测试不同显卡加速GROMACS分子动力学模拟计算的性能

GPU算力资源不仅可以用于深度学习、大语言模型等AI应用领域，同样在科研、密集计算等专业领域也发挥着至关重要的作用，这里测试下不同显卡在分子动力学模拟计算场景下的性能表现。比较3080、3090、4090三种不同算力的GPU对Gromacs加速的效果。

GROMACS是一款开源的高性能分子动力学（MD）模拟软件，主要用于研究蛋白质、脂质、核酸等生物分子体系在溶液或晶体中随时间的动态行为，也可模拟聚合物和材料等非生物系统。

这里还是租用晨涧云AI算力平台的GROMACS云容器进行测试。

GROMACS测试用例

这里参考了AutoDL上Gromacs的测试用例，这个测试用例的输入数据集较小，所以可能有一定的应用场景局限性，CPU核数配置及GPU的选择需要用户根据自己的输入数据集大小进行灵活调整。

各显卡测试对比

Gromacs会使用CPU的并行计算能力，在多核多线程场景下可以看到几乎所有核的CPU利用率都跑满，但相应的GPU利用率不会跑满。Gromacs的CPU核GPU是协同工作的，且对CPU的依赖度更高，测试发现，不同显卡不同数据集使用场景需要调整合适的CPU核数和GPU的配比，才能使性能最优。

而且，算力越强大的GPU需要对应主频更强劲的CPU，或者配置更多的CPU核数，才能使GPU的算力尽可能的用起来。详见测试：

3080 测试

CPU型号：Intel(R) Xeon(R) Platinum 8275CL CPU @ 3.00GHz

16核

计算结果：

显卡使用情况：

24核

计算结果：

显卡使用情况：

3090 测试

CPU型号：Intel(R) Xeon(R) Platinum 8275CL CPU @ 3.00GHz

16核

计算结果：

显卡使用情况：

24核

计算结果：

显卡使用情况：

4090 测试

CPU型号：Intel(R) Xeon(R) Platinum 8473C

16核

计算结果：

显卡使用情况：

24核

计算结果：

显卡使用情况：

4090同时测试了32核的性能表现：

32核

计算结果：

显卡使用情况：

测试结果解释

计算结果的指标解释：

• Core t (s)：总 CPU 时间 (Total CPU Time)。是所有 CPU 核心或线程在模拟过程中消耗的时间总和，单位为秒 (s)。
• Wall t (s)：墙钟时间 / 实际运行时间 (Wall-Clock Time / Elapsed Time)。 是从模拟开始到结束所实际流逝的时间，单位为秒 (s)。
• (%)：并行效率 (Parallel Efficiency) 或加速比 (Speedup) 百分比。计算方式通常是 $\text{Core t (s)} / \text{Wall t (s)} \times 100%$。理想情况下，如果使用了 $N$ 个核心，这个百分比应该接近 N * 100%。数值越大越好。
• (ns/day)：关键性能指标，模拟速度 (Simulation Speed)，单位是每天模拟多少纳秒。
• (hour/ns)：每纳秒模拟时间所需的实际时间，单位是每纳秒 (ns) 需要多少小时 (hour)。是模拟速度 ($\text{ns/day}$) 的倒数形式，表示模拟的“成本”，是模拟速度 ($\text{ns/day}$) 的倒数形式，表示模拟的“成本”，数值越小越好。

主要看(hour/ns)这个指标，反应计算的性能表现。

GPU	核数	ns/day	峰值GPU利用率
3080	16	751.4	86%
3080	24	637.6	80%
3090	16	713.4	87%
3090	24	631.3	80%
4090	16	760.1	62%
4090	24	910.0	70%
4090	32	760.9	61%

测试中发现，当CPU核数太少或者太多时都不利用Gromacs性能指标ns/day的最大化，且不同GPU需要适配不同的CPU核数。

当CPU核数较少时，没办法充分释放GPU的算力，导致整体性能表现不佳，这个比较好解释；但当CPU核数过大是也会导致模拟速度的下降，问了下大模型，解释如下：

GROMACS 在 GPU 加速计算中常见的性能瓶颈问题，主要与 CPU-GPU 通信、负载平衡以及 Amdahl 定律有关。

当 GROMACS 使用 GPU 进行计算加速时（特别是对于较小的模拟体系），增加分配给模拟的 CPU 核数反而可能导致性能下降 ($\text{ns/day}$ 减小) 和 GPU 利用率降低。核心原因在于任务分配不均和数据传输开销。

在 GROMACS 中，计算任务通常被分配如下：

• GPU 任务（计算密集型）： 主要负责非键相互作用（Non-bonded forces）的计算，这是 MD 模拟中最耗时的部分。
• CPU 任务（管理与串行）： 主要负责键合相互作用、水模型约束（如 P-LINCS/SETTLE）、长程静电（如 PME 粒子网格）的傅里叶变换部分、数据管理、I/O 以及 CPU-GPU 之间的数据传输。

当您增加 CPU 核数时，会发生以下情况：

• 并行开销增加： 额外的 CPU 核需要相互通信和同步，多核同步的开销（Overhead）会随着核数增加而非线性增长。
• PME 傅里叶瓶颈： GROMACS 的 PME (Particle Mesh Ewald) 算法在傅里叶空间部分的计算通常在 CPU 上运行，并且是串行或并行效率较低的部分。随着 CPU 核数的增加，分配给每个核的 PME 任务量相对减少，但通信和同步等待时间却显著增加。

另外，还有发现3090在这个数据集场景下整体算力性能还不如3080，这个比较奇怪，但3090和3080本身算力差异没有很大，所以可能也有测试本身的随机性影响。

GPU和CPU选择

从上述测试来看，根据输入数据的大小和计算复杂度选择合适的GPU和CPU，可以带来更有的算力性价比。

• Gromacs非常依赖CPU，优先选择高性能的CPU；
• 根据输入数据和计算的紧迫性选择合适的GPU，更高算力的GPU会带来更优的性能；
• 选择高性能的GPU的同时，需要配置更好的CPU及更多的CPU核数，才能体现出高性能GPU的算力；
• 根据数据集大小，结合GPU的性能，配置合理的CPU核数，小数据集较低GPU不要配置过多的CPU核数；
• 对于小数据集，3080 20G显卡具有非常不错的算力性价比。