服务器
在选择工作站/
服务器配置时，要考虑应用场景和所用软件的硬件需求。流体仿真场景往往大规模、复杂且高度并行，常涉及有限体积法、有限元法或者格子Boltzmann方法等，这就需要强大的系统与高性能硬件给予支持。这里GPU非常关键，先讲讲GPU计算和关联求解器的特点。GPU型号：其并行计算基于
NVIDIA的CUDA API，仅对
NVIDIA的GPU提供支持，像
NVIDIA Tesla和Quadro系列。单个80GB的
NVIDIA A100，性能是80个Xeon铂金8380核心集群的5倍。要是扩展到8个
NVIDIA A100 GPU，仿真速度能提高30倍还多。（2）GPU内存容量方面，GPU显存的消耗由案例大小、网格类型、启用的模型、精度以及部分求解器设置决定。比如，采用六面体网格、单精度，对每一百万单元模拟湍流时，大概需要1GB的GPU内存。（3）问题求解方面：支持3D几何，单精度与双精度、可压缩流、共轭传热，像Standard k - epsilon、k - omega SST等湍流模型，还有瞬态与稳态计算。显卡（GPU）方面，CUDA核心数量越多，计算性能就越强，在运行像Ansys Fluent、OpenFOAM的GPU加速模块这类基于CUDA的流体仿真软件时更是如此。并且，显存大小决定了可处理的网格规模，最好选择16GB显存起的，若进行复杂仿真则建议32GB或更高。鉴于提问者预算为10万，我们优先考虑
NVIDIA Tesla系列的高端专业卡，该系列支持双精度浮点运算（FP64）。（2）处理器（CPU）：GPU虽承担主要计算任务，但前处理、控制逻辑以及部分无法并行的任务还得靠CPU。平衡性能方面，高主频和多核心十分关键。优先选用主频不低于3.5GHz的CPU，这样能加快串行计算部分。像Intel Xeon系列或者
AMD EPYC系列处理器这种16核及以上的多核心且高频率的CPU是比较推荐的。（3）内存（RAM）：大规模网格计算时会有大量中间数据需存储，仿真规模越大，对内存要求越高。内存至少要有64GB，最好是128GB或者更多；若进行极为复杂的流体仿真或大规模工业仿真，可能需512GB。（4）存储（Storage）：建议将高速
硬盘或固态
硬盘（SSD）用作系统盘与数据盘，提升数据的读写速度。（5）网络（Network）：建议采用高速网络连接，像是Infiniband或者Omni - Path，这样能支持高效的并行计算。机箱：赋创经典塔式机箱，一台。主板型号为H12DSI - N6，数量1块。CPU为EYPC 7402（24核48线程），且有两颗。GPU：两张RTX A6000 48G双宽涡轮卡。内存为32G，8条DDR4 RECC 3200的内存条。电源：1个金牌ATX 1200W高效电源。1个480G的SATA 2.5寸企业级SSD。存储2：1块3.84T的企业级U.2 NVME 2.5寸SSD。上述配置可满足一般流体仿真计算的需求与特点，提升计算效率，具体配置能依实际场景做些调整。我们在GPU行业计算应用方面十分专注，有着12年多的丰富经验。我们会分析软件计算特性，提供专业匹配的
服务器硬件配置方案。若您有
服务器相关问题，或者想了解更详细信息，可随时私信我们。
