1. 课程导入
电磁仿真已经从“能算一个模型”进入“要在有限时间内稳定算完大量模型”的阶段。无论是天线阵列、雷达散射截面、高速互连、微波器件，还是整车电磁兼容，工程团队面对的共同问题是：网格规模从百万级增长到数亿级，频点、参数扫描和优化迭代成倍增加，单机内存与核数很快触顶。此时，HPC（High Performance Computing，高性能计算）不再是可选项，而是电磁仿真能否进入产品开发主流程的基础设施。本课程围绕“算得动、算得快、算得稳、算得省”四条主线，讲解电磁仿真在HPC集群上的并行原理、资源调度、性能诊断与优化方法。
一、学习目标：从会用软件到会管算力
本课程不是单纯讲某个电磁仿真软件的按钮操作，而是把仿真软件、并行求解器、集群硬件、作业调度和性能数据放在同一张图上理解。学完本课程，应达到以下目标：
- 理解电磁仿真中FDTD、FEM、MoM、PO等主流算法的计算特征，以及它们对CPU、内存、网络和存储的不同需求。
- 掌握HPC集群的基本组成：登录节点、计算节点、高速互联、并行文件系统、作业调度器与许可证服务器。
- 能够根据模型规模、频点数量和精度要求，估算内存、核数、墙钟时间与许可证占用。
- 能够读懂求解器日志中的网格数、未知量、矩阵带宽、迭代步数、并行效率和I/O等待。
- 能够通过进程绑定、MPI/OpenMP混合并行、NUMA亲和、I/O调优和作业脚本参数，提升资源利用率。
- 能够定位常见性能瓶颈：内存不足、核间通信过重、负载不均、许可证争用、存储带宽饱和。
二、核心概念：算法、并行与资源的三层关系
电磁仿真的计算资源问题，可以拆成三层来看。第一层是算法层：不同求解器对内存和计算的需求差异极大。FDTD以时域步进为主，显式更新，单步计算轻但步数多，适合GPU和众核并行；FEM需要组装稀疏矩阵并求解大型线性方程组，内存消耗高，迭代求解器对通信敏感；MoM产生稠密矩阵，内存随未知量平方增长，通常依赖快速算法和分布式内存；PO/GO等高频近似方法计算量相对小，但射线追踪和遮挡判断存在负载不均。
第二层是并行层：共享内存并行（OpenMP/线程）适合单节点多核，分布式内存并行（MPI）适合跨节点扩展，混合并行则同时利用两者。并行效率不会随核数线性增长，通信、同步、负载不均和内存带宽会吃掉收益。第三层是资源层：计算节点、内存容量、NUMA结构、InfiniBand/RoCE网络、并行文件系统和作业调度器共同决定作业能跑多快、能跑多大。
三、整体框架：从建模到性能复盘的闭环
本课程按“建模—并行—调度—诊断—优化—复盘”的闭环展开。建模阶段要明确求解器、网格规模、频点与扫描参数；并行阶段要选择MPI进程数、线程数、GPU卡数和分区策略；调度阶段要编写作业脚本，申请合适的队列、核数、内存和时限；诊断阶段要读取日志、监控CPU/内存/网络/I/O；优化阶段要调整进程绑定、混合并行比例、I/O策略和许可证使用；复盘阶段要把每次作业的资源画像沉淀为模板，供后续项目复用。
| 阶段 | 关键问题 | 常用工具/参数 | 输出物 |
|---|---|---|---|
| 建模 | 模型多大？用哪个求解器？ | 网格数、未知量、频点列表 | 资源估算表 |
| 并行 | MPI/OpenMP/GPU如何配比？ | mpirun、OMP_NUM_THREADS、CUDA_VISIBLE_DEVICES | 并行方案 |
| 调度 | 申请多少核、内存、时限？ | Slurm sbatch、PBS qsub | 作业脚本 |
| 诊断 | 瓶颈在计算、通信还是I/O？ | top、perf、IPM、求解器日志 | 性能报告 |
| 优化 | 如何提升并行效率与资源利用率？ | 进程绑定、NUMA、I/O调优 | 优化记录 |
| 复盘 | 哪些参数可复用？ | 资源画像模板 | 最佳实践库 |
四、行业应用概览：不同场景的资源画像
在通信行业，大规模天线阵列和毫米波模块需要反复扫描波束与频点，FDTD和FEM混合使用，作业数量多、单作业规模中等，调度吞吐量比单作业极限性能更重要。在汽车行业，整车电磁兼容和雷达散射仿真模型巨大，FEM/MoM内存需求高，往往需要数百GB到数TB内存，跨节点并行和并行文件系统是关键。在航空航天领域，目标散射与天线布局常使用MoM+PO混合方法，未知量大、矩阵稠密，快速算法和GPU加速能显著缩短周期。在半导体与高速互连领域，封装和PCB的S参数提取频带宽、端口多，参数扫描密集，适合用作业数组批量提交。
五、常见误区与复盘思路
第一个误区是“核数越多越快”。实际上，当通信开销超过计算收益时，增加核数反而延长墙钟时间。第二个误区是“只看CPU利用率”。内存带宽饱和、NUMA跨节点访问、I/O等待都会让CPU空转。第三个误区是“忽略许可证”。电磁仿真软件许可证通常按核或按任务计费，许可证不足会让作业排队，资源利用率下降。第四个误区是“不做资源估算就提交”。模型未知量翻倍，内存可能增长数倍，直接导致作业被OOM Killer终止。
# 典型Slurm作业脚本片段：申请2节点、每节点32核、256GB内存
#!/bin/bash
#SBATCH --job-name=em_fem
#SBATCH --nodes=2
#SBATCH --ntasks-per-node=32
#SBATCH --cpus-per-task=1
#SBATCH --mem=256G
#SBATCH --time=24:00:00
#SBATCH --partition=compute
export OMP_NUM_THREADS=1
srun --mpi=pmi2 ./em_solver -i model.fem -n 64 -o result.log
复盘时建议记录四个数：实际墙钟时间、CPU利用率、峰值内存、并行效率。把“模型规模—资源申请—实际耗时”做成表格，下一次遇到相似模型就能快速匹配资源。电磁仿真HPC与计算资源优化的本质，是用工程化方法管理算力，让每一次仿真都可预测、可复现、可优化。