首页 / 文档 / 快速入门

快速入门

N-Body 粒子仿真系统的完整安装、构建和运行指南

快速入门指南

N-Body 粒子仿真系统的完整安装、构建和运行指南。

📋 目录

  1. 系统要求
  2. 安装
  3. 构建
  4. 运行
  5. 下一步
  6. 故障排除

系统要求

硬件要求

组件 最低配置 推荐配置 说明
GPU NVIDIA GTX 1060 RTX 3080+ 需要计算能力 7.0+
显存 2 GB 8 GB+ 100万+粒子所需
内存 8 GB 16 GB+ 主机数据传输
存储 500 MB 1 GB 构建产物和依赖

软件要求

组件 版本 安装命令
CUDA Toolkit 11.0+ NVIDIA CUDA
CMake 3.18+ sudo apt install cmake
GCC/Clang C++17 通常已包含
OpenGL 3.3+ 通常已包含
GLFW 3.3+ sudo apt install libglfw3-dev
GLEW 2.1+ sudo apt install libglew-dev
GLM 0.9.9+ sudo apt install libglm-dev

验证 CUDA 安装

1
2
3
4
5

# 检查 CUDA 编译器
nvcc --version

# 检查 GPU 检测
nvidia-smi

预期输出应显示 CUDA 版本和 GPU 详情。

安装

Linux (Ubuntu/Debian)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

# 1. 安装依赖
sudo apt-get update
sudo apt-get install -y \
    build-essential \
    cmake \
    git \
    libglfw3-dev \
    libglew-dev \
    libglm-dev

# 2. 克隆仓库
git clone https://github.com/LessUp/n-body.git
cd n-body

# 3. 验证目录结构
ls -la
# 应显示: CMakeLists.txt, src/, include/, tests/, docs/

Windows (Visual Studio)

  1. 安装 Visual Studio 2019+ 并选择 C++ 工作负载
  2. 从 NVIDIA 安装 CUDA Toolkit
  3. 安装 CMake 3.18+
  4. 通过 vcpkg 安装依赖：
git clone https://github.com/Microsoft/vcpkg.git
cd vcpkg
.\bootstrap-vcpkg.bat
.\vcpkg install glfw3 glew glm

构建项目

Linux 构建

1
2
3
4
5
6
7
8

# 创建构建目录
mkdir -p build && cd build

# 配置（Release 模式以获得最佳性能）
cmake .. -DCMAKE_BUILD_TYPE=Release

# 使用所有 CPU 核心构建
cmake --build . -j$(nproc)

Windows 构建

mkdir build
cd build
cmake .. -G "Visual Studio 17 2022" -A x64
cmake --build . --config Release

构建选项

选项 默认值 说明
CMAKE_BUILD_TYPE Release Debug 或 Release
NBODY_BUILD_TESTS ON 构建测试套件
CMAKE_CUDA_ARCHITECTURES native GPU 架构（如 RTX 30xx 用 86）

自定义选项示例：

1
2
3
4

cmake .. \
    -DCMAKE_BUILD_TYPE=Release \
    -DCMAKE_CUDA_ARCHITECTURES=86 \
    -DNBODY_BUILD_TESTS=ON

运行仿真

基本用法

1
2
3
4
5
6
7

# 默认：10,000 粒子
./nbody_sim

# 自定义粒子数量
./nbody_sim 100000    # 10万粒子
./nbody_sim 1000000   # 100万粒子
./nbody_sim 5000000   # 500万粒子（需要 8GB+ 显存）

交互控制

按键 功能
Space ⏯️ 暂停/继续
R 🔄 重置仿真
1 🔢 Direct N² 算法
2 🌳 Barnes-Hut 算法
3 🔲 Spatial Hash 算法
C 📷 重置相机
Esc ❌ 退出
鼠标  
左键拖动 🔄 旋转视角
滚轮 🔍 缩放

算法选择指南

粒子数 推荐算法 原因
< 1万 Direct N²（按 1） 最快、最精确
1-10万 Barnes-Hut（按 2） 速度与精度平衡
> 10万 Spatial Hash（按 3） 最佳性能

故障排除

常见问题

1. 找不到 CUDA

错误：

1

CMake Error: Could not find CUDA

解决方案：

1
2
3
4
5
6
7
8
9
10

# 验证 CUDA 安装
nvcc --version

# 设置 CUDA 路径（如需要）
export CUDA_HOME=/usr/local/cuda
export PATH=$CUDA_HOME/bin:$PATH
export LD_LIBRARY_PATH=$CUDA_HOME/lib64:$LD_LIBRARY_PATH

# 重新配置 CMake
cmake .. -DCMAKE_CUDA_COMPILER=$CUDA_HOME/bin/nvcc

2. 显存不足

错误：

1

CUDA Error: out of memory

解决方案：

  • 减少粒子数：./nbody_sim 50000
  • 检查显存：nvidia-smi
  • 关闭其他 GPU 应用

性能速查

RTX 3080 测试数据：

粒子数 Direct N² Barnes-Hut Spatial Hash
1万 60+ FPS 120+ FPS 120+ FPS
10万 ~10 FPS 60+ FPS 90+ FPS
100万 N/A ~25 FPS 60+ FPS