在有限元計算中，對于網格數量巨大且復雜的問題需要迭代數量大，這個時候，電腦的配置好壞將是制約運算速度的關鍵點，通常使用的工作站、刀片機集群、甚至超算，什么情況下采取不同的計算機配置呢？一起來看看涉及的相關計算：

1.并行計算（Parallel Computing）

并行計算的主要目的是快速解決大型且復雜的計算問題。并行計算可以劃分成時間并行和空間并行。時間并行即流水線技術，空間并行使用多個處理器執行并發計算，當前研究的主要是空間的并行問題。以程序和算法設計人員的角度看，并行計算又可分為數據并行和任務并行。數據并行把大的任務化解成若干個相同的子任務，處理起來比任務并行簡單。空間上的并行導致兩類并行機的產生，按照Michael Flynn（費林分類法）的說法分為單指令流多數據流（SIMD）和多指令流多數據流（MIMD），而常用的串行機也稱為單指令流單數據流（SISD）。MIMD類的機器又可分為常見的五類：并行向量處理機（PVP）、對稱多處理機（SMP）、大規模并行處理機（MPP）、工作站機群（COW）、分布式共享存儲處理機（DSM）。

2.分布式計算（Distributed Computing）

分布式計算，把需要進行大量計算的工程數據分區成小塊，由多臺計算機分別計算，在上傳運算結果后，將結果統一合并得出數據結論。目前常見的分布式計算項目通常使用世界各地上千萬志愿者計算機的閑置計算能力，通過互聯網進行數據傳輸。

3.并行計算與分布式計算的區別

并行計算的任務包之間相互影響，要求每個的計算結果要絕對正確，而且在時間上要盡量做到同步。而分布式的任務包互相之間有獨立性，上一個任務包的結果未返回或者是結果處理錯誤，對下一個任務包的處理幾乎沒有什么影響。因此，分布式的實時性要求不高，而且允許存在計算錯誤（因為每個計算任務給好幾個參與者計算，上傳結果到服務器后要比較結果，然后對結果差異大的進行驗證。

4.集群計算(Cluster Computing)

計算機集群將一組松散集成的計算機軟件或硬件連接起來高度緊密地協作完成計算工作。在某種意義上，他們可以被看作是一臺計算機。集群系統中的單個計算機通常稱為節點，通常通過局域網連接。根據組成集群系統的計算機之間體系結構是否相同，集群可分為同構與異構兩種。集群計算機按功能和結構可以分為：（1）高可用性集群（High-availability (HA) clusters）一般是指當集群中有某個節點失效的情況下，其上的任務會自動轉移到其他正常的節點上。某節點進行離線維護再上線，也并不影響整個集群的運行。（2）負載均衡集群（Loadbalancing clusters），又稱服務器群（Server Farm），一般通過一個或者多個前端負載均衡器，將工作負載分發到后端的一組服務器上。一般會同時具有高可用性與負載均衡的特點。（3）高性能計算集群（High-performance (HPC)clusters）主要用于科學計算，適合完成并行運算，在計算中各計算節點之間會發生大量數據通訊。

5.網格計算（Grid Computing）

組合與共享資源并確保系統安全，利用大量異構計算機的未用資源（CPU周期和磁盤存儲），將其作為嵌入在分布式電信基礎設施中的一個虛擬的計算機集群，為解決大規模的計算問題提供一個模型。

6.集群計算與網格計算的區別

網格與傳統集群的主要差別是網格是連接一組相關并不信任的計算機，它的運作更像一個計算公共設施而不是一個獨立的計算機。網格本質上就是動態的，集群包含的處理器和資源的數量通常都是靜態的。在網格上，資源則可以動態出現或從網格中刪除。集群互連技術可以產生非常低的網絡延時，而網格由于動態特性，可以提供很好的高可擴展性。很多網格都在自己管理的資源中采用了集群。

7.云計算（Cloud Computing）

云計算除了計算概念，還有運營服務等概念，應用分布式存儲和分布式緩存、虛擬化等技術。主要面向社交網絡、企業IT建設和信息化等領域，以數據密集型、I/O密集型應用為主。它是分布式計算、并行計算和網格計算的發展，或者說是這些概念的商業實現。

8.超算 （HPC）

超級計算機，主要面向科學計算、工程模擬等領域，大多屬于計算密集型的應用。

9.超算與云計算的區別

超級計算機就好比是F1，而云就好比是公共汽車。F1可以非常快地把一個人帶到目的地，而公共汽車擅長同時為多個乘客服務。云使用虛擬化技術提高CPU和IO利用率，而超級計算機生來就是為了跑滿CPU的，使用虛擬化技術反而拖后腿。

不同的計算量需要不同的電腦配置，這取決于許多因素，如經濟實力、人員技術水平、項目問題解決的頻次等。當選定電腦計算后，具體影響計算的硬件因素如下：

1、CPU：決定網格計算速度；

關于CPU和內存的要求：

首先CPU和內存頻率越高,計算速度就會越快。如確保CPU所有的核心100%進行運算,所進行運算的數據容量一定不要超過可使用的空閑內存容量,否則整個計算過程要被內存空間不足,從虛擬內存、硬盤中頻繁數據調用讀取,造成cpu時間延遲等待.

關于網絡計算規模對應CPU核數：

從現有規格Xeon E3、Xeon 5600處理器規格來講，通常小規模（300萬網格以內）推薦4核圖形工作站，中大規模（600萬網格以內）推薦8核圖形工作站，超大規模（1000萬網格）推薦12核圖形工作站。

2、內存：決定的網絡計算規模；

核與內存容量的比例：

每個核與內存數據計算量大概在1:4~8比較合理 ，例如4核對應內存16GB~32GB，8核對應32GB~64GB，12核對應48GB~96GB，當然內存越大越好，XASUN獨有的內存虛擬硬盤軟件可以幫助你大幅縮短數據交換時間。

網格規模與內存容量合理分配：

如果設置ABAQUS使用的內存上限超過實際的物理內存，調用的數據就會從虛擬內存、硬盤來讀去，CPU的等待時間大大變長，造成計算速度整體下降。所以務必保證控制好數據占用內存容量上限，必須是計算機物理內存實際能空閑提供給ABAQUS使用的內存。

3、硬盤：決定隱式計算中間數據回寫性；

硬盤的性能：

在計算過程中，如果內存容量不夠, 數據文件是放在硬盤上的, 如果內存足夠大的話, 這個文件則會由ABAQUS進行任務調度放入內存以提高速度, 即設定內存使用量的百分比. 這個不是指所需的內存量, 而是作為一個控制磁盤剩余空間的參數.

內存容量畢竟有限，如果模型特別大的話，兩類文件加起來得幾十個GB，肯定得往硬盤里寫數據。所以提升效率最經濟的方法就是把硬盤讀寫的速度提上去，就得通過RAID方式提升硬盤的讀寫性能，詳細推薦參考下面配置方案中得硬盤使用。

4、顯卡：決定計算結果的圖形生成可視化模型規模和性能；

計算中的操作軟環境注意：

一般計算所用的操作系統，基本都是window和linux 64位，但是基于Linux環境的計算時間普遍比Windows環境要短的多，另外安裝過程也有很多注意事項，只有對整個運行過程非常了解，設置合理，對計算速度提升非常大的。