黑科技揭秘：如何通过阿里云超算，使得汽车仿真效率提升25%-程序员宅基地

在汽车行业，过去有一句俗话，一辆车从设计到下线，“至少要11辆真实碰撞试验”，今天，在现代化的汽车制造业，通过长期发展的设计和仿真软件，几乎所有的环节，都可以做到设计与仿真一体化的高性能计算实现，这一进步的背后需要依赖更强的并行计算集群和灵活的数据流动，以及实现复杂算法的工业仿真软件。

2018杭州云栖大会主论坛上，阿里云高性能计算发布环节对比演示了风洞汽车模型实验和数字仿真风洞。

展示环节首先通过风洞装置模型，现场以烟流法的方式展示了在不同风速条件下烟流经过模型车的不同轨迹，解释了传统汽车风洞实验的大致流程，并且大幅提升了测试效率。

这次演示背后的两大核心是SCC超级计算集群和E-HPC：使用阿里云SCC超级计算集群，结合E-HPC创建集群及集谛性能分析等操作流程，以可视化的形式展示ANSYS流体动力学软件基于SCC和E-HPC弹性高性能计算服务进行求解运算后的结果。

云上超级计算集群SCC

现场进行ANSYS Fluent F1赛车模型流体动力仿真计算的HPC集群计算节点由超级计算集群scch5实例组成。

SCC基于阿里云新一代弹性裸金属（神龙）服务器，既具备了云计算的弹性资源优势，又拥有了物理机的性能，在此之上加入高速RDMA互联支持，大幅提升网络性能，显著提高大规模集群加速比，这也是SCC独有的特点。

如果用公式表达的话：SCC = 弹性裸金属服务器+ RDMA网络；用阿里云高性能计算负责人、资深技术专家何万青的话说，“SCC拥有虚拟机的心脏，物理机的肌肉，高速的神经。”

弹性裸金属服务器（ECS Bare Metal Instance）计算性能与传统物理机无差别，具有安全物理隔离的特点。

RDMA（Remote Direct MemoryAccess）是一种直接存储器访问技术，它将数据直接从一台计算机的内存传输到另一台计算机，无需双方操作系统的介入。这允许高通量、低延迟的网络通信，尤其适合在大规模并行计算机集群中使用，SCC使用的是RDMA 的方案之一——RoCE网络。

同时SCC还与成熟的ECS管控完整对接，确保了用户体验一致性，且与阿里云VPC网络、NAS共享文件存储、CPFS高性能共享存储等产品完全整合，充分发挥云上生态优势，带来极致的计算体验。

弹性高性能计算E-HPC

如果说SCC提供的是高性能计算基础设施，那么E-HPC则为用户提供了一站式全业务流程的公共云HPC服务。

E-HPC通过集成PBS pro/Slurm等HPC调度器提供了并行调度功能，基于阿里云管控能力实现了根据负载进行集群规模自动伸缩，基于VPC网络及RoCE网络架构提供了并行通讯支持，由超算容器Shifter提供了容器部署功能，专门针对云上并行作业开发的集谛提供了性能监控分析和“性能大数据”积聚优化引擎。

在演示中，E-HPC提供了并行调度，自动扩容和并行通讯支持，使得大规模仿真成为可能。

相比传统超算中心以及自建IDC集群，E-HPC的优势也很明显：

相比传统超算中心，E-HPC可按需购买，无需排期，即买即用；实例种类多，可根据应用需求购置最适合的计算资源配比；充分复用阿里云产品，大大提高了数据安全性和高可用性。

相比自建IDC集群，E-HPC 可节约巨量 CAPEX 投入，包括但不限于硬件系统费用，软件许可证费用（如ANSYS支持云上elastic license），服务器机房建设，电力和制冷费用，平日运作的维护支持费用等，而且无需顾虑硬件升级换代，公共云确保了极强的可扩展性。

目前，阿里云HPC已经广泛应用于制造业以及科学计算等领域：上汽集团乘用车采用SCC集群进行混合仿真，整体提升25%效率；安世亚太基于SCC集群为客户提供HPC解决方案，总体成本下降20%以上；大连化物所国家重点实验室使用E-HPC集群做分子动力学仿真计算，相对上一代GPU集群效率提升200% 。

了解更多产品降价信息请戳链接
https://yunqi.aliyun.com/2018/hangzhou/product
了解更多阿里云产品请戳链接
https://www.aliyun.com/product/list?utm_code=p_2018090501
专属小游戏，《我和老板，那些不可描述的需求》等你来～
https://yq.aliyun.com/articles/641567

本文链接：https://blog.csdn.net/weixin_34168880/article/details/89619241

智能推荐

Intellij-对Matlab的支持-开源插件使用_idea 集成matlab-程序员宅基地

文章浏览阅读1.7k次。1、开源地址https://github.com/kornilova203/matlab-IntelliJ-plugin2、如何使用1、先在Maven或者别的方法将本插件下载到自己的intellij过程中2、直接运行，会出现报错，因为这个插件是辅助Matlab融合到Java开发环境中的，但并没有自带matlab编译器3、右键自己的matlab程序（一般是画图用的），找到Edit…4、导入自己本地的Matlab.exe路径，.m文件就能直接在intellij上运行了3、作用辅助m_idea 集成matlab

【文件上传绕过】十三—十五、文件头内容校验文件类型绕过_this file is not an image ctf-程序员宅基地

文章浏览阅读2.6k次。文章目录一、文件幻数介绍二、制作图片木马三、上传图片马四、本地搭建任意文件包含五、文件包含图片马一、文件幻数介绍这种方法利用的是每一个特定类型的文件都会有不太一样的开头或者标志位。可以通过比如php的exif_imagetype()/getimagesize()函数，一个通过这种方法来过滤的示例代码如下：if (! exif_imagetype($_FILES['uploadedfile']['tmp_name'])) { echo "File is not an image";_this file is not an image ctf

Definite game_chouti was doing a competitive programming competi-程序员宅基地

文章浏览阅读252次。Description:Chouti was doing a competitive programming competition. However, after having all the problems accepted, he got bored and decided to invent some small games.He came up with the following..._chouti was doing a competitive programming competition. however, after havin

聚焦电源模块批量自动化测试，NSAT-8000电源模块自动系统_电源模块批量自动化测试方案-程序员宅基地

文章浏览阅读75次。电源模块的质量直接影响着设备的性能和可靠性，因此，在设备的设计和制造过程中，对电源模块的测试是必不可少的。电源模块的测试是设备设计和制造过程中不可或缺的一部分，它可以帮助我们了解电源模块的性能、可靠性和安全性，以确保设备的正常工作。因此，在设备的设计和制造过程中，对电源模块的测试是必不可少的。此外，电源模块的可靠性测试是检查电源模块的可靠性，包括耐压测试、耐电流测试、耐温度测试、耐湿度测试、耐冲击测试等。最后，电源模块的安全性测试是检查电源模块的安全性，包括绝缘测试、漏电测试、短路测试、过载测试等。_电源模块批量自动化测试方案

redis 安装-程序员宅基地

文章浏览阅读4.2k次。Linux 下安装：想要下载那个redis版本可以到官网上找对应版本，通过wget方式下载，安装方式与下面类似，详细的可以查看官方文档。官网地址：https://redis.io/download安装命令：$ wget http://download.redis.io/releases/redis-5.0.3.tar.gz$ tar xzf redis-5.0.3.tar.gz...

IDEA-插件开发踩坑记录-第一坑-创建gradle工程编译失败_failed to apply plugin 'org.jetbrains.intellij'.-程序员宅基地

文章浏览阅读2.3w次，点赞16次，收藏20次。IDEA插件开发，第一步编译就失败，可能原因与如何解决？_failed to apply plugin 'org.jetbrains.intellij'.

随便推点

华为Mate60和Mate60 Pro有什么区别_华为60跟华为60pro区别-程序员宅基地

文章浏览阅读2.6k次。从外观来看，华为Mate60 Pro和Mate60最大区别就是在屏幕形态上，前者是另类的三孔设计，后者则是延续了Mate50的单孔设计，就个人审美角度来看，还是偏向于单孔屏的Mate60。当然，Pro也不是平白无故多了两个挖孔，为的就是增加更多功能，拥有更出色自拍体验的同时，还支持3D人脸识别技术，解锁体验相对更好。华为Mate60 Pro和华为Mate60都是5000万主摄，支持十档可变光圈调节，但Pro拥有更强的潜望式长焦镜头，像素达到4800万，标准版只有1200万，其他几颗镜头参数一致。_华为60跟华为60pro区别

基于空间注意力机制的卷积神经网络结合双向长短记忆神经网络CNN-BiLSTM-SAM-attention实现数据分类附matlab实现_注意力机制点卷积-程序员宅基地

文章浏览阅读1k次，点赞23次，收藏7次。本文提出了一种基于空间注意力机制的卷积神经网络结合双向长短记忆神经网络（CNN-BiLSTM-SAM-attention）的数据分类模型。该模型利用卷积神经网络提取图像的局部特征，并使用双向长短记忆神经网络对图像的全局特征进行建模。此外，该模型还利用空间注意力机制对图像的局部特征进行加权，以突出图像中重要的区域。实验结果表明，该模型在多个数据集上取得了良好的分类性能。卷积神经网络（CNN）是一种强大的图像分类模型，它能够自动学习图像的局部特征。然而，CNN在处理图像的全局特征时存在一定的局限性。_注意力机制点卷积