Parallel processing 大规模计算的Julia并行加速性能

一般上下文：

我用FORTRAN90开发了一个相当大的Navier-Stokes（有限差分）解算器。它具有自适应网格（因此存在负载平衡问题），我尝试了各种技术（MPI、OpenMP和OpenMP MPI hyrbid）来并行化它。然而，它的伸缩性不够好，即根据阿姆达尔定律，它并行运行96-97%的计算。此外，网格的一般大小为两亿个点，这将需要在以后增加

查询：

现在，我正在考虑切换到Julia，因为维护和向现有代码添加更多功能变得非常乏味

问题是我找不到一个关于朱莉娅平行表演的好答案。我在互联网上搜索过，也看过很多youtube视频。我注意到，大多数人都说Julia非常适合并行计算，有些人甚至提供了一个条形图，显示与串行代码相比所用时间的减少。然而，一些答案/视频非常陈旧，这使得它们有点不可靠，因为这种新语言的性质在不断增长

因此，我想知道该语言是否有能力扩展到几千个核心

额外信息：

我仍在努力提高现有代码的加速比，以在几千个内核中实现几乎线性的性能。解算器需要每个时间步交换重叠点3-4次。因此，它涉及到巨大的通信开销。但是，非自适应网格版本的代码很容易扩展到20k内核

---

我还读到Julia没有将InfiniBand标准用于并行数据通信。

以下文章给出了pde约束参数估计问题的缩放结果，但没有达到您似乎感兴趣的核心数：。我还没有看到任何达到数千个内核的示例

---

关于infiniband：默认情况下，Julia使用共享内存在节点内进行通信，并跨节点使用TCP/IP，因此默认情况下不支持infiniband。但是，该语言允许实现自定义传输，我想有人会在某个时候添加infiniband支持，但我无法通过快速的google搜索找到任何实现。

不是答案，但可能有帮助：a。用谷歌学者找到的。不幸的是，它是paywalled@FelipeLema谢谢那是一篇有趣的文章。然而，正如你正确地说的，它并没有回答这个问题。