數據的讀取、寫入基準測試。

（4）軟件調優和集成。根據軟件的特性，充分將軟件使用簡單化，充分結合作業調度軟件的特性簡化使用操作，開展調度策略調試、功能集成等工作。

4.3 推薦建設路線

企業在初期建設，可采用行業/領域的一些最佳實踐，可做量的裁剪，不做配置的裁剪，建議可采用集成度較高的作業調度引擎+集群管理+作業門戶集成的方式建設；建設過程中，可根據技術能力儲備程度和未來業務發展需要選擇商業/開源的作業調度引擎，同時建議將集群管理、作業門戶分開部署，實現專業化管理，在集群管理平臺的選擇上要考慮未來云計算平臺的接口銜接問題；新舊系統更換階段，在選擇技術路線上，可根據資源的利用率和能耗開銷上逐步替代，優化隊列配置和集群管理系統的配合，實現資源的最優使用。

5 結論與展望

高性能計算機已經成為顛覆產品設計研發、引領創新的重要保障手段和技術。在當前航空制造業快速發展階段，航空制造業高性能計算基礎能力建設需加快建設步伐，補齊短板，首先解決高性能計算基礎能力與日常研制所需仿真計算需求嚴重不匹配的剛需問題，做好適應發展的合理規劃設計，保證系統建設的可持續；其次，充分利用云計算技術，多單位聯合，盤活一切可用計算資源，讓有限的投資發揮最大的能效。同時，兼顧人才隊伍的建設，加強高性能計算復合型人才的培養和儲備，需要借助各個領域力量打造培育行業高性能計算領域高端智庫，打造良性生態圈，實現領域能力的全面能力水平提升。隨著人工智能、工業大數據逐步從理論走向實踐，高性能計算技術在航空制造業的應用場景將更加多樣，做好儲備和需求牽引，推動整體發展。

利益沖突聲明

所有作者聲明不存在利益沖突關系。