C ++或Python用于开发CFD库

您会说两种为计算连续体力学编写通用（有限体积，fem，dg）库的方法的优缺点？这就是我现在所看到的，所以请提供您自己的经验，不要为我而发火:)：

1）C ++：

• 通用编程，虚函数，重载，速度...：所有可用的genreic + OOP工具来构建您想要的任何东西

• 大部分都提供低级库（没有广泛的科学和工程库开发，例如Python开发的库）

2）用于并行计算的Python +包装器（pyOpenCL等）

• 大量的各种支持库

• 编码您的想法：实施非常快

• 执行时间较慢

如果您想编写一个支持各种方法，处理复杂几何图形和问题的框架，那么您会选择什么？为什么选择？

我的目标是兼顾两者，并在Python中编写“用户界面”（即您的库用户将用来描述问题的几何形状和其他属性的函数框架）的代码，周转时间，然后用C ++编写模拟运行时间。

实际上，我可能甚至会先在Python中模拟仿真运行时，然后再用C ++代码逐段替换它。最终，您可以考虑让您的Python代码生成C ++源代码，以进行在线编译并链接到您的运行时，这样，实际的模拟根本不需要调用Python-仅在最后返回结果。这种设置的好处是它固有的敏捷性：从最快，最简单的工作解决方案开始，您将迅速找出有效和无效的解决方案，一旦有了您喜欢的东西，便可以开始加快它的速度。

（除了使用Maple代替Python外，这是Maple的ODE / DAE求解器的工作方式。完全公开：我为他们工作。）

您也可以将Cython用于您的算法。本质上，这是Python，其中添加了一些需要“快速”变量的类型信息。它将Python代码转换为C代码，随后可以由您喜欢的C编译器进行编译。仔细添加此类信息可使您的代码比纯朴的Python代码快150倍。

我认为这个问题还有更多。首先，最重要的是，开发人员通常会选择自己熟悉的技术，除非具有明显的优势（例如，在生产率，开发时间和工具方面）。就个人而言，我优先考虑生产力（时间通常是最稀缺的资源！），这有利于选择与我的经验基础相近的选择。

也许也相关的是

3）开发时间

• 保留多少时间用于开发
• 工作成果什么时候交付？如何？
• 是否已经存在可以完成这项工作的代码？（唯一性？）

4）保养

• 有多少（人）资源专用于维护？
• 有多少人要编写代码？
• 代码会在某个时候发布吗？（条件？）
• 该代码将依赖第三方库吗？

5）许可问题

• 是研究代码吗？
• 的商业代码是什么？

6）生产力和娱乐因素（通常被忽略！）

• 在哪里最有生产力？
• 在哪里可以找到最有趣的发展？
• 是否有机会成为（社交）网络的一部分？

这取决于您的代码是否可以编写为：

some_library_specific_type grid;

for t=0 to T do
    library_function_1(grid,...);
    library_function_2(grid,...);
end

或必须这样写：

some_home_made_mixture_of_native_types grid;

for t=0 to T do
    for all grid elements as g do
        some_function(g,...);
        library_function(g,...);
    end
end

在第一种情况下，选择最喜欢的代码；在第二种情况下，不要使用任何脚本语言，也不要准备遭受执行时间的困扰。

作为艾伦答案的推论（您自己的开发人员时间是最宝贵的资源）：使用其他人已经做过的事情。您说您想开发一个用于计算连续性力学的库，但是已经有一些库如此之大，以至于它们几乎总是已经具有所需的一切。看一下Deal.II，举例来说，所有可以写成有限元问题的东西，用于流体动力学的OpenFOAM，或者用于双曲线问题的PyCLAW / CLAWPACK。例如，Deal.II要求您使用C ++进行编程，但实际上，编程水平通常很高，以至于人们可以说这就像使用C ++语法的FEM代码的领域特定语言一样。