你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

本文介绍了在虚拟机 (VM) 上运行 AVL FIRE M 应用程序的步骤，以及 Azure 上部署的高性能计算 (HPC) 群集。 本文还介绍了在 Azure CycleCloud 上运行 AVL FIRE M（一个 Azure HPC 群集）的性能结果。

AVL FIRE M 是适用于内燃机的领先计算流体动力学 (CFD) 模拟包。 在电动汽车的新时代，它已发展成为一个全面的软件工具，为广泛的应用提供解决方案。 它模拟：

AVL FIRE M 旨在准确模拟相关的物理和化学特性，可实现燃料喷射、点火、燃烧和发动机排放的预测模拟。 它还展示了如何定制尾气后处理系统的组件。 它为蓄电池和燃料电池的电化学和热行为提供了模型。

AVL FIRE M 提供：

下面的列表列出了在 Azure 上部署 AVL FIRE M 的好处：

此图显示了多节点配置：

下载此体系结构的 Visio 文件。

Azure 上 AVL FIRE M 的性能测试使用了运行 Linux CentOS 操作系统的 HBv3 系列 VM。 下表提供了配置详细信息：

要使用 InfiniBand，需要启用 InfiniBand 驱动程序。

在安装 AVL FIRE M 之前，请部署并连接 VM 或 Azure HPC 群集。

有关部署 VM 和安装驱动程序的详细信息，请参阅 在 Azure 上运行 Windows VM 或在 Azure 上运行 Linux VM。

有关部署 Azure CycleCloud 和 Azure HPC 群集的详细信息，请参阅这些资源。

可以在 AVL 自助服务门户上下载 AVL FIRE M 产品。 或者，可以通过运行安装程序可执行文件 (AVL SETUP.run) 来安装应用程序，而无需下载大型安装映像。 有关如何下载、安装和许可 AVL FIRE M 的详细信息，请参阅 AVL Fire M 网站。

为了获得性能结果，AVL FIRE M 运行稳定状态模拟。 以下是用于在虚拟机上进行 AVL FIRE M 性能验证的模型的详细信息。

DrivAer_BodyFitted：Open Cooling DrivAer Notchback 是一个与汽车行业相关的现实测试用例，并被公认为汽车 CFD 相关性的标准。 有关详细信息，请参阅 Hupertz, B.、Chalupa, K.、Krueger, L.、Howard, K. 等人撰写的 DrivAer_BodyFitted SAE 技术论文：On the Aerodynamics of the Notchback Open Cooling DrivAer: A Detailed Investigation of Wind Tunnel Data for Improved Correlation and Reference (SAE Int. J. Adv. & Curr. Prac. in Mobility 3(4):1726-1747,- 2021)。

DrivAer_EmbeddedBody：AVL FIRE M 中的嵌入式主体方法几乎不需要传统网格，是比较评估的标准（贴体）的替代方法。 有关详细信息，请参阅 Basara, B.、Zunic, Z.、Pavlovic, Z.、Sampl, P. 等人撰写的 DrivAer_EmbeddedBody SAE 技术论文：Performance Analysis of Immersed Boundary Method for Predicting External Car Aerodynamics (SAE Technical Paper 2022-01-0889, 2022)。

注意

分析稳定状态 RANS 模拟通过分解的网格运行。

下表提供了详细信息：

DrivAer_BodyFitted 和 DrivAer_EmbeddedBody 模型用于此性能评估。

下图显示了 DrivAer_BodyFitted 模型结果。

下图显示了 DrivAer_EmbeddedBody 模型结果。

稳定状态 CFD 分析是在 Azure CycleCloud 多节点设置上使用 HBv3 AMD EPYC™ 7V73X (Milan-X) VM 执行的。 单节点结果被视为比较多节点 CPU 运行的基线。

下表显示 DrivAer_BodyFitted 的加速性能结果。

下图显示 DrivAer_BodyFitted 加速性能结果。

下图显示 DrivAer_BodyFitted 执行时间结果。

下表显示 DrivAer_EmbeddedBody 的加速性能结果。

下图显示 DrivAer_EmbeddedBody 的加速性能结果。

下图显示 DrivAer_EmbeddedBody 执行时间结果。

注意

为了提高加速性能，对于单相不可压缩流模拟，每个 CPU 必须至少有 20,000 个单元。

有关测试的其他说明：

这些成本计算仅考虑了已用的求解器运行时间（总运行时间）。 不考虑应用程序安装时间。 计算是相关的。 实际数字取决于模型的大小。

使用 Azure 定价计算器估算配置的成本。 运行时间（小时）见下表。 要计算总成本，请乘以节点数和虚拟机每小时成本。 有关当前的每小时成本，请参阅 Linux 虚拟机定价。

注意

*此处提供的总运行时间仅适用于 300 次迭代。 完全收敛解的分析时间可能会有所不同。 **此处提供的总运行时间仅适用于 500 次迭代。 完全收敛解的分析时间可能会有所不同。

本文由 Microsoft 维护， 最初由以下贡献者撰写。

主要作者：

其他参与者：

若要查看非公开领英个人资料，请登录领英。