Page 67 - 2025年第56卷第7期

图 6 本地物理机并行计算结果（环境 1）

Case4：云计算效率分析。物理机 CPU 和内存资源有限，影响了并行计算性能，寻找高配资源的
计 算 机 提 升 并 行 计 算 效 率 是 另 一 新 思 路 。 本 算 例 基 于 阿 里 云 平 台 租 用 一 台 高 主 频 计 算 型 ecs.
hfc7.8xlarge 云服务器对模型进行并行计算和效率分析，结果如图 7 所示。

图 7 云服务器并行计算结果（环境 2）

如图 7（a）所示，随着计算机 CPU 核数的增多，模型求解时间缩短，但超过 12 核时并行提速效果
并不明显；计算不同并行核数下云服务器的并行效率，如图 7（b）所示。对云服务器的并行效率进行
边际效益分析，发现并行效率在 4 ~ 12 核时随着运行核数的增加而逐渐增加，在 12 核以后边际效益
递减。因此，本研究选择云服务器 12 核的并行核数进行模型求解，对应运行时间为 606 s，优于本
地最优效率下的运行时间 728 s。与串行计算 3314 s 相比，云服务器也大幅缩短了模型求解时间。
Case5：云集群效率分析。云服务器并行计算将模型求解时间大幅度优化，但对于需实时反馈调
度信息及时进行防洪决策，计算时间 606 s 仍需进一步优化。分布式集群利用多台服务器建立的集群
同时进行任务作业，使其成为复杂系统大型计算任务的理想选择。本案例租用 6 台 Case4 中同型号的
高主频计算型 ecs.hfc7.8xlarge 云服务器，建立云分布式集群开展实时防洪调度模型求解时间优化研究。
云分布式集群共设 1 个主节点和 6 个子节点，每个节点最高核数为 16 核，集群最高配置为 96 核构成
环境 3。
由 于 Case4 分 析 表 明 高 主 频 计 算 型 ecs.hfc7.8xlarge
云服务器并行效率最优为 12 核，兼顾计算时间和服务
器并行效率，集群并行计算开启最大核数为 72 核，计
算结果如图 8 所示。基于云分布式集群的水库群实时
防洪多目标风险调度模型求解时，云计算最大并行核

数 为 72 核 的 求 解 时 间 为 113 s， 相 比 较 单 一 云 服 务 器
最 优 运 行 效 率 为 12 核 时 ， 运 行 效 率 提 升 6 倍 。 因 此 ，
云集群可以满足水库群防洪多目标风险调度的实时性
要求。 图 8 云分布式集群并行化结果（环境 3）

— 893 —