SlideShare a Scribd company logo
1 of 62
Download to read offline
Workshop – Roma 24 ottobre 2014 
Modellazione Idraulica 2D 100X più veloce con RiverFlow2D Plus GPU 
Reinaldo Garcia, PhD
Modellazione Idraulica 2D 100X più veloce: 
Una realtà tramite RiverFlow2D Plus GPU 
Reinaldo Garcia, PhD Director or Model Development Hydronia, LLC 
A.Lacasta Computational Hydraulics Group University of Zaragoza 
(c) COPYRIGHT 2011-2014 Hydronia LLC. 
ALL RIGHTS RESERVED. THIS PRESENTATION AND ITS CONTENT IS PROTECTED BY U. S. COPYRIGHT LAW. 
Questa presentazione è stata tradotta in italiano ed adattata dalla IDRAN S.r.l. a partire dalla versione originale mantenendo tutti i diritti della Hydronia LLC riservati
Novità 
Novità del 2014: 
•febbraio: Modulo di Trasporto di Sedimenti 
•aprile: Modulo Trasporto di Contaminanti 
•maggio: Aggiornamento del modello GPU (10-15% più veloce della precedente versione) 
•agosto: PONTI E PARATOIE 
•RiverFLO-2D Plus  RiverFlow2D 
•OilFlow2D: dispersione di idrocarburi in terra 
In fase di sviluppo: 
•Dispersione di idrocarburi in acqua 
•Modello Idrologico: pioggia spazialmente distribuita, infiltrazione: GA, CN, Horton 
•Azione tangenziale del vento su superfici (FV) 
•Modulo 1D/2D 
•Modulo GPU più veloce 
•RiverFlow2D nella «nuvola» (versione Cloud)
Red River of the North USA 
Lavoro svolto nell’ambito di un accordo per attività di ricerca e sviluppo tra Hydronia-NOAA CRADA, 
650 km 
1,070,000 celle 
Idrogramma di 40 giorni 
RiverFlow2D GPU 
2 ore di tempo computazionale.
Applicazioni 2D del Modello Idraulico 
Tratti fluviali più lunghi 
10-100 km 
Griglie a maggiore risoluzione 
Diversi milioni di celle 
Tempi di simulazione più lunghi 
Giorni, mesi, anni 
Girate per scenari multipli
Evoluzione della velocità dei Processori
La parallelizzazione dei codici per utilizzo con PC a processori multipli é il metodo principale per velocizzare i modelli
Parallelizzazione del Codice 
•Memoria condivisa: OpenMP 
•Memoria distribuita: MPI 
•Unità di processamento grafico: GPU CUDA, OpenCL 
•La parallelizzazione è virtualmente impossibile per la maggior parte dei modelli esistenti
Problematiche per la parallelizzazione 
•Molti modelli esistenti sono virtualmente impossibili da parallelizzare 
•Sono stati programmati per vecchi processori 
•Spaghetti code
RiverFLO-2D 
•Modello 2D per acque poco profonde 
•Strutture idrauliche, trasporto di sedimenti, ecc. 
•Motore parallelizzato (OpenMP®) agli Elementi Finiti 
•Griglia triangolare irregolare e flessibile 
•Pre e Post-processori semplici: Argus ONE/SMS 
RiverFLO-2D 
(FE)
RiverFlow2D Plus 
RiverFLO-2D 
RiverFlow2D Plus 
•Motore Parellelizzato (OpenMP®) ai Volumi Finiti 
•Griglia triangolare irregolare e flessibile 
•Stessi Pre e Post-processori 
•Alta precisione (Errore di cons. volume << 10-12 % )
RiverFlow2D Plus CPU
La parallelizzazione in multipli processori non è sufficiente 
Numero di processori é limitato: 4, 6, 12… 
Molte volte la parallelizzazione in Open MP non è scalabile
Unità di Processamento Grafico: GPU 
• Progettate per accelerare la creazione di immagini da 
mostrare in un display. 
• La struttura altamente parallelizzata dei GPU moderni li 
fa più efficaci rispetto ai CPU generici se si deve 
processare algoritmi con una grande quantità di 
informazioni. 
• GPU è normalmente presente su schede grafiche. 
• Al contrario di un CPU, il GPU esegue lentamente molti 
thread simultaneamente piuttosto che eseguire un 
singolo thread velocemente
Ottimizzazione GPU 
•Richiede hardware specifico
RiverFlow2D Plus GPU 
RiverFLO-2D 
RiverFlow2D Plus 
RiverFlow2D Plus GPU 
•Motore ai Volumi Finiti GPU 
•Griglia triangolare irregolare e flessibile 
•Stessi Pre e Post-processori 
•Alta precisione (Errore di cons. volume << 10-12 % ) 
•Calcoli più veloci (>100x accelerazione)
RiverFlow2D Plus GPU 
RiverFLO-2D 
RiverFlow2D Plus 
RiverFlow2D Plus GPU 
•Diversi prodotti commerciali basati su tecnologia GPU sono stati rilasciati 
•GPU fornisce un processore multi-core (Permette di effettuare calcoli più veloci!) 
•Molti implementano la tecnologia GPU unicamente per modelli molto grandi a celle rettangolari utilizzando tecniche numeriche molto semplici (utilizzando a volte Precisione Singola)
Il nostro obiettivo è quello di «accelerare» piccole e grandi griglie 
…garantendo una elevata precisione
Sia la versione CPU che quella GPU devono garantire gli stessi risultati
RiverFlow2D Plus GPU 
Casi di studio
NVIDIA GeForce GTX 780 
•2304 CUDA Cores 
•3 Gb Memory 
•US$550
NVIDIA Tesla k20 
•2496 CUDA Cores 
•5 Gb Memory 
•US$2500
Green River 
•Griglia1 19,079 celle 
•Griglia2 154,880 celle 
•Griglia 3 1,878,607 celle 
•Idrogramma di 2 ore 
Idrogramma Q = 44,000 cfs 
Flusso uniforme
11X 
21X
39X 
56X
65X 
85X
River in California 
•357,611 celle 
•326,082 cfs 
•Idrogramma di 7 giorni 
Uscita libera 
0 
50000 
100000 
150000 
200000 
0 
50 
100 
150 
200 
0 
50000 
100000 
150000 
200000 
0 
50 
100 
150 
200
39X 
47X
Incremento della Produttività 
Assumendo che per un progetto si sviluppino in media 10 scenari/progetto, si risparmierebbe in termini di tempo: 
1400 ore / 58 giorni
NVIDIA GTX Titan Black 
•2880 CUDA Cores 
•6 Gb Memory 
•US$950 
•Con le ultime ottimizzazioni dell’algoritmo utilizzando questa nuova scheda é stata raggiunta una soglia di «accelerazione» di 100X
GTX 780, 12.05 
Tesla c2075, 21.48 
Tesla k20, 20.58 
Titan Black, 15.44 
GTX 780, 44.30 
Tesla c2075, 39.19 
Tesla k20, 56.09 
Titan Black, 58.22 
GTX 780, 79.85 
Tesla c2075, 50.26 
Tesla k20, 84.93 
Titan Black, [VALUE] 
0.00 
20.00 
40.00 
60.00 
80.00 
100.00 
120.00 
GTX 780 
Tesla c2075 
Tesla k20 
Titan Black 
RiverFlow2D GPU Speedup Tests 
1,878,607 
154,880 
19,079 
NVIDIA GPU CARD 
Number of cells
RiverFlow2D Plus GPU 
Attualmente disponibile 
Motore idrodinamico base 
Strutture idrauliche 
Prossimamente: versione GPU per: 
Trasporto di sedimenti 
Colate detritiche e di fango 
Trasporto di contaminanti
Modeling Oil Spills
Simulazione di dispersione di idrocarburi in terra 
•Terreni complessi 
•Flusso viscoso 
•Eventi istantanei 
•Multipli scenari 
•Migliaia di girate
OilFlow2D 
•RiverFlow2D + 
•Griglia flessibile 
•Celle triangolari 
•Flusso viscoso a pelo libero 
•Viscosità e densità degli idrocarburi 
•GIS-GUI 
•Collaborazione Hydronia / Università di Zaragoza R&D
Visualizzazione dinamica 
•Google Earth 
•Animazioni (avi)
Interfaccia rinnovata SMS di Aquaveo
Fuoriuscite istantanee
Grazie! Domande?
OilFlow2D/3D in «acqua» 
•OilTrack: modello commerciale 1996-2001 
•Simula traiettorie di fuoriuscite di idrocarburi e il comportamento in acque superficiali 
•Il campo di flusso viene simulato con una griglia triangolare flessibile 
•La dispersione viene concettualizzata come un insieme di molte «chiazze» che si muovono in uno spazio tridimensionale 
•Ogni «chiazza» ha diverse proprietà: massa, viscosità, ecc. che possono variare nel tempo e nello spazio
Comportamento della dispersione 
• Si prendono in considerazione diversi processi 
fisico-chimici: 
– Evaporazione 
– Emulsificazione 
– Dispersione 
– Dissoluzione 
– Sprofondamento 
– Interazione con la costa 
• Il modello calcola le variazioni delle proprietà 
dell’idrocarburo (ecc. viscosità) nel tempo e nello 
spazio
Base Dati 
•Base dati su scala mondiale 
•Proprietà fisiche di diversi tipi di idrocarburi 
•Utilizzata per calcolare evaporazione, emulsificazione, ecc. durante la simulazione 
•OilFlow2D (acqua) sarà rilasciato nella prima metà del 2015
RiverFlow2D: Modello di Trasporto di Contaminanti 
•Trasporto di sostanze dissolte e analisi termico in corpi d’acqua 
•Simulazione avanzata di avvezione- dispersione-reazione, incluso il decadimento 
•Multipli contaminanti 
•Multipli opzioni di visualizzazione e output
Modello di Trasporto di Contaminanti 
•Avvezione-Dispersione-Reazione 
•C: concentrazione del contaminante mediata nel tirante 
•Dxx, Dyy : coefficienti di dispersione 
휕 휕푡 ℎ퐶+ 휕 휕푥 ℎ퐶푈푥+ 휕 휕푦 ℎ퐶푈푦− 휕 휕푥 ℎ퐷푥푥 휕퐶 휕푥 − 휕 휕푦 ℎ퐷푦푦 휕퐶 휕푦 =푆
RiverFlow2D: Griglia raffinata 
Scarico del depuratore 
Idrogramma del fiume Trou-du-Nord
Concentrazione Totale N dal punto di scarico 
Treatment Plant Discharge 
Trou-du-Nord River Discharge 
0 
0.5 
1 
1.5 
2 
2.5 
3 
3.5 
0 
50 
100 
150 
200 
250 
300 
350 
Total N (mg/l) 
Distance (m) 
0 m3/s 
1 m3/s 
5 m3/s 
20 m3/s
Trou-du-Nord River 0.m3/s

More Related Content

Viewers also liked

Rischio alluvioni e propagazione di onde di piena
Rischio alluvioni e propagazione di onde di pienaRischio alluvioni e propagazione di onde di piena
Rischio alluvioni e propagazione di onde di pienaIDRAN SRL
 
RiverFlow2D Plus Rome_24/10/2014
RiverFlow2D Plus Rome_24/10/2014RiverFlow2D Plus Rome_24/10/2014
RiverFlow2D Plus Rome_24/10/2014IDRAN SRL
 
Program implementation and testing
Program implementation and testingProgram implementation and testing
Program implementation and testingabukky52
 
A2 blogs tasks and progress
A2 blogs tasks and progressA2 blogs tasks and progress
A2 blogs tasks and progressanishaaneeka
 
CONFERENZA ESRI ITALIA 2016
CONFERENZA ESRI ITALIA 2016CONFERENZA ESRI ITALIA 2016
CONFERENZA ESRI ITALIA 2016IDRAN SRL
 
Classification of Plants
Classification of PlantsClassification of Plants
Classification of PlantsMìhír Shah
 
Question 2-AS Evalssss
Question 2-AS EvalssssQuestion 2-AS Evalssss
Question 2-AS Evalssssanishaaneeka
 
3 peringkat dalam pengamatan
3 peringkat dalam pengamatan3 peringkat dalam pengamatan
3 peringkat dalam pengamatancheharun
 
Presentation
PresentationPresentation
PresentationEunice Ng
 
3+1 Internship Program Binus University
3+1 Internship Program Binus University3+1 Internship Program Binus University
3+1 Internship Program Binus UniversityEva Rahayu
 
Original slides from Ryan Dahl's NodeJs intro talk
Original slides from Ryan Dahl's NodeJs intro talkOriginal slides from Ryan Dahl's NodeJs intro talk
Original slides from Ryan Dahl's NodeJs intro talkAarti Parikh
 

Viewers also liked (14)

Rischio alluvioni e propagazione di onde di piena
Rischio alluvioni e propagazione di onde di pienaRischio alluvioni e propagazione di onde di piena
Rischio alluvioni e propagazione di onde di piena
 
RiverFlow2D Plus Rome_24/10/2014
RiverFlow2D Plus Rome_24/10/2014RiverFlow2D Plus Rome_24/10/2014
RiverFlow2D Plus Rome_24/10/2014
 
Program implementation and testing
Program implementation and testingProgram implementation and testing
Program implementation and testing
 
A2 blogs tasks and progress
A2 blogs tasks and progressA2 blogs tasks and progress
A2 blogs tasks and progress
 
CONFERENZA ESRI ITALIA 2016
CONFERENZA ESRI ITALIA 2016CONFERENZA ESRI ITALIA 2016
CONFERENZA ESRI ITALIA 2016
 
Classification of Plants
Classification of PlantsClassification of Plants
Classification of Plants
 
Question 2-AS Evalssss
Question 2-AS EvalssssQuestion 2-AS Evalssss
Question 2-AS Evalssss
 
Kayleeeee agh
Kayleeeee aghKayleeeee agh
Kayleeeee agh
 
3 peringkat dalam pengamatan
3 peringkat dalam pengamatan3 peringkat dalam pengamatan
3 peringkat dalam pengamatan
 
Presentation
PresentationPresentation
Presentation
 
Puja Dutta CV
Puja Dutta CVPuja Dutta CV
Puja Dutta CV
 
3+1 Internship Program Binus University
3+1 Internship Program Binus University3+1 Internship Program Binus University
3+1 Internship Program Binus University
 
Fusione Fredda, Tesla, Onda Scalare, Campo di Torsione, «Energia libera»..= T...
Fusione Fredda, Tesla, Onda Scalare, Campo di Torsione, «Energia libera»..= T...Fusione Fredda, Tesla, Onda Scalare, Campo di Torsione, «Energia libera»..= T...
Fusione Fredda, Tesla, Onda Scalare, Campo di Torsione, «Energia libera»..= T...
 
Original slides from Ryan Dahl's NodeJs intro talk
Original slides from Ryan Dahl's NodeJs intro talkOriginal slides from Ryan Dahl's NodeJs intro talk
Original slides from Ryan Dahl's NodeJs intro talk
 

Similar to RiverFlow2D GPU

Multitenancy con SQL Server e Azure SQL Database
Multitenancy con SQL Server e Azure SQL DatabaseMultitenancy con SQL Server e Azure SQL Database
Multitenancy con SQL Server e Azure SQL DatabaseGianluca Hotz
 
La nostra infrastruttura di produzione a container con Docker, Rancher e ZFS
La nostra infrastruttura di produzione a container con Docker, Rancher e ZFSLa nostra infrastruttura di produzione a container con Docker, Rancher e ZFS
La nostra infrastruttura di produzione a container con Docker, Rancher e ZFSMorlini Gabriele
 
Polyglot Persistance con PostgreSQL, CouchDB, MongoDB, Redis e OrientDB
Polyglot Persistance con PostgreSQL, CouchDB, MongoDB, Redis e OrientDBPolyglot Persistance con PostgreSQL, CouchDB, MongoDB, Redis e OrientDB
Polyglot Persistance con PostgreSQL, CouchDB, MongoDB, Redis e OrientDBSteve Maraspin
 
MySQL Tech Tour 2015 - Progettare, installare e configurare MySQL Cluster
MySQL Tech Tour 2015 - Progettare, installare e configurare MySQL ClusterMySQL Tech Tour 2015 - Progettare, installare e configurare MySQL Cluster
MySQL Tech Tour 2015 - Progettare, installare e configurare MySQL ClusterPar-Tec S.p.A.
 
October 2009 - JBoss Cloud
October 2009 - JBoss CloudOctober 2009 - JBoss Cloud
October 2009 - JBoss CloudJBug Italy
 
JBoss Clouds - JBug Roma october 2009
JBoss Clouds -  JBug Roma october 2009JBoss Clouds -  JBug Roma october 2009
JBoss Clouds - JBug Roma october 2009Sanne Grinovero
 
La nostra infrastruttura di produzione a container con Docker, Rancher e ZFS
La nostra infrastruttura di produzione a container con Docker, Rancher e ZFS La nostra infrastruttura di produzione a container con Docker, Rancher e ZFS
La nostra infrastruttura di produzione a container con Docker, Rancher e ZFS Imola Informatica
 
Presentazione - Algoritmo di Dijkstra
Presentazione - Algoritmo di DijkstraPresentazione - Algoritmo di Dijkstra
Presentazione - Algoritmo di DijkstraMassimoPalmisano
 
Azure for Game Developers
Azure for Game DevelopersAzure for Game Developers
Azure for Game DevelopersMarco Parenzan
 
2014.11.14 Implementare e mantenere un progetto Azure SQL Database
2014.11.14 Implementare e mantenere un progetto Azure SQL Database2014.11.14 Implementare e mantenere un progetto Azure SQL Database
2014.11.14 Implementare e mantenere un progetto Azure SQL DatabaseEmanuele Zanchettin
 
Mikhail Zakharenko - Super-scaling Magento with Docker, micro-services and mi...
Mikhail Zakharenko - Super-scaling Magento with Docker, micro-services and mi...Mikhail Zakharenko - Super-scaling Magento with Docker, micro-services and mi...
Mikhail Zakharenko - Super-scaling Magento with Docker, micro-services and mi...Meet Magento Italy
 
Super-scaling Magento with Docker, micro-services and micro-costs
Super-scaling Magento with Docker, micro-services and micro-costsSuper-scaling Magento with Docker, micro-services and micro-costs
Super-scaling Magento with Docker, micro-services and micro-costsMikhail Zakharenko
 
Praticamente... AWS - Amazon Web Services
Praticamente... AWS - Amazon Web ServicesPraticamente... AWS - Amazon Web Services
Praticamente... AWS - Amazon Web ServicesSpeck&Tech
 
SkyMedia: La tecnologia al servizio dell'intrattenimento
SkyMedia: La tecnologia al servizio dell'intrattenimentoSkyMedia: La tecnologia al servizio dell'intrattenimento
SkyMedia: La tecnologia al servizio dell'intrattenimentoMavigex srl
 
SQL Server Modern Query Processing
SQL Server Modern Query ProcessingSQL Server Modern Query Processing
SQL Server Modern Query ProcessingGianluca Hotz
 
Attività di affiancamento e sperimentazione sulle tecnologie cad cam negli st...
Attività di affiancamento e sperimentazione sulle tecnologie cad cam negli st...Attività di affiancamento e sperimentazione sulle tecnologie cad cam negli st...
Attività di affiancamento e sperimentazione sulle tecnologie cad cam negli st...Sardegna Ricerche
 
Open Source Day 2015 - DBaaS con Docker: un caso di studio
Open Source Day 2015 - DBaaS con Docker: un caso di studioOpen Source Day 2015 - DBaaS con Docker: un caso di studio
Open Source Day 2015 - DBaaS con Docker: un caso di studioPar-Tec S.p.A.
 

Similar to RiverFlow2D GPU (20)

Lezioni 2009
Lezioni 2009Lezioni 2009
Lezioni 2009
 
Thread
ThreadThread
Thread
 
OrientDB & Big Data
OrientDB & Big DataOrientDB & Big Data
OrientDB & Big Data
 
Multitenancy con SQL Server e Azure SQL Database
Multitenancy con SQL Server e Azure SQL DatabaseMultitenancy con SQL Server e Azure SQL Database
Multitenancy con SQL Server e Azure SQL Database
 
La nostra infrastruttura di produzione a container con Docker, Rancher e ZFS
La nostra infrastruttura di produzione a container con Docker, Rancher e ZFSLa nostra infrastruttura di produzione a container con Docker, Rancher e ZFS
La nostra infrastruttura di produzione a container con Docker, Rancher e ZFS
 
Polyglot Persistance con PostgreSQL, CouchDB, MongoDB, Redis e OrientDB
Polyglot Persistance con PostgreSQL, CouchDB, MongoDB, Redis e OrientDBPolyglot Persistance con PostgreSQL, CouchDB, MongoDB, Redis e OrientDB
Polyglot Persistance con PostgreSQL, CouchDB, MongoDB, Redis e OrientDB
 
MySQL Tech Tour 2015 - Progettare, installare e configurare MySQL Cluster
MySQL Tech Tour 2015 - Progettare, installare e configurare MySQL ClusterMySQL Tech Tour 2015 - Progettare, installare e configurare MySQL Cluster
MySQL Tech Tour 2015 - Progettare, installare e configurare MySQL Cluster
 
October 2009 - JBoss Cloud
October 2009 - JBoss CloudOctober 2009 - JBoss Cloud
October 2009 - JBoss Cloud
 
JBoss Clouds - JBug Roma october 2009
JBoss Clouds -  JBug Roma october 2009JBoss Clouds -  JBug Roma october 2009
JBoss Clouds - JBug Roma october 2009
 
La nostra infrastruttura di produzione a container con Docker, Rancher e ZFS
La nostra infrastruttura di produzione a container con Docker, Rancher e ZFS La nostra infrastruttura di produzione a container con Docker, Rancher e ZFS
La nostra infrastruttura di produzione a container con Docker, Rancher e ZFS
 
Presentazione - Algoritmo di Dijkstra
Presentazione - Algoritmo di DijkstraPresentazione - Algoritmo di Dijkstra
Presentazione - Algoritmo di Dijkstra
 
Azure for Game Developers
Azure for Game DevelopersAzure for Game Developers
Azure for Game Developers
 
2014.11.14 Implementare e mantenere un progetto Azure SQL Database
2014.11.14 Implementare e mantenere un progetto Azure SQL Database2014.11.14 Implementare e mantenere un progetto Azure SQL Database
2014.11.14 Implementare e mantenere un progetto Azure SQL Database
 
Mikhail Zakharenko - Super-scaling Magento with Docker, micro-services and mi...
Mikhail Zakharenko - Super-scaling Magento with Docker, micro-services and mi...Mikhail Zakharenko - Super-scaling Magento with Docker, micro-services and mi...
Mikhail Zakharenko - Super-scaling Magento with Docker, micro-services and mi...
 
Super-scaling Magento with Docker, micro-services and micro-costs
Super-scaling Magento with Docker, micro-services and micro-costsSuper-scaling Magento with Docker, micro-services and micro-costs
Super-scaling Magento with Docker, micro-services and micro-costs
 
Praticamente... AWS - Amazon Web Services
Praticamente... AWS - Amazon Web ServicesPraticamente... AWS - Amazon Web Services
Praticamente... AWS - Amazon Web Services
 
SkyMedia: La tecnologia al servizio dell'intrattenimento
SkyMedia: La tecnologia al servizio dell'intrattenimentoSkyMedia: La tecnologia al servizio dell'intrattenimento
SkyMedia: La tecnologia al servizio dell'intrattenimento
 
SQL Server Modern Query Processing
SQL Server Modern Query ProcessingSQL Server Modern Query Processing
SQL Server Modern Query Processing
 
Attività di affiancamento e sperimentazione sulle tecnologie cad cam negli st...
Attività di affiancamento e sperimentazione sulle tecnologie cad cam negli st...Attività di affiancamento e sperimentazione sulle tecnologie cad cam negli st...
Attività di affiancamento e sperimentazione sulle tecnologie cad cam negli st...
 
Open Source Day 2015 - DBaaS con Docker: un caso di studio
Open Source Day 2015 - DBaaS con Docker: un caso di studioOpen Source Day 2015 - DBaaS con Docker: un caso di studio
Open Source Day 2015 - DBaaS con Docker: un caso di studio
 

Recently uploaded

GIORNATA TECNICA 18/04 | SPIZZIRRI Massimo
GIORNATA TECNICA 18/04 | SPIZZIRRI MassimoGIORNATA TECNICA 18/04 | SPIZZIRRI Massimo
GIORNATA TECNICA 18/04 | SPIZZIRRI MassimoServizi a rete
 
GIORNATA TECNICA 18/04 | BENANTI Alessandro
GIORNATA TECNICA 18/04 | BENANTI AlessandroGIORNATA TECNICA 18/04 | BENANTI Alessandro
GIORNATA TECNICA 18/04 | BENANTI AlessandroServizi a rete
 
Descrizione della struttura architettonica Eretteo.pptx
Descrizione della struttura architettonica Eretteo.pptxDescrizione della struttura architettonica Eretteo.pptx
Descrizione della struttura architettonica Eretteo.pptxtecongo2007
 
GIORNATA TECNICA DA AQP 18/04 | MOTTA Simone
GIORNATA TECNICA DA AQP 18/04 | MOTTA SimoneGIORNATA TECNICA DA AQP 18/04 | MOTTA Simone
GIORNATA TECNICA DA AQP 18/04 | MOTTA SimoneServizi a rete
 
GIORNATA TECNICA 18/04 | DE ROSA Roberto
GIORNATA TECNICA 18/04 | DE ROSA RobertoGIORNATA TECNICA 18/04 | DE ROSA Roberto
GIORNATA TECNICA 18/04 | DE ROSA RobertoServizi a rete
 
GIORNATA TECNICA 18/04 | DE LEO Antonio
GIORNATA TECNICA 18/04  | DE LEO AntonioGIORNATA TECNICA 18/04  | DE LEO Antonio
GIORNATA TECNICA 18/04 | DE LEO AntonioServizi a rete
 
Presentzione Matematica similitudini circonferenze e omotetie.pptx
Presentzione  Matematica similitudini circonferenze e omotetie.pptxPresentzione  Matematica similitudini circonferenze e omotetie.pptx
Presentzione Matematica similitudini circonferenze e omotetie.pptxfilippoluciani9
 
GIORNATA TECNICA DA AQP 18/04 | ZONNO Serena
GIORNATA TECNICA DA AQP 18/04 | ZONNO SerenaGIORNATA TECNICA DA AQP 18/04 | ZONNO Serena
GIORNATA TECNICA DA AQP 18/04 | ZONNO SerenaServizi a rete
 
GIORNATA TECNICA 18/04 | LITTERIO Raffaele
GIORNATA TECNICA 18/04 | LITTERIO RaffaeleGIORNATA TECNICA 18/04 | LITTERIO Raffaele
GIORNATA TECNICA 18/04 | LITTERIO RaffaeleServizi a rete
 

Recently uploaded (9)

GIORNATA TECNICA 18/04 | SPIZZIRRI Massimo
GIORNATA TECNICA 18/04 | SPIZZIRRI MassimoGIORNATA TECNICA 18/04 | SPIZZIRRI Massimo
GIORNATA TECNICA 18/04 | SPIZZIRRI Massimo
 
GIORNATA TECNICA 18/04 | BENANTI Alessandro
GIORNATA TECNICA 18/04 | BENANTI AlessandroGIORNATA TECNICA 18/04 | BENANTI Alessandro
GIORNATA TECNICA 18/04 | BENANTI Alessandro
 
Descrizione della struttura architettonica Eretteo.pptx
Descrizione della struttura architettonica Eretteo.pptxDescrizione della struttura architettonica Eretteo.pptx
Descrizione della struttura architettonica Eretteo.pptx
 
GIORNATA TECNICA DA AQP 18/04 | MOTTA Simone
GIORNATA TECNICA DA AQP 18/04 | MOTTA SimoneGIORNATA TECNICA DA AQP 18/04 | MOTTA Simone
GIORNATA TECNICA DA AQP 18/04 | MOTTA Simone
 
GIORNATA TECNICA 18/04 | DE ROSA Roberto
GIORNATA TECNICA 18/04 | DE ROSA RobertoGIORNATA TECNICA 18/04 | DE ROSA Roberto
GIORNATA TECNICA 18/04 | DE ROSA Roberto
 
GIORNATA TECNICA 18/04 | DE LEO Antonio
GIORNATA TECNICA 18/04  | DE LEO AntonioGIORNATA TECNICA 18/04  | DE LEO Antonio
GIORNATA TECNICA 18/04 | DE LEO Antonio
 
Presentzione Matematica similitudini circonferenze e omotetie.pptx
Presentzione  Matematica similitudini circonferenze e omotetie.pptxPresentzione  Matematica similitudini circonferenze e omotetie.pptx
Presentzione Matematica similitudini circonferenze e omotetie.pptx
 
GIORNATA TECNICA DA AQP 18/04 | ZONNO Serena
GIORNATA TECNICA DA AQP 18/04 | ZONNO SerenaGIORNATA TECNICA DA AQP 18/04 | ZONNO Serena
GIORNATA TECNICA DA AQP 18/04 | ZONNO Serena
 
GIORNATA TECNICA 18/04 | LITTERIO Raffaele
GIORNATA TECNICA 18/04 | LITTERIO RaffaeleGIORNATA TECNICA 18/04 | LITTERIO Raffaele
GIORNATA TECNICA 18/04 | LITTERIO Raffaele
 

RiverFlow2D GPU

  • 1. Workshop – Roma 24 ottobre 2014 Modellazione Idraulica 2D 100X più veloce con RiverFlow2D Plus GPU Reinaldo Garcia, PhD
  • 2.
  • 3. Modellazione Idraulica 2D 100X più veloce: Una realtà tramite RiverFlow2D Plus GPU Reinaldo Garcia, PhD Director or Model Development Hydronia, LLC A.Lacasta Computational Hydraulics Group University of Zaragoza (c) COPYRIGHT 2011-2014 Hydronia LLC. ALL RIGHTS RESERVED. THIS PRESENTATION AND ITS CONTENT IS PROTECTED BY U. S. COPYRIGHT LAW. Questa presentazione è stata tradotta in italiano ed adattata dalla IDRAN S.r.l. a partire dalla versione originale mantenendo tutti i diritti della Hydronia LLC riservati
  • 4. Novità Novità del 2014: •febbraio: Modulo di Trasporto di Sedimenti •aprile: Modulo Trasporto di Contaminanti •maggio: Aggiornamento del modello GPU (10-15% più veloce della precedente versione) •agosto: PONTI E PARATOIE •RiverFLO-2D Plus  RiverFlow2D •OilFlow2D: dispersione di idrocarburi in terra In fase di sviluppo: •Dispersione di idrocarburi in acqua •Modello Idrologico: pioggia spazialmente distribuita, infiltrazione: GA, CN, Horton •Azione tangenziale del vento su superfici (FV) •Modulo 1D/2D •Modulo GPU più veloce •RiverFlow2D nella «nuvola» (versione Cloud)
  • 5. Red River of the North USA Lavoro svolto nell’ambito di un accordo per attività di ricerca e sviluppo tra Hydronia-NOAA CRADA, 650 km 1,070,000 celle Idrogramma di 40 giorni RiverFlow2D GPU 2 ore di tempo computazionale.
  • 6. Applicazioni 2D del Modello Idraulico Tratti fluviali più lunghi 10-100 km Griglie a maggiore risoluzione Diversi milioni di celle Tempi di simulazione più lunghi Giorni, mesi, anni Girate per scenari multipli
  • 7. Evoluzione della velocità dei Processori
  • 8. La parallelizzazione dei codici per utilizzo con PC a processori multipli é il metodo principale per velocizzare i modelli
  • 9. Parallelizzazione del Codice •Memoria condivisa: OpenMP •Memoria distribuita: MPI •Unità di processamento grafico: GPU CUDA, OpenCL •La parallelizzazione è virtualmente impossibile per la maggior parte dei modelli esistenti
  • 10. Problematiche per la parallelizzazione •Molti modelli esistenti sono virtualmente impossibili da parallelizzare •Sono stati programmati per vecchi processori •Spaghetti code
  • 11. RiverFLO-2D •Modello 2D per acque poco profonde •Strutture idrauliche, trasporto di sedimenti, ecc. •Motore parallelizzato (OpenMP®) agli Elementi Finiti •Griglia triangolare irregolare e flessibile •Pre e Post-processori semplici: Argus ONE/SMS RiverFLO-2D (FE)
  • 12.
  • 13.
  • 14. RiverFlow2D Plus RiverFLO-2D RiverFlow2D Plus •Motore Parellelizzato (OpenMP®) ai Volumi Finiti •Griglia triangolare irregolare e flessibile •Stessi Pre e Post-processori •Alta precisione (Errore di cons. volume << 10-12 % )
  • 16. La parallelizzazione in multipli processori non è sufficiente Numero di processori é limitato: 4, 6, 12… Molte volte la parallelizzazione in Open MP non è scalabile
  • 17. Unità di Processamento Grafico: GPU • Progettate per accelerare la creazione di immagini da mostrare in un display. • La struttura altamente parallelizzata dei GPU moderni li fa più efficaci rispetto ai CPU generici se si deve processare algoritmi con una grande quantità di informazioni. • GPU è normalmente presente su schede grafiche. • Al contrario di un CPU, il GPU esegue lentamente molti thread simultaneamente piuttosto che eseguire un singolo thread velocemente
  • 18. Ottimizzazione GPU •Richiede hardware specifico
  • 19.
  • 20.
  • 21. RiverFlow2D Plus GPU RiverFLO-2D RiverFlow2D Plus RiverFlow2D Plus GPU •Motore ai Volumi Finiti GPU •Griglia triangolare irregolare e flessibile •Stessi Pre e Post-processori •Alta precisione (Errore di cons. volume << 10-12 % ) •Calcoli più veloci (>100x accelerazione)
  • 22. RiverFlow2D Plus GPU RiverFLO-2D RiverFlow2D Plus RiverFlow2D Plus GPU •Diversi prodotti commerciali basati su tecnologia GPU sono stati rilasciati •GPU fornisce un processore multi-core (Permette di effettuare calcoli più veloci!) •Molti implementano la tecnologia GPU unicamente per modelli molto grandi a celle rettangolari utilizzando tecniche numeriche molto semplici (utilizzando a volte Precisione Singola)
  • 23. Il nostro obiettivo è quello di «accelerare» piccole e grandi griglie …garantendo una elevata precisione
  • 24. Sia la versione CPU che quella GPU devono garantire gli stessi risultati
  • 25. RiverFlow2D Plus GPU Casi di studio
  • 26. NVIDIA GeForce GTX 780 •2304 CUDA Cores •3 Gb Memory •US$550
  • 27. NVIDIA Tesla k20 •2496 CUDA Cores •5 Gb Memory •US$2500
  • 28. Green River •Griglia1 19,079 celle •Griglia2 154,880 celle •Griglia 3 1,878,607 celle •Idrogramma di 2 ore Idrogramma Q = 44,000 cfs Flusso uniforme
  • 32. River in California •357,611 celle •326,082 cfs •Idrogramma di 7 giorni Uscita libera 0 50000 100000 150000 200000 0 50 100 150 200 0 50000 100000 150000 200000 0 50 100 150 200
  • 34. Incremento della Produttività Assumendo che per un progetto si sviluppino in media 10 scenari/progetto, si risparmierebbe in termini di tempo: 1400 ore / 58 giorni
  • 35. NVIDIA GTX Titan Black •2880 CUDA Cores •6 Gb Memory •US$950 •Con le ultime ottimizzazioni dell’algoritmo utilizzando questa nuova scheda é stata raggiunta una soglia di «accelerazione» di 100X
  • 36. GTX 780, 12.05 Tesla c2075, 21.48 Tesla k20, 20.58 Titan Black, 15.44 GTX 780, 44.30 Tesla c2075, 39.19 Tesla k20, 56.09 Titan Black, 58.22 GTX 780, 79.85 Tesla c2075, 50.26 Tesla k20, 84.93 Titan Black, [VALUE] 0.00 20.00 40.00 60.00 80.00 100.00 120.00 GTX 780 Tesla c2075 Tesla k20 Titan Black RiverFlow2D GPU Speedup Tests 1,878,607 154,880 19,079 NVIDIA GPU CARD Number of cells
  • 37. RiverFlow2D Plus GPU Attualmente disponibile Motore idrodinamico base Strutture idrauliche Prossimamente: versione GPU per: Trasporto di sedimenti Colate detritiche e di fango Trasporto di contaminanti
  • 39. Simulazione di dispersione di idrocarburi in terra •Terreni complessi •Flusso viscoso •Eventi istantanei •Multipli scenari •Migliaia di girate
  • 40. OilFlow2D •RiverFlow2D + •Griglia flessibile •Celle triangolari •Flusso viscoso a pelo libero •Viscosità e densità degli idrocarburi •GIS-GUI •Collaborazione Hydronia / Università di Zaragoza R&D
  • 41. Visualizzazione dinamica •Google Earth •Animazioni (avi)
  • 43.
  • 44.
  • 45.
  • 46.
  • 47.
  • 48.
  • 49.
  • 50.
  • 52.
  • 53.
  • 55. OilFlow2D/3D in «acqua» •OilTrack: modello commerciale 1996-2001 •Simula traiettorie di fuoriuscite di idrocarburi e il comportamento in acque superficiali •Il campo di flusso viene simulato con una griglia triangolare flessibile •La dispersione viene concettualizzata come un insieme di molte «chiazze» che si muovono in uno spazio tridimensionale •Ogni «chiazza» ha diverse proprietà: massa, viscosità, ecc. che possono variare nel tempo e nello spazio
  • 56. Comportamento della dispersione • Si prendono in considerazione diversi processi fisico-chimici: – Evaporazione – Emulsificazione – Dispersione – Dissoluzione – Sprofondamento – Interazione con la costa • Il modello calcola le variazioni delle proprietà dell’idrocarburo (ecc. viscosità) nel tempo e nello spazio
  • 57. Base Dati •Base dati su scala mondiale •Proprietà fisiche di diversi tipi di idrocarburi •Utilizzata per calcolare evaporazione, emulsificazione, ecc. durante la simulazione •OilFlow2D (acqua) sarà rilasciato nella prima metà del 2015
  • 58. RiverFlow2D: Modello di Trasporto di Contaminanti •Trasporto di sostanze dissolte e analisi termico in corpi d’acqua •Simulazione avanzata di avvezione- dispersione-reazione, incluso il decadimento •Multipli contaminanti •Multipli opzioni di visualizzazione e output
  • 59. Modello di Trasporto di Contaminanti •Avvezione-Dispersione-Reazione •C: concentrazione del contaminante mediata nel tirante •Dxx, Dyy : coefficienti di dispersione 휕 휕푡 ℎ퐶+ 휕 휕푥 ℎ퐶푈푥+ 휕 휕푦 ℎ퐶푈푦− 휕 휕푥 ℎ퐷푥푥 휕퐶 휕푥 − 휕 휕푦 ℎ퐷푦푦 휕퐶 휕푦 =푆
  • 60. RiverFlow2D: Griglia raffinata Scarico del depuratore Idrogramma del fiume Trou-du-Nord
  • 61. Concentrazione Totale N dal punto di scarico Treatment Plant Discharge Trou-du-Nord River Discharge 0 0.5 1 1.5 2 2.5 3 3.5 0 50 100 150 200 250 300 350 Total N (mg/l) Distance (m) 0 m3/s 1 m3/s 5 m3/s 20 m3/s