计算机的多核心CPU，例如64核，就相当于有64个人。主频高，表示单人的办事能力高，但可能不同品牌的CPU，评价机制不一样。

比如提交了3个A软件的作业，每个作业使用16核；然后B软件提交3个作业，每个作业使用16核。相当于64个人要干16*3+16*3=96件事，CPU的核心只能在不同事情之间来回切换，效率当然受影响！

如果计算机只有64核，但是提交的作业，所需的核数超过了64，那么CPU就只能在不同的作业间暂停、切换，从而导致效率低下！

一般计算，都最好留一个空闲核心，用于系统本身正常工作，例如打开桌面，打开文件夹，阅读文件，打开网页等等。所有核心都被占据，必然导致电脑非常卡！请有此常识！

打扫一个教室，可能1个人半小时打扫完毕，4个人可能几分钟完成。但是要求一千个人来打扫这件教室，会更快吗？你需要先开个大会，交代清楚每个人何时做何种事情，然后是嘈杂的互相交流信息、等待其他人完工轮到自己……整个过程做完，可能半天就过去了。笼统的比喻来说，沟通的这个过程，就是节点间通信，大部分时间消耗在这里了。通信更高效，能一定程度上提高效率，尤其是调用核数较多时。

总的来说，效率随核心数增加，一般呈现先增高，后降低的趋势。小的作业，效率最高点的核心数较小，大型作业效率最高点的核心数较大。故意把作业搞大，以增大核数，这是不可能提高效率的。

因此，对于ReaxFF来说，如果有充分的计算资源，那么提高研究效率绝不是靠一个作业使用特别多核心数，而是可以同时调整多种参数方案，提交多个作业，实践、测试多种方案！

对DFT而言，几十个原子就是比较大的作业，而且精度越高，作业越大。对力场而言，一般几千原子属于较小体系。对ReaxFF而言，一般每1000原子用1个核心就可以了，2个核心效率略有提升。

ReaxFF这种分子动力学计算，对CPU需求并不太大，但是体系越大，使用核数越多，内存的需求越大，而DFT计算一般是CPU和内存都会高占据。

资源的高效利用非常重要，往往作为学生的角度，因为不涉及经费的消耗，因此对节约机时没有任何概念、欲求。但实际上，合理高效利用机时与否，对科研效率与机时费用的消耗，可以达到10倍以上的差异。我们经常看到很多同学，很小的作业，用高达100核心去进行计算，这是非常浪费电力资源、机时资源、科研经费的。学生也终将毕业，可能也会走向自付经费的科研，因此这个问题值得每个做计算的同学关心。

对不同规模的体系，计算前可以花一点时间，例如1、2小时，进行效率测试。如前所述，计算效率并不会核数越多效率越高，而是一般呈现类似先上升后下降的特征。如何测试呢？

使用8核心提交作业，记录SCF第一步、第二步之间的时长，然后杀掉作业；重新使用16核提交作业，再次记录，然后杀死作业；以此类推，逐渐增大核数，记录时间间隔。核数不一定2倍增长，也可以是4、8、12、16、20，或者对很大的体系，测试8、16、24、32……甚至16、32、48、60、78……或者32、64、96……一般等间隔测试、记录。

找到“1/时长÷核数”值最大的那个核数，就是最佳核数。为什么不是时长最短那个呢？打个比方，如果使用20核心，一个SCF步消耗20秒，40核心一个SCF步消耗18秒。我们有必要为了这2秒，多消耗一倍的CPU呢？另外这20核拿去做别的作业不是更好吗？

长期这样做，慢慢就会积累经验，以后再做计算，往往不测试都能大致估计出我应该使用多少核心。

测试方式类似，不过不是记录SCF两步之间的实长，而是记录2帧之间的时长，第二帧出来，就可以把作业杀掉了。

一般对于工作站、台式机、笔记本，这种影响可以忽略。对于集群，文件夹所在的硬盘分为两种类型：

1. “本地”，也就是位于各个节点，和CPU挨着
2. “NFS共享区域”，一般每个用户的主文件夹，例如一般/home/username文件夹就属于这个区域，你可以认为这个区域并不在本地，所有节点都需要通过网络去访问它

软件在计算的过程中，会有大量的临时文件的读、写过程，如果这个过程，是发生在第二种区域，那么很显然就会大大拖慢计算速度。因此一般临时文件非常不建议存到这种区域里面。一般/tmp文件夹属于第一种，但是就需要集群管理员，设置一些自动定期清理/tmp文件的功能，避免/tmp堆满文件。

另外，硬盘本身的转速也会影响计算效率，因此临时文件读写区域，一般建议放在具有高速读写能力的那块硬盘上。

一般不影响。因为计算开始，程序被读入本地内存，在CPU中执行，跟硬盘位置就没有太大关系了。

• 集群：一般会使用万兆网，所以一般影响不大，但是如果存在前面提到的临时文件夹放置到NFS共享区的问题，则读写的时候，就会导致大量读写数据占用带宽，从而拖慢计算效率，甚至导致集群所有用户并行计算效率严重下降，乃至登录、操作速度都受到严重影响，因此一般有经验的集群管理员，会严禁用户将临时文件夹放置到自己的用户目录内。
• 笔记本、台式机：链接的网络状态会影响并行计算效率，因为并行计算会去网关绕一圈。如果索性断网、不连接网络，则不需要去网关绕一圈，从而并行效率会更高。
• 工作站：一般连接到交换机，或者干脆不联网，因此往往不太受影响。

很多用户对内存够不够没有概念。在AMS的*.out文件中，往往会给出该作业需要消耗内存的估算，例如：

 Parallel Execution: Process Information
 ==============================================================================
 Rank   Node Name                              NodeID   MyNodeRank  NodeMaster
    0   ibnode35                                  0          0          0
    1   ibnode35                                  0          1         -1
    2   ibnode35                                  0          2         -1
    3   ibnode35                                  0          3         -1
    4   ibnode35                                  0          4         -1
    5   ibnode35                                  0          5         -1
    6   ibnode35                                  0          6         -1
    7   ibnode35                                  0          7         -1
    8   ibnode35                                  0          8         -1
    9   ibnode35                                  0          9         -1
   10   ibnode35                                  1          0          1
   11   ibnode35                                  1          1         -1
   12   ibnode35                                  1          2         -1
   13   ibnode35                                  1          3         -1
   14   ibnode35                                  1          4         -1
   15   ibnode35                                  1          5         -1
   16   ibnode35                                  1          6         -1
   17   ibnode35                                  1          7         -1
   18   ibnode35                                  1          8         -1
   19   ibnode35                                  1          9         -1
   20   ibnode35                                  2          0          2
   21   ibnode35                                  2          1         -1
   22   ibnode35                                  2          2         -1
   23   ibnode35                                  2          3         -1
   24   ibnode35                                  2          4         -1
   25   ibnode35                                  2          5         -1
   26   ibnode35                                  2          6         -1
   27   ibnode35                                  2          7         -1
   28   ibnode35                                  2          8         -1
   29   ibnode35                                  2          9         -1
   30   ibnode35                                  3          0          3
   31   ibnode35                                  3          1         -1
   32   ibnode35                                  3          2         -1
   33   ibnode35                                  3          3         -1
   34   ibnode35                                  3          4         -1
   35   ibnode35                                  3          5         -1
   36   ibnode35                                  3          6         -1
   37   ibnode35                                  3          7         -1
   38   ibnode35                                  3          8         -1
   39   ibnode35                                  3          9         -1
 ==============================================================================


May use up to 62478MB of RAM as shared memory on node 0
May use up to 62500MB of RAM as shared memory on node 1
May use up to 62500MB of RAM as shared memory on node 2
May use up to 62500MB of RAM as shared memory on node 3

这个机器有 4 个逻辑 CPU，单单这 1 个作业消耗的内存，估算是大约 62478+62500+62500+62500 = 249978 MB = 约239G，这仅仅是程序在运行前的粗略估算。如果您的计算机有512G内存，同时运行这样规模的作业2个的话，就很悬，内存很可能不够用，有可能会出现Exit Code: 7的报错（系统运行本身也会消耗一定的内存，而且大型计算的内存分配，也非常容易互相争抢而导致分配内存失败）。