1.概要

解析の内容について

この章で扱うモデルはチュートリアル1と同じ、OpenFOAMの配布物に含まれているcavity問題です。 ここでは、パラメータスタディの例として、レイノルズ数を変えて3パターンのケースを実行し、結果をjupyter notebook上で 表示します。

環境設定

#dockerのインストール

事前に、次の2つのファイルをダウンロードし、同じディレクトリにtgzファイルを展開してください。

ダウンロードしたディレクトリに移動して docker compose up を実行すると、次の3つのコンテナが起動します

  • WHEEL
  • jupyter notebook
  • OpenFOAM

img

ブラウザを立ち上げて http://localhost:8089/ にアクセスするとWHEELのHOME画面が起動します。 [OPEN]ボタンをクリックして、さきほど展開したプロジェクトファイルを開いてください。

remotehost設定の追加

remotehost設定画面を開いて、[NEW REMOTE HOST SETTING] ボタンをクリックし wheelコンテナからopenfoamコンテナへアクセスするための新規設定を作成します。

次の内容を入力したらOKボタンをクリックして終了してください。

label 値
label openfoam
Hostname openfoam
Port number 22
User ID testuser

img

プロジェクトの内容

本プロジェクトは、OpenFOAMコンテナ内のチュートリアルデータ(cavity問題)をコピーし、 動粘性係数をそれぞれ0.01(デフォルト値)、0.005, 0.001 と設定して実行するものです。 レイノルズ数としては、それぞれ10,20,100となります。

img

初めに、OpenFOAMコンテナにインストール済のチュートリアルデータ(storageコンテナにパスを指定)から cavity問題のケースをblockMeshコンポーネントにコピーしてきます。 blockMeshコンポーネントでは、OpenFOMAのblockmeshを用いてメッシュを作成し ケースディレクトリ毎後続のPSコンポーネントに渡します。

PSコンポーネント内部には、solverコンポーネントとpostコンポーネントが含まれています。

solverコンポーネントでは、icoFoamを実行して解析を行ない、postコンポーネントでは 最終時刻のデータをVTKに変換する処理と 解析領域の中心を通り、x,y軸に並行な線上の流速のサンプリングを行ないます。

PSコンポーネントにより、これらの処理は動粘性係数の値を前述の値に書き変えながら3パターン実行されます。

プロジェクトの実行

プロジェクト実行ボタンをクリックして実行を開始すると OpenFOAMを実行するコンテナへログインするためのパスワードを聞かれるので passw0rd と入力してください。

img

プロジェクトが実行されPSコンテナ内のresultsディレクトリの中に各動粘性係数での実行結果ファイルが集められます。

img

resultsディレクトリを選択した状態で、share fileボタンをクリックしてください。

img

WHEELコンテナ内でのresultsディレクトリのパスがダイアログに表示されるので、コピーボタンをクリックしてください。

img

jupyterlabの起動

http://127.0.0.1:8888/lab?file-browser-path= をブラウザのURL欄に入力しその後に 続けてさきほどのファイルパスをペーストしてenterキーを押下してください

jupyterlabがPSコンポーネント以下のresultsディレクトリを表示した状態で開くので、Launcher画面から [Notebook]->[Python 3] をクリックして新規ノートブックを作成してください。

img

jupyternotebookでの可視化

初めに各流速での実行結果を読み込んで流速ベクトルを可視化します。 1つ目のセルに次のコードを入力してshift+enterキーを押下してください。 各動粘性係数での流速ベクトルが表示されます。

import glob
import re
import pyvista as pv

num_row=3

extract_nu=lambda text:float(re.search(r'([.\d]+)', text).group(0))
filenames=sorted(glob.glob("nu*/VTK/cavity_*.vtm") ,key=extract_nu)
plotter = pv.Plotter(shape=((len(filenames)+num_row-1)//num_row,num_row))


def draw(filename,index):
    plotter.subplot(index//num_row, index%num_row)
    vtk=pv.read(filename)
    internal_grid=vtk.get(0)
    glyphs=internal_grid.glyph(orient="U", scale="U",factor=0.03, tolerance=0.05)
    slice=internal_grid.slice(normal='z')
    plotter.add_mesh(slice,show_edges=True, show_scalar_bar=False, cmap='coolwarm',opacity=0.5)
    plotter.add_mesh(glyphs, label='U', show_scalar_bar=True, cmap='coolwarm')
    plotter.view_xy()
    plotter.camera.zoom(1.7)
    plotter.add_text(f"nu={extract_nu(filename)}")


for index,filename in enumerate(filenames):
    draw(filename,index)

plotter.show()

img

続いて、OpenFOAMのサンプリング機能で取得した、x=0.05およびy=0.05の時のUyおよびUxのグラフを表示します。 初めにこれ以降の処理に用いるpandasおよびmatplotlibライブラリをインストールします。 セルに次のコードを入力してshift+enterキーを押下してください

pip install pandas matplotlib

次のセルに次のコードを入力してshift+enterキーを押下してください。 y=0.05の時のUyを壁面の流速毎にプロットします。

import pandas as pd

df1=pd.read_csv("nu_0.001/sample/1/lineX1_U.csv",usecols=[0,2])
df2=pd.read_csv("nu_0.005/sample/1/lineX1_U.csv",usecols=[2])
df3=pd.read_csv("nu_0.01/sample/1/lineX1_U.csv",usecols=[2])

df=pd.concat([df1, df2, df3], axis=1).set_axis(["x", "nu0.001_Uy", "nu0.005_Uy","nu_0.01_Uy"], axis=1)
df.plot(x="x")

img

さらに次のセルに次のコードを入力してshift+enterキーを押下してください。 こちらでは、x=0.05の時のUxを壁面の流速毎にプロットします。

df1=pd.read_csv("nu_0.001/sample/1/lineY1_U.csv",usecols=[0,1])
df2=pd.read_csv("nu_0.005/sample/1/lineY1_U.csv",usecols=[1])
df3=pd.read_csv("nu_0.01/sample/1/lineY1_U.csv",usecols=[1])

df=pd.concat([df1, df2, df3], axis=1).set_axis(["y", "nu0.001_Ux","nu0.005_Ux","nu0.01_Ux"], axis=1)
df.plot(x="y")

img

以上でチュートリアル本編は終了です。

富岳でOpenFOAMの計算を実行する

本チュートリアルで使用したプロジェクトは、多少の修正を行なうことでスパコンサイトなど、別の環境で計算を行なうこともできます。 本項では、富岳にインストールされているOpenFOAMを用いて計算するための修正方法を説明します。

はじめに、remotehost 設定画面に移り新しく富岳へアクセスするためのリモートホスト設定を作成します。

labelは任意の値を指定し、Hostname, Port number, UserIDはそれぞれsshでログインノードへアクセスする時の 値を設定してください。

また、job scheduler の値を Fugaku に設定してください。

続いてワークフロー画面の次の4つのコンポーネントのhost設定を、新しく作成した富岳のlabelに指定した値に変更してください。 また、blockMesh, solver, postの3コンポーネントについては、use jobscheduler スイッチを有効に切り替えてください。 なお、solver, postコンポーネントはParameterStudyコンポーネントの中にあります。

  • storage0
  • blockMesh
  • solver
  • post

次に、富岳上でのOpenFOAMのインストールパスを調べるため、sshでフロントエンドへログインするか OpenOnDemandのFugaku shell accessを開いてください。

ターミナル上で次の2つのコマンドを続けて実行しspack環境にインストールされているopenfoamを探します。

> . /vol0004/apps/oss/spack/share/spack/setup-env.sh
> spack find openfoam

2024年10月の時点では、次のような結果が得られます。

-- linux-rhel8-a64fx / fj@4.10.0 --------------------------------
openfoam@2012  openfoam@2106  openfoam@2112  openfoam@2206  openfoam@2212  openfoam@2306  openfoam@2312
-- linux-rhel8-cascadelake / gcc@13.2.0 -------------------------
openfoam@2306  openfoam@2312
-- linux-rhel8-skylake_avx512 / gcc@8.5.0 -----------------------
openfoam@2012  openfoam@2106  openfoam@2112  openfoam@2206  openfoam@2212
==> 14 installed packages

まずstorage0コンポーネントのdirectory pathの値を フロントエンドにインストールされたOpenFOAMのチュートリアルデータの パスに置換える必要があるので、cascadelake用のopenfoamをロードして、環境変数 ${WH_PROJECT_DIR} を調べます。 次のコマンドを続けて実行してください。

> spack load openfoam@2312%gcc@13.2.0
> echo $WM_PROJECT_DIR
/vol0004/apps/oss/spack-v0.21/opt/spack/linux-rhel8-cascadelake/gcc-13.2.0/openfoam-2312-h2ulkjyq62zrp3afoyeitj6ko4ovs77g

echoコマンドの後で出力されたファイルパスに、 tutorials/incompressible/icoFoam/cavity/ をつなげてstorage0コンポーネントの directory path に設定してください。

また、WHEELのプロジェクト内で環境変数 OPENFOAM_BASHRC にOpenFOAM実行時に読み込む設定ファイルのパスを指定しています。 これを、計算ノード上でのパスに変更する必要があるので同じターミナル上で今度はa64fx用のOpenFOAMをロードして環境変数 ${WH_PROJECT_DIR} を調べます。 次のコマンドを続けて実行してください。

> spack unload openfoam@2312%gcc@13.2.0
> spack load openfoam@2312%fj@4.10.0
> echo $WM_PROJECT_DIR
/vol0004/apps/oss/spack-v0.21/opt/spack/linux-rhel8-a64fx/fj-4.10.0/openfoam-2312-cyarempgd42uk3ll7m5ygjq4c4o7oows

環境変数エディタを開いて OPENFOAM_BASHRC を echoコマンドの後で出力されたファイルパスに etc/bashrc をつなげたものに変更してください。

本チュートリアルで利用したjupyterlabコンテナについて

本チュートリアルではjupyterlabコンテナはpyvistaの公式イメージを利用しています。

pyvista container

ベースイメージはjupyterlabの公式イメージである jupyter-base を用いており、その上でpyvistaを動かす上で必要なソフトウェアが追加されたものです。

Updated: