（如何）编写运行速度更快的模拟？

我已经开始使用python作为编程语言来执行CFD中的所有作业。我在编程方面经验很少。我来自机械工程领域，正在从事航空航天工程的高等教育。

有时，CFD的计算方面比处理方程式或进行数学运算更乏味。

有哪些一般准则可以使我们的程序运行更快？做并行处理的技巧是什么？如何编写运行速度更快的代码？

我在哪里可以得到回答上述问题的资源（对于像我这样的外行人来说很容易理解）？

algorithms python fluid-dynamics

— 苏博德
source

可能有重复的方法，哪些方法可以改善我的代码的串行性能？

— 2012年

@丹，我不这么认为。我要求提供“任何”可能的资源，以帮助了解新手编程策略。我没有任何特定的要求或条件。更具体地说，我要求提供有助于使代码更加美观的资源。

— Subodh 2012年

您是否固定使用python或会考虑使用C ++？在这种情况下，我将建议两件事：学习C ++，找到一个开放源代码库（在我的情况下为OpenFOAM），不要从头开始开发东西，而是学习，研究高级代码，了解它的方面，更改和实验，所有这些都有特定的目的：例如您的空气动力学模拟。

— tmaric 2012年

@ tomislav-maric，非常感谢。我不是严格的“ pythonian”。实际上，作为该领域的新手，我想我面前有很多选择。我也在学习OpenFOAM。因此，我同意您的观点，即应该开始从事一个项目并从中学习（或者简而言之，动手做），这正是我应该做的！谢谢。

— Subodh 2012年

@smj顺便说一句，我也是机械工程专业的人，我现在是计算机科学的研究生（机械工程并没有为此做好准备）...如果您正在使用OF，请搜索C ++书籍列出堆栈溢出，然后开始学习。您需要三件事：C ++，OpenFOAM和来自计算科学的知识。通过OpenFOAM和计算科学，您可以通过树突状学习：找到任务并完成任务，根据需要进行学习。完成一些事情会激励你。至于C ++：从C ++ Primer开始学习。祝好运！:)

— tmaric 2012年

Answers:

考虑到您专门要求使用Python，我将尝试回答您的问题。我将描述自己解决模拟问题的方法。本说明中给出了用于更快仿真的策略。

首先，我用Python制作了新的模拟原型。当然，我会尽量利用NumPy和SciPy。NumPy提供了适合于数值模拟的数组数据类型，而SciPy提供了适用于NumPy数组的广泛数值例程。

一旦原型工作或多或少，我将尝试了解程序或脚本的哪些部分是瓶颈。有典型的候选人：

Python中的循环很慢。非常慢。
由于Python使用鸭子类型，所以调用函数可能很慢。

我使用一种简单的分析策略来了解所有运行时间都花在了哪里。使用IPython shell（我不能推荐足够多的东西），我使用

%timeit script.py

这个“魔术命令”将为您进行性能分析（使用timeit），并在脚本终止后向您显示带有时间的列表。使用此列表可以找出您的代码太慢的地方。

一旦确定了需要加速的部分，就可以考虑使用编译语言。我将指出两个解决方案。

首先，有Cython语言。Cython是一种非常类似于Python的编程语言（实际上，Python代码通常也是有效的Python代码）；但是，Cython编译器将Cython文件转换为C代码，然后可以将其编译为可从Python使用的模块。Cython了解NumPy数组。使用Cython可以通过两种方式为您提供帮助：首先，您可以介绍数据类型。这将加速函数调用。同样，如果您遍历数组，则循环将运行得更快（实际上，如果同时输入了哑变量和数组，则会得到普通的C循环！）。其次，在我的实验中，甚至无类型脚本的运行速度也要快一些，因为它们是编译而不是解释的。

对您有用的另一种编译语言是Fortran。将Fortran与Python结合使用的方式有多种（f2py，fortwrap，Cython）。就我个人而言，f2py似乎是最简单的方法，我将快速描述它的作用。f2py可以将Fortran代码编译为Python模块。它将允许您将NumPy数组用作Python空间中的输入和输出变量。在Fortran空间中，这些将是普通的Fortran阵列。您可以全速运行Fortran。

就个人而言，我倾向于使用Cython，其中函数调用的数量是瓶颈。对于繁重的工作，我更喜欢f2py（也许是因为我有很强的Fortran背景）。

关于Fortran的其他说明：现代Fortran的读取和写入与NumPy非常相似-语法非常接近。这使得将NumPy代码转换为Fortran代码变得容易。

请注意，Cython和f2py都以某种方式支持并行处理。对于Cython，您将在这里找到帮助，而对于Fortran，则有诸如OpenMP或MPI之类的标准技术。此外，也有用于MPI的 P ython包装器。就个人而言，我在Python级别上使用mpi4py以及在Fortran中使用OpenMP。

让我推荐一些文献：H.-P着的《计算科学的Python脚本》一书。总体而言，Langtangen是有关Python以及关于使Python更快一点的策略的重要资源。不幸的是，AFAIR没有在Cython上提及任何内容。在我作为第二篇资源时，您可能会看到这些幻灯片。这些给出了我在本文中提到的所有内容的示例（另请参见此处的代码和源代码）。互联网上还有许多其他不错的幻灯片。

如果您还有其他具体问题，我们很乐意为您提供帮助！

— 亚历克斯
source

另请参见有关优化代码的scipy讲座，以获取Python分析器的概述。

— 丹尼斯

对于CFD + Python，有一个解决方案：http : //pythonflu.wikidot.com/这些是OpenFOAM之上的Python绑定（在问题注释中已经提到）。这些绑定允许在“求解器级别”上进行编程（有些示例在Python中复制了原始OpenFOAM求解器，并且它们的运行速度不比原始版本慢-另一个答案中提到的慢循环在这里不是问题，因为发生了“内部循环”在OpenFOAM的C ++代码中）。

这些绑定的优点还在于，OpenFOAM中的所有并行化都在求解器级别下进行，因此您不必为它烦恼（以及OpenFOAM核心要处理的其他内容：输入/输出，线性求解器，算子离散化）

因此，如果您只想编写一个新的求解器而又不向OF核添加新功能（边界条件，线性求解器等），那么PythonFlu可能就足够了，您可以避免使用C ++（它的学习方法比蟒蛇）

PS：本来想将此添加为对原始问题的讨论的评论，但我的声誉不允许我这样做

— bgschaid
source

嗨，伯恩哈德！欢迎来到scicomp！:)

— tmaric