{"id":1212,"date":"2026-08-21T14:28:49","date_gmt":"2026-08-21T14:28:49","guid":{"rendered":"https:\/\/matforge.org\/?p=1212","raw":"https:\/\/matforge.org\/?p=1212"},"modified":"2026-08-21T14:28:49","modified_gmt":"2026-08-21T14:28:49","slug":"in-situ-vs-post-processing-decision-guide","status":"publish","type":"post","link":"https:\/\/matforge.org\/fr\/in-situ-vs-post-processing-decision-guide\/","title":{"rendered":"Visualisation in situ vs post-traitement &#8211; un cadre de d\u00e9cision","raw":"Visualisation in situ vs post-traitement - un cadre de d\u00e9cision"},"content":{"rendered":"<span class=\"span-reading-time rt-reading-time\" style=\"display: block;\"><span class=\"rt-label rt-prefix\">Reading Time: <\/span> <span class=\"rt-time\"> 14<\/span> <span class=\"rt-label rt-postfix\">minutes<\/span><\/span><h2>Points \u00e0 retenir cl\u00e9s<\/h2>\n<ul>\n<li><strong>Visualisation in situ<\/strong> traite les donn\u00e9es en m\u00e9moire pendant la simulation&nbsp;; <strong>Le post-traitement<\/strong> enregistre les donn\u00e9es brutes sur le disque, puis les lit pour analyse.<\/li>\n<li>In-situ peut r\u00e9duire la consommation d&rsquo;\u00e9nergie totale de <strong>~43&nbsp;%<\/strong> en \u00e9liminant le temps d&rsquo;inactivit\u00e9 du syst\u00e8me, et pas seulement les frais g\u00e9n\u00e9raux d&rsquo;E\/S.<\/li>\n<li>In-situ sert de <strong>syst\u00e8me d&rsquo;alerte pr\u00e9coce<\/strong> pour les divergences, instabilit\u00e9s et anomalies num\u00e9riques avant de perdre des heures de base.<\/li>\n<li>La <strong>Strat\u00e9gie hybride<\/strong> (r\u00e9duction in situ \u2192 Enregistrement s\u00e9lectif \u2192 Post-traitement sur des donn\u00e9es r\u00e9duites) est la norme moderne pour les flux de travail HPC.<\/li>\n<li>Le post-traitement gagne toujours pour les <strong>analyse exploratoire<\/strong>, les <strong>ensembles de donn\u00e9es<\/strong> et les <strong>les besoins d&rsquo;archives\/r\u00e9analyses<\/strong>.<\/li>\n<li>Votre choix doit aller au-del\u00e0 de la \u00ab\u00a0taille des donn\u00e9es\u00a0\u00bb &#8211; tenez compte de la suffisance des E\/S, du quota de stockage, de la r\u00e9solution temporelle, de la pr\u00e9visibilit\u00e9 de l&rsquo;analyse, de la contestation des ressources et des besoins d&rsquo;archives.<\/li>\n<\/ul>\n<hr>\n<h2>Introduction<\/h2>\n<p>Lorsque vous ex\u00e9cutez une simulation, qu&rsquo;il s&rsquo;agisse d&rsquo;un cas de dynamique des fluides (CFD), d&rsquo;un mod\u00e8le de champ de phase ou d&rsquo;une dynamique mol\u00e9culaire, vous devez \u00e9ventuellement visualiser les r\u00e9sultats. Vous disposez de deux strat\u00e9gies principales&nbsp;: <strong>Visualisation in situ<\/strong>, o\u00f9 vous analysez les donn\u00e9es pendant que la simulation est toujours en cours, ou <strong>post-traitement<\/strong>, o\u00f9 vous enregistrez le jeu de donn\u00e9es complet sur le disque et l&rsquo;analysez ensuite.<\/p>\n<p>Le choix entre eux n&rsquo;est pas seulement un d\u00e9tail technique, cela affecte les performances de votre simulation, la consommation d&rsquo;\u00e9nergie, la capacit\u00e9 de d\u00e9bogage et la flexibilit\u00e9 dont vous disposez pour une analyse future. La plupart des chercheurs rencontrent cette d\u00e9cision au d\u00e9but de leur carri\u00e8re de HPC et font un choix bas\u00e9 sur l&rsquo;intuition ou la convention d&rsquo;\u00e9quipe plut\u00f4t que sur un cadre structur\u00e9.<\/p>\n<p>Pour une couverture technique approfondie des infrastructures, des outils et des mod\u00e8les de mise en \u0153uvre in situ, consultez notre guide de <a href=\"https:\/\/matforge.org\/in-situ-visualization-integration-computation\/\" target=\"_blank\" rel=\"nofollow noopener\">Visualisation in situ<\/a>. Ici, nous prenons un angle diff\u00e9rent&nbsp;: un cadre de d\u00e9cision pratique qui r\u00e9pond \u00ab\u00a0Quand dois-je utiliser chaque approche&nbsp;?\u00a0\u00bb et introduit deux dimensions que la plupart des articles de comparaison manquent &#8211; l&rsquo;argument des \u00e9conomies d&rsquo;\u00e9nergie et le cas d&rsquo;utilisation du d\u00e9bogage.<\/p>\n<hr>\n<h2>La comparaison classique<\/h2>\n<p>Avant de plonger dans les nouvelles dimensions, \u00e9tablissons la diff\u00e9rence de base entre les deux approches, car cette comparaison fondamentale est d\u00e9j\u00e0 bien couverte dans notre guide de visualisation in situ.<\/p>\n<p><strong>Visualisation in situ<\/strong> ex\u00e9cute le code de visualisation et d&rsquo;analyse dans le m\u00eame espace m\u00e9moire que votre simulation. Les donn\u00e9es ne touchent jamais le disque &#8211; elles s&rsquo;\u00e9coulent du solveur de simulation directement dans un pipeline de visualisation. Cela \u00e9limine enti\u00e8rement les E\/S de fichiers pour le chemin de visualisation.<\/p>\n<p><strong>Le post-traitement<\/strong> fonctionne dans le sens inverse. Votre simulation \u00e9crit des jeux de donn\u00e9es complets sur le disque \u00e0 intervalles r\u00e9guliers (ou \u00e0 des jalons de convergence). Une fois la simulation termin\u00e9e, vous chargez ces fichiers dans un outil de visualisation s\u00e9par\u00e9 (paraview, visite ou similaire) et explorez les donn\u00e9es de mani\u00e8re interactive.<\/p>\n<p>Le compromis classique est simple :<\/p>\n<table>\n<thead>\n<tr>\n<th>Dimensions<\/th>\n<th>in situ<\/th>\n<th>post-traitement<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Emplacement des donn\u00e9es<\/td>\n<td>En m\u00e9moire pendant la simulation<\/td>\n<td>Enregistr\u00e9 sur le disque<\/td>\n<\/tr>\n<tr>\n<td>Impact des E\/S<\/td>\n<td>Z\u00e9ro pour le chemin de visualisation<\/td>\n<td>Ensemble de donn\u00e9es complet \u00e9crit plusieurs fois<\/td>\n<\/tr>\n<tr>\n<td>Temps<\/td>\n<td>En temps r\u00e9el pendant la simulation<\/td>\n<td>Une fois la simulation termin\u00e9e<\/td>\n<\/tr>\n<tr>\n<td>Fran\u00e7ais de l&rsquo;analyse<\/td>\n<td>Pipelines pr\u00e9d\u00e9finis uniquement<\/td>\n<td>Interactif, exploratoire<\/td>\n<\/tr>\n<tr>\n<td>Contention des ressources<\/td>\n<td>Partager avec la simulation<\/td>\n<td>Fonctionne sur du mat\u00e9riel s\u00e9par\u00e9<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Cette comparaison a \u00e9t\u00e9 bien document\u00e9e par Moreland (2016) dans \u00ab\u00a0Les tensions de la visualisation in situ\u00a0\u00bb, qui pr\u00e9sente les compromis fondamentaux concernant la contention des ressources, la perte de donn\u00e9es et la complexit\u00e9 du couplage. Notre guide de visualisation in situ parcourt les mod\u00e8les de mise en \u0153uvre, les comparaisons d&rsquo;outils et les strat\u00e9gies d&rsquo;int\u00e9gration en profondeur.<\/p>\n<p>Cependant, la d\u00e9cision n&rsquo;est pas \u00e9vidente \u00e0 partir de ce tableau. Voici o\u00f9 les choses deviennent int\u00e9ressantes.<\/p>\n<hr>\n<h2>La dimension Energie et Vert<\/h2>\n<p>C&rsquo;est l&rsquo;id\u00e9e que la plupart des articles de cet espace manquent. La visualisation in situ n&rsquo;acc\u00e9l\u00e8re pas seulement votre flux de travail, mais elle r\u00e9duit consid\u00e9rablement la consommation d&rsquo;\u00e9nergie et les \u00e9conomies sont plus importantes que ce \u00e0 quoi vous vous attendiez.<\/p>\n<h3>d&rsquo;o\u00f9 viennent les \u00e9conomies d&rsquo;\u00e9nergie<\/h3>\n<p>Plusieurs \u00e9tudes de Virginia Tech (notamment Adhinarayanan et al. 2015 et l&rsquo;\u00e9tude de suivi de la caract\u00e9risation en 2017) ont mesur\u00e9 la puissance et l&rsquo;\u00e9nergie des pipelines de visualisation et ont constat\u00e9 que les <strong>approches in situ consomment environ 43&nbsp;% moins d&rsquo;\u00e9nergie totale<\/strong> que les workflows traditionnels de post-traitement.<\/p>\n<p>Voici les d\u00e9tails critiques que la plupart des sources n&rsquo;expliquent pas clairement&nbsp;: la majorit\u00e9 de ces \u00e9conomies ne d\u00e9coulent pas de l&rsquo;\u00e9vitement des \u00e9critures d&rsquo;E\/S. Ils proviennent de <strong>Eliminer le temps d&rsquo;inactivit\u00e9 du syst\u00e8me<\/strong>.<\/p>\n<p>Lorsque vous ex\u00e9cutez le post-traitement sur un syst\u00e8me HPC, les n\u0153uds de calcul terminent leur simulation et restent inactifs pendant que le sous-syst\u00e8me de stockage traite les donn\u00e9es vides. Ces n\u0153uds inactifs consomment toujours de l&rsquo;\u00e9nergie &#8211; une puissance potentiellement importante &#8211; tout en ne faisant rien de productif. La visualisation in situ \u00e9vite cela enti\u00e8rement car l&rsquo;analyse se produit en m\u00eame temps que le calcul, ce qui maintient le fonctionnement de tous les n\u0153uds.<\/p>\n<p>L&rsquo;\u00e9tude de Tahir (2024) \u00ab\u00a0bas\u00e9e sur l&rsquo;image bas\u00e9e sur l&rsquo;\u00e9nergie\u00a0\u00bb \u00e9tend cette analyse plus loin, montrant que les <strong>les choix de param\u00e8tres de rendu dans les flux de travail in situ affectent la consommation d&rsquo;\u00e9nergie<\/strong>. La s\u00e9lection d&rsquo;algorithmes de rendu efficaces, par exemple, un rendu de volume de particules optimis\u00e9 au lieu de lancer de rayons lourds, permet d&rsquo;\u00e9conomiser de l&rsquo;\u00e9nergie suppl\u00e9mentaire. Le choix \u00ab\u00a0vert\u00a0\u00bb est important m\u00eame \u00e0 l&rsquo;int\u00e9rieur des pipelines in situ.<\/p>\n<h3>Pourquoi cela est important pour votre flux de travail<\/h3>\n<p>Si vous ex\u00e9cutez des simulations sur des ressources HPC partag\u00e9es, la consommation d&rsquo;\u00e9nergie affecte directement :<\/p>\n<ul>\n<li><strong>Temps de l&rsquo;horloge murale<\/strong> \u2014 Simulations plus rapides sont termin\u00e9es plus t\u00f4t, r\u00e9duisant le temps de calcul perdu<\/li>\n<li><strong>Attribution des ressources<\/strong> \u2014 De nombreux centres HPC allouent du temps en fonction des heures de n\u0153ud consomm\u00e9es<\/li>\n<li><strong>Impact environnemental<\/strong> \u2014 De grandes simulations peuvent consommer des m\u00e9gawatts-heures d&rsquo;\u00e9nergie<\/li>\n<\/ul>\n<p>Pour les PIS g\u00e9rant les budgets des subventions et les administrateurs HPC \u00e9valuant l&rsquo;utilisation des ressources, l&rsquo;argument \u00e9nerg\u00e9tique est une raison l\u00e9gitime de prendre en compte in situ m\u00eame lorsque la taille des donn\u00e9es est g\u00e9rable.<\/p>\n<blockquote>\n<p><strong>Ce que nous vous recommandons<\/strong>&nbsp;: si votre simulation d\u00e9passe quelques gigaoctets de sortie par ex\u00e9cution, les \u00e9conomies d&rsquo;\u00e9nergie \u00e0 elles seules justifient in situ. Pour les travaux HPC \u00e0 grande \u00e9chelle, les \u00e9conomies d&rsquo;environ 43&nbsp;% sont suffisamment importantes pour \u00eatre prises en compte dans la conception de votre flux de travail, pas seulement une bonne chose.<\/p>\n<\/blockquote>\n<hr>\n<h2>In-situ comme outil de d\u00e9bogage et d&rsquo;alerte rapide<\/h2>\n<p>C&rsquo;est l\u00e0 que notre article introduit un territoire vraiment nouveau que les guides existants ne couvrent pas bien. La visualisation in situ ne consiste pas seulement \u00e0 voir les r\u00e9sultats plus rapidement, c&rsquo;est une <strong>strat\u00e9gie de d\u00e9bogage<\/strong> pour les simulations num\u00e9riques.<\/p>\n<h3>Attraper la divergence avant que cela ne vous co\u00fbte<\/h3>\n<p>Lorsqu&rsquo;une simulation diverge, qu&rsquo;il s&rsquo;agisse d&rsquo;une instabilit\u00e9 num\u00e9rique, d&rsquo;une incompatibilit\u00e9 physique des param\u00e8tres ou d&rsquo;un probl\u00e8me de qualit\u00e9 de maillage, le co\u00fbt est compos\u00e9 \u00e0 chaque pas de temps. Si vous enregistrez des donn\u00e9es pour le post-traitement et d\u00e9couvrez la divergence apr\u00e8s 50&nbsp;jours de base ont \u00e9t\u00e9 consomm\u00e9s, c&rsquo;est un r\u00e9sultat d\u00e9vastateur.<\/p>\n<p>La visualisation in situ vous donne <strong>r\u00e9troaction visuelle imm\u00e9diate<\/strong>. Vous pouvez rep\u00e9rer les divergences, les instabilit\u00e9s ou les anomalies d\u00e8s qu&rsquo;elles se d\u00e9veloppent et arr\u00eater la simulation avant qu&rsquo;elle ne gaspille des millions d&rsquo;heures de base. Le rapport DAG de Bennett (2019) sur la visualisation in situ le d\u00e9crit comme le concept de \u00ab\u00a0tableau de donn\u00e9es de simulation\u00a0\u00bb &#8211; en utilisant la visualisation en temps r\u00e9el pour le d\u00e9bogage visuel, la co-programmation et la direction.<\/p>\n<p>Plusieurs \u00e9tudes renforcent ce mod\u00e8le :<\/p>\n<ul>\n<li>Les exemples pratiques de CFD de Kitware (2024) d\u00e9crivent la \u00ab\u00a0d\u00e9tection pr\u00e9coce des erreurs gr\u00e2ce \u00e0 un retour visuel imm\u00e9diat\u00a0\u00bb comme un avantage de base<\/li>\n<li>Les travaux de surveillance des d\u00e9fauts bas\u00e9s sur le ML de Sandia (Shaaban 2026, Shead 2023) utilisent des pipelines in situ pour la d\u00e9tection d&rsquo;anomalies<\/li>\n<li>Le guide des meilleures pratiques Excellerat (2022) encadre la visualisation en temps r\u00e9el comme un outil de pr\u00e9vention des erreurs pour les flux de travail ExaScale<\/li>\n<\/ul>\n<h3>Cas d&rsquo;utilisation de d\u00e9bogage pratique<\/h3>\n<p>Voici des sc\u00e9narios o\u00f9 la visualisation in situ est payante comme outil de d\u00e9bogage&nbsp;:<\/p>\n<ul>\n<li><strong>Simulations physiques coupl\u00e9es<\/strong> \u2014 Rep\u00e9rer les violations de l&rsquo;\u00e9nergie ou de la conservation de la masse avant qu&rsquo;elles ne s&rsquo;aggravent<\/li>\n<li><strong>Raffinement de maillage adaptatif (AMR)<\/strong> \u2014 V\u00e9rification de la qualit\u00e9 du maillage et de la logique de raffinement au fur et \u00e0 mesure de son d\u00e9veloppement<\/li>\n<li><strong>Turbulence et CFD<\/strong> \u2014 D\u00e9tection d&rsquo;oscillations non physiques, d&rsquo;artefacts de choc ou de diffusion num\u00e9rique<\/li>\n<li><strong>R\u00e9action-diffusion et champ de phase<\/strong> \u2014 Identification des interfaces instables ou d\u00e9rive des param\u00e8tres<\/li>\n<\/ul>\n<p>L&rsquo;id\u00e9e cl\u00e9&nbsp;: vous n&rsquo;attendez pas la fin de la simulation pour savoir si elle se comporte correctement. Vous savez <strong>pendant<\/strong> qu&rsquo;il est en cours d&rsquo;ex\u00e9cution.<\/p>\n<blockquote>\n<p><strong>Ce que nous vous recommandons<\/strong>&nbsp;: si votre simulation est co\u00fbteuse en calcul (plus de quelques heures sur plusieurs n\u0153uds) ou physiquement coupl\u00e9e, ex\u00e9cutez-la sur place avec au moins une visualisation de diagnostic &#8211; une tranche via une variable cl\u00e9, un graphique temporel ou une isosurface. M\u00eame une seule parcelle in situ peut vous faire \u00e9conomiser des jours de perte de temps.<\/p>\n<\/blockquote>\n<hr>\n<h2>Cadre de d\u00e9cision : 6 crit\u00e8res pour guider votre choix<\/h2>\n<p>Le cadrage classique de la \u00ab\u00a0taille des donn\u00e9es\u00a0\u00bb comme facteur d\u00e9cisif est incomplet. Le guide des meilleures pratiques Excellerat (2022) et plusieurs \u00e9tudes de flux de travail HPC sugg\u00e8rent un ensemble plus riche de crit\u00e8res. Voici six facteurs \u00e0 peser lors du choix entre in situ et post-traitement.<\/p>\n<h3>1. suffisance de la bande passante d&rsquo;E\/S<\/h3>\n<p><strong>Question<\/strong>&nbsp;: Votre syst\u00e8me a-t-il suffisamment de bande passante d&rsquo;E\/S pour \u00e9crire vos ensembles de donn\u00e9es complets \u00e0 la fr\u00e9quence dont vous avez besoin&nbsp;?<\/p>\n<table>\n<thead>\n<tr>\n<th>Si c&rsquo;est&#8230;<\/th>\n<th>Recommandation<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Limit\u00e9 (stockage partag\u00e9, syst\u00e8me de fichiers congestionn\u00e9)<\/td>\n<td>Appuyer sur les <strong>Insitus<\/strong> \u2014 \u00c9vitez d&rsquo;\u00e9crire des ensembles de donn\u00e9es complets<\/td>\n<\/tr>\n<tr>\n<td>Abondant (stockage haute vitesse d\u00e9di\u00e9, E\/S ray\u00e9e)<\/td>\n<td><strong>Le post-traitement<\/strong> est faisable et plus flexible<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><strong>Pourquoi<\/strong>&nbsp;: si les E\/S sont d\u00e9j\u00e0 satur\u00e9es par votre simulation, l&rsquo;ajout d&rsquo;ensembles de donn\u00e9es de visualisation compl\u00e8tes peut provoquer des conflits d&rsquo;E\/S qui ralentissent la simulation elle-m\u00eame. In-situ contourne enti\u00e8rement le chemin d&rsquo;E\/S pour la visualisation.<\/p>\n<h3>2. Contraintes de quota de stockage<\/h3>\n<p><strong>Question<\/strong>&nbsp;: \u00eates-vous contraint par les quotas de stockage ou les politiques d&rsquo;archives&nbsp;?<\/p>\n<table>\n<thead>\n<tr>\n<th>Si c&rsquo;est&#8230;<\/th>\n<th>Recommandation<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Quota serr\u00e9 (allocation de stockage limit\u00e9e, strat\u00e9gies strictes)<\/td>\n<td>Lever vers <strong>in-situ<\/strong> \u2014 r\u00e9duit l&#8217;empreinte du disque<\/td>\n<\/tr>\n<tr>\n<td>Un quota suffisant (allocation g\u00e9n\u00e9reuse, politiques flexibles)<\/td>\n<td><strong>Le post-traitement<\/strong> reste viable<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><strong>Pourquoi<\/strong>&nbsp;: de grandes simulations peuvent g\u00e9n\u00e9rer des t\u00e9raoctets de sortie. Si votre quota de stockage est fixe, in situ r\u00e9duit le montant que vous devez \u00e9conomiser tout en pr\u00e9servant les informations dont vous avez besoin.<\/p>\n<h3>3. Besoins de r\u00e9solution temporelle<\/h3>\n<p><strong>Question<\/strong>&nbsp;: Avez-vous besoin d&rsquo;observer des ph\u00e9nom\u00e8nes temporels \u00e0 grain fin (par exemple, auto-inflammation dans la combustion, propagation des ondes, cascades de turbulence)&nbsp;?<\/p>\n<table>\n<thead>\n<tr>\n<th>Si c&rsquo;est&#8230;<\/th>\n<th>Recommandation<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Ph\u00e9nom\u00e8nes \u00e0 haute fr\u00e9quence (\u00e9chelles de temps courtes, \u00e9v\u00e9nements rapides)<\/td>\n<td>Lever vers <strong>in-situ<\/strong> \u2014 peut produire une analyse \u00e0 haute fr\u00e9quence<\/td>\n<\/tr>\n<tr>\n<td>Ph\u00e9nom\u00e8nes plus grossiers (processus lents, r\u00e9gime permanent)<\/td>\n<td><strong>Post-traitement<\/strong> est suffisant<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><strong>Pourquoi<\/strong>&nbsp;: l&rsquo;exemple de converge\/combustion de Kitware (2024) montre comment in situ peut sauver les isosurfaces de la temp\u00e9rature et du gradient de pression \u00e0 haute fr\u00e9quence &#8211; des ph\u00e9nom\u00e8nes de capture qui seraient perdus si l&rsquo;ensemble de donn\u00e9es complet \u00e9tait \u00e9crit \u00e0 une fr\u00e9quence inf\u00e9rieure. L&rsquo;ensemble de donn\u00e9es complet de ce cas \u00e9tait d&rsquo;environ 100&nbsp;Go, mais in situ r\u00e9duit les donn\u00e9es enregistr\u00e9es \u00e0 ~100&nbsp;Mo tout en pr\u00e9servant les fonctionnalit\u00e9s critiques.<\/p>\n<h3>4. Pr\u00e9visibilit\u00e9 de l&rsquo;analyse<\/h3>\n<p><strong>Question<\/strong>&nbsp;: savez-vous ce que vous voulez visualiser \u00e0 l&rsquo;avance ou explorerez-vous librement&nbsp;?<\/p>\n<table>\n<thead>\n<tr>\n<th>Si c&rsquo;est&#8230;<\/th>\n<th>Recommandation<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Pr\u00e9d\u00e9termin\u00e9 (champs sp\u00e9cifiques, tranches, isosurfaces, statistiques)<\/td>\n<td>Appuyer vers <strong>in-situ<\/strong> \u2014 Pipelines pr\u00e9d\u00e9finis Excel<\/td>\n<\/tr>\n<tr>\n<td>Exploratoire (inconnu de ce dont vous aurez besoin, it\u00e9ration sur l&rsquo;analyse)<\/td>\n<td>Appuyer sur <strong>Post-traitement<\/strong> \u2014 Exploration interactive<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><strong>Pourquoi<\/strong>&nbsp;: des pipelines in situ sont d\u00e9finis avant ou pendant l&rsquo;ex\u00e9cution de la simulation. Vous ne pouvez pas les modifier de mani\u00e8re interactive. Si vous d\u00e9couvrez de nouveaux ph\u00e9nom\u00e8nes ou it\u00e9rez des param\u00e8tres de visualisation, le post-traitement vous donne la flexibilit\u00e9.<\/p>\n<h3>5. Tol\u00e9rance aux conflits de ressources<\/h3>\n<p><strong>Question<\/strong>&nbsp;: pouvez-vous tol\u00e9rer les ressources de calcul consomm\u00e9es par la visualisation ex\u00e9cut\u00e9e parall\u00e8lement \u00e0 la simulation&nbsp;?<\/p>\n<table>\n<thead>\n<tr>\n<th>Si c&rsquo;est&#8230;<\/th>\n<th>Recommandation<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Faible tol\u00e9rance aux conflits (horaires serr\u00e9s et limit\u00e9s)<\/td>\n<td>Appuyer sur les <strong>post-traitement<\/strong> &#8211; les ressources s\u00e9par\u00e9es \u00e9vitent les conflits<\/td>\n<\/tr>\n<tr>\n<td>Planification flexible (peut partager des ressources, avoir une marge de man\u0153uvre)<\/td>\n<td>Lever vers <strong>in-situ<\/strong> \u2014 L&rsquo;analyse s&rsquo;ex\u00e9cute simultan\u00e9ment<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><strong>Pourquoi<\/strong>&nbsp;: la visualisation in situ partage des ressources de calcul avec la simulation. Si votre simulation est d\u00e9j\u00e0 limit\u00e9e en ressources, l&rsquo;ajout de code de visualisation peut le ralentir. L&rsquo;analyse des tensions de Moreland (2016) couvre en d\u00e9tail ce compromis.<\/p>\n<h3>6. Besoins d&rsquo;archives et de r\u00e9analyse<\/h3>\n<p><strong>Question<\/strong>&nbsp;: devrez-vous r\u00e9analyser cet ensemble de donn\u00e9es plus tard avec de nouveaux filtres ou diff\u00e9rents param\u00e8tres de visualisation&nbsp;?<\/p>\n<table>\n<thead>\n<tr>\n<th>Si c&rsquo;est&#8230;<\/th>\n<th>Recommandation<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Oui \u2014 archives ou r\u00e9-analyse future attendue<\/td>\n<td><strong>Post-traitement<\/strong> pr\u00e9serve les donn\u00e9es compl\u00e8tes pour la flexibilit\u00e9<\/td>\n<\/tr>\n<tr>\n<td>Non, vous extrayez ce dont vous avez besoin maintenant et archiverez les donn\u00e9es r\u00e9duites<\/td>\n<td><strong>Insitu<\/strong> est appropri\u00e9&nbsp;; Vous avez d\u00e9j\u00e0 extrait les repr\u00e9sentations n\u00e9cessaires<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><strong>Pourquoi<\/strong>&nbsp;: Il s&rsquo;agit du compromis le plus souvent n\u00e9glig\u00e9. Lorsque vous rejetez des donn\u00e9es brutes sur place apr\u00e8s avoir produit des repr\u00e9sentations r\u00e9duites (bases de donn\u00e9es de cin\u00e9ma, isosurfaces, statistiques), vous perdez la possibilit\u00e9 de r\u00e9analyser avec de nouveaux filtres. Les utilisateurs qui passent sur in situ sans planifier leur archivage expriment souvent des regrets de ne pas conserver les donn\u00e9es brutes.<\/p>\n<blockquote>\n<p><strong>Ce que nous recommandons<\/strong>&nbsp;: ex\u00e9cutez ce cadre de d\u00e9cision par rapport \u00e0 votre simulation sp\u00e9cifique. Si 4+ crit\u00e8res penchent vers in situ, c&rsquo;est probablement le bon choix. Si 4+ penche vers le post-traitement, respectez le flux de travail traditionnel. Si les crit\u00e8res sont divis\u00e9s de mani\u00e8re \u00e9gale, la strat\u00e9gie hybride (section suivante) peut \u00eatre votre meilleur chemin.<\/p>\n<\/blockquote>\n<hr>\n<h2>La strat\u00e9gie hybride : standard moderne<\/h2>\n<p>La norme \u00e9mergente pour les flux de travail HPC matures n&rsquo;est pas \u00ab\u00a0in-situ vs post-traitement\u00a0\u00bb &#8211; c&rsquo;est <strong>les deux<\/strong>.<\/p>\n<p>Le mod\u00e8le est simple&nbsp;: effectuez la r\u00e9duction des donn\u00e9es et l&rsquo;extraction de fonctionnalit\u00e9s <strong>in situ<\/strong>, puis g\u00e9n\u00e8rez une visualisation <strong>en transit<\/strong> sur les donn\u00e9es r\u00e9duites. L&rsquo;exemple canonique est le workflow Catalyst-Adios2&nbsp;: Catalyst effectue une r\u00e9duction des donn\u00e9es in situ (extrait des isosurfaces, calcul des statistiques, g\u00e9n\u00e9ration de bases de donn\u00e9es de cin\u00e9ma) et ADIOS2 transporte les ensembles de donn\u00e9es r\u00e9duits vers des n\u0153uds de visualisation pour une exploration post-hoc.<\/p>\n<p>Cette approche capte les avantages des deux mondes :<\/p>\n<ul>\n<li><strong>R\u00e9duction in situ<\/strong> \u00c9limine les goulots d&rsquo;\u00e9tranglement et les temps d&rsquo;inactivit\u00e9 (\u00e9conomies d&rsquo;\u00e9nergie)<\/li>\n<li><strong>Exploration en transit<\/strong> Pr\u00e9serve la flexibilit\u00e9 pour l&rsquo;analyse it\u00e9rative<\/li>\n<li><strong>Enregistrement s\u00e9lectif<\/strong> signifie que vous n&rsquo;\u00e9crivez que les donn\u00e9es dont vous avez r\u00e9ellement besoin<\/li>\n<\/ul>\n<p>La vue d&rsquo;ensemble de l&rsquo;aper\u00e7u HPC plus large de Kitware 2025 encadre ce mod\u00e8le par d\u00e9faut pour les flux de travail \u00ab\u00a0Exascale-Ready\u00a0\u00bb. L&rsquo;article ARXIV 2024 \u00ab\u00a0In situ in situ in situ hybrid analysis with catalyseur-adios2\u00a0\u00bb d\u00e9crit en d\u00e9tail le mod\u00e8le moderne typique.<\/p>\n<h3>Flux de travail hybride pratique<\/h3>\n<ol>\n<li><strong>D\u00e9finir<\/strong> les pipelines de visualisation et d&rsquo;analyse avant le d\u00e9but de la simulation (scripts Catalyst, recettes d&rsquo;ascension)<\/li>\n<li><strong>Ex\u00e9cuter<\/strong> la simulation avec r\u00e9duction des donn\u00e9es in situ &#8211; extraire les fonctionnalit\u00e9s dont vous avez besoin pendant son ex\u00e9cution<\/li>\n<li><strong>Moniteur<\/strong> via des trac\u00e9s ou des instantan\u00e9s en temps r\u00e9el pour le d\u00e9bogage et la direction<\/li>\n<li><strong>Enregistrer<\/strong> uniquement les ensembles de donn\u00e9es r\u00e9duits (pas l&rsquo;\u00e9tat de simulation complet)<\/li>\n<li><strong>Post-processus<\/strong> sur les donn\u00e9es r\u00e9duites \u00e0 l&rsquo;aide de ParaView, de Visit ou de votre outil pr\u00e9f\u00e9r\u00e9<\/li>\n<\/ol>\n<p>C&rsquo;est ce que le guide des meilleures pratiques Excellerat (2022) recommande comme mod\u00e8le de \u00ab\u00a0meilleure pratique\u00a0\u00bb pour la visualisation \u00e0 grande \u00e9chelle.<\/p>\n<blockquote>\n<p><strong>Ce que nous vous recommandons<\/strong>&nbsp;: si vous ex\u00e9cutez des simulations \u00e0 grande \u00e9chelle (100&nbsp;Go par ex\u00e9cution, multi-noeuds ou cluster HPC), adoptez la strat\u00e9gie hybride par d\u00e9faut. Il vous donne les avantages de performances et d&rsquo;\u00e9nergie d&rsquo;In-Situ sans sacrifier la flexibilit\u00e9 analytique du post-traitement. Seul le post-traitement pur est logique lorsque vos ensembles de donn\u00e9es sont suffisamment petits pour que les frais g\u00e9n\u00e9raux d&rsquo;E\/S soient n\u00e9gligeables.<\/p>\n<\/blockquote>\n<hr>\n<h2>Lorsque le post-traitement gagne toujours<\/h2>\n<p>In-situ attire beaucoup l&rsquo;attention, mais le post-traitement reste le bon choix dans plusieurs sc\u00e9narios importants. Ne l&rsquo;abandonnez pas enti\u00e8rement, utilisez-le strat\u00e9giquement.<\/p>\n<h3>Analyse exploratoire<\/h3>\n<p>Si vous d\u00e9veloppez de nouvelles techniques de visualisation, testez des pipelines d&rsquo;analyse ou simplement explorez un ensemble de donn\u00e9es sans savoir ce dont vous aurez besoin, le post-traitement est in\u00e9gal\u00e9. Vous pouvez charger les donn\u00e9es, appliquer des filtres arbitraires et it\u00e9rer. Les pipelines in situ ne peuvent offrir cette flexibilit\u00e9, ils n\u00e9cessitent une logique pr\u00e9d\u00e9finie.<\/p>\n<h3>Petits jeux de donn\u00e9es<\/h3>\n<p>Si votre simulation produit moins de quelques gigaoctets par ex\u00e9cution et s&rsquo;ex\u00e9cute sur un seul n\u0153ud ou un petit cluster, la surcharge d&rsquo;E\/S du post-traitement est probablement n\u00e9gligeable. La flexibilit\u00e9 du post-traitement l&#8217;emporte sur le co\u00fbt des performances mineurs.<\/p>\n<h3>D\u00e9veloppement d&rsquo;algorithmes<\/h3>\n<p>Lorsque vous d\u00e9veloppez de nouvelles m\u00e9thodes num\u00e9riques, testez les taux de convergence ou it\u00e9rez les param\u00e8tres du solveur, vous avez besoin de la fid\u00e9lit\u00e9 des donn\u00e9es. Le post-traitement pr\u00e9serve chaque pas de temps et chaque champ. R\u00e9duction in situ rejette les informations que vous regretterez peut-\u00eatre plus tard d&rsquo;avoir perdu.<\/p>\n<h3>Archivage et reproductibilit\u00e9<\/h3>\n<p>Si votre simulation fait partie d&rsquo;une \u00e9tude publi\u00e9e ou d&rsquo;un flux de travail reproductible, le post-traitement vous donne une piste d&rsquo;audit claire&nbsp;: les fichiers de donn\u00e9es brutes, les scripts de post-traitement, les visualisations r\u00e9sultantes. Le compromis \u00ab\u00a0perte de donn\u00e9es\u00a0\u00bb de l&rsquo;\u00e9tat de simulation brute in situ apr\u00e8s l&rsquo;extraction rend la reproductibilit\u00e9 plus difficile lorsque vous devez r\u00e9analyser avec de nouvelles m\u00e9thodes.<\/p>\n<h3>Quand choisir le post-traitement plut\u00f4t que sur in situ<\/h3>\n<p>Utilisez le post-traitement lorsque&nbsp;:<\/p>\n<ul>\n<li>Votre ensemble de donn\u00e9es est suffisamment petit pour que les frais g\u00e9n\u00e9raux d&rsquo;E\/S soient acceptables<\/li>\n<li>Vous avez besoin d&rsquo;une analyse it\u00e9rative et exploratoire<\/li>\n<li>Vous d\u00e9veloppez ou testez de nouvelles techniques de visualisation<\/li>\n<li>La reproductibilit\u00e9 et l&rsquo;archivage n\u00e9cessitent une conservation compl\u00e8te des donn\u00e9es<\/li>\n<li>Vous n&rsquo;avez pas acc\u00e8s \u00e0 des outils compatibles in situ ou \u00e0 l&rsquo;expertise en int\u00e9gration<\/li>\n<\/ul>\n<hr>\n<h2>Brief paysage d&rsquo;outil<\/h2>\n<p>Vous n&rsquo;avez pas besoin de cr\u00e9er une infrastructure in situ \u00e0 partir de z\u00e9ro. Plusieurs outils matures rendent l&rsquo;int\u00e9gration simple.<\/p>\n<h3>Catalyseur Paraview<\/h3>\n<p>La biblioth\u00e8que in situ la plus largement adopt\u00e9e. Paraview Catalyst fournit une petite API stable pour les codes de simulation afin d&rsquo;exposer les structures de donn\u00e9es en m\u00e9moire au moteur de traitement de Paraview. Une fois instrument\u00e9 avec Catalyst, un code de simulation peut exploiter toutes les capacit\u00e9s d&rsquo;analyse et de visualisation de Paraview.<\/p>\n<ul>\n<li><strong>Meilleur pour<\/strong>&nbsp;: simulations de CFD, de combustion et multiphysiques \u00e0 grande \u00e9chelle<\/li>\n<li><strong>Exemple<\/strong>&nbsp;: Converge CFD utilise un catalyseur pour l&rsquo;analyse de combustion in situ (Kitware 2024)<\/li>\n<li><strong>Complexit\u00e9 d&rsquo;int\u00e9gration<\/strong>&nbsp;: mod\u00e9r\u00e9 \u2014 n\u00e9cessite une instrumentation initiale, puis ex\u00e9cute des scripts Catalyst en tant que pipelines pr\u00e9d\u00e9finis<\/li>\n<\/ul>\n<h3>Ascension<\/h3>\n<p>Un cadre l\u00e9ger in situ de KitWare con\u00e7u pour une int\u00e9gration facile. Ascent fournit un langage de recette simple bas\u00e9 sur YAML pour d\u00e9finir des pipelines in situ sans connaissances approfondies en C++.<\/p>\n<ul>\n<li><strong>Meilleur pour<\/strong>&nbsp;: les \u00e9quipes qui souhaitent une int\u00e9gration rapide in situ sans changements de code profonds<\/li>\n<li><strong>Complexit\u00e9 d&rsquo;int\u00e9gration<\/strong>&nbsp;: faibles &#8211; recettes YAML, int\u00e9gration minimale en C++ requise<\/li>\n<li><strong>Limitation<\/strong>&nbsp;: \u00e9cosyst\u00e8me plus petit que le catalyseur&nbsp;; Moins mature pour les d\u00e9ploiements Exascale<\/li>\n<\/ul>\n<h3>Visitez Libsim<\/h3>\n<p>La biblioth\u00e8que in situ pour la visite. Similaire \u00e0 Catalyst mais int\u00e9gr\u00e9 \u00e0 l&rsquo;\u00e9cosyst\u00e8me Visit.<\/p>\n<ul>\n<li><strong>Meilleur pour<\/strong>&nbsp;: des \u00e9quipes d\u00e9j\u00e0 investies dans l&rsquo;\u00e9cosyst\u00e8me Visit<\/li>\n<li><strong>Complexit\u00e9 d&rsquo;int\u00e9gration<\/strong>&nbsp;: mod\u00e9r\u00e9 \u2014 n\u00e9cessite une instrumentation libsim<\/li>\n<\/ul>\n<h3>damaris<\/h3>\n<p>Un nouveau cadre in situ bas\u00e9 sur des normes, con\u00e7u pour la portabilit\u00e9 entre les outils de visualisation. Damaris utilise une API standardis\u00e9e qui dissocie la simulation des backends de visualisation sp\u00e9cifiques.<\/p>\n<ul>\n<li><strong>Meilleur pour<\/strong>&nbsp;: d\u00e9ploiements multi-\u00e9cosyst\u00e8mes (envie d&rsquo;utiliser plusieurs outils de visualisation)<\/li>\n<li><strong>Complexit\u00e9 d&rsquo;int\u00e9gration<\/strong>&nbsp;: plus \u00e9lev\u00e9&nbsp;: une cha\u00eene d&rsquo;outils plus r\u00e9cente et moins \u00e9tablie<\/li>\n<li><strong>Notable<\/strong>&nbsp;: gagner du terrain dans les communaut\u00e9s HPC europ\u00e9ennes<\/li>\n<\/ul>\n<h3>Guide de s\u00e9lection d&rsquo;outils<\/h3>\n<table>\n<thead>\n<tr>\n<th>Si vous avez besoin&#8230;<\/th>\n<th>Recommander<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Le plus grand \u00e9cosyst\u00e8me, la plupart des exemples<\/td>\n<td><strong>Catalyseur Paraview<\/strong><\/td>\n<\/tr>\n<tr>\n<td>Int\u00e9gration rapide, C++ minimale<\/td>\n<td><strong>Ascension<\/strong><\/td>\n<\/tr>\n<tr>\n<td>VisIt ecosystem alignment<\/td>\n<td><strong>Visitez Libsim<\/strong><\/td>\n<\/tr>\n<tr>\n<td>Portabilit\u00e9 multi-outils<\/td>\n<td><strong>Damaris<\/strong><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Le Guide des meilleures pratiques Excellerat (2022) fournit des tableaux de comparaison d\u00e9taill\u00e9s pour les interfaces in situ et les recommandations d&rsquo;outils \u00e0 Exascale. Leur analyse sugg\u00e8re que Catalyst est l&rsquo;option la plus mature pour les flux de travail HPC de production, avec Ascent comme une alternative l\u00e9g\u00e8re et solide.<\/p>\n<hr>\n<h2>R\u00e9sum\u00e9 + \u00c9tapes suivantes<\/h2>\n<p>Choisir entre la visualisation in situ et le post-traitement n&rsquo;est pas une question binaire \u00ab\u00a0ce qui est mieux\u00a0\u00bb. Il s&rsquo;agit d&rsquo;une d\u00e9cision de conception de flux de travail qui doit tenir compte de la taille des donn\u00e9es, de l&rsquo;\u00e9nergie, des besoins de d\u00e9bogage, de la flexibilit\u00e9 et des consid\u00e9rations d&rsquo;archives.<\/p>\n<p>Voici notre recommandation distill\u00e9e en trois principes :<\/p>\n<ol>\n<li><strong>Pour les simulations HPC \u00e0 grande \u00e9chelle (100+ GB, multi-n\u0153ud)<\/strong>, adoptez la strat\u00e9gie hybride&nbsp;: r\u00e9duction in situ avec une \u00e9conomie s\u00e9lective, suivie d&rsquo;un post-traitement sur les donn\u00e9es r\u00e9duites. Cela vous donne les \u00e9conomies d&rsquo;\u00e9nergie (~43&nbsp;% de r\u00e9duction d&rsquo;\u00e9nergie totale par \u00e9tude VT), les avantages du d\u00e9bogage et la flexibilit\u00e9 analytique dont vous avez besoin.<\/li>\n<li><strong>Pour les simulations de petite et moyenne taille (10&nbsp;Go, \u00e0 n\u0153ud unique ou \u00e0 petit cluster)<\/strong>, le post-traitement est g\u00e9n\u00e9ralement plus simple et plus flexible. N&rsquo;ajoutez pas de complexit\u00e9 in situ \u00e0 moins que vous n&rsquo;ayez sp\u00e9cifiquement besoin des avantages du d\u00e9bogage ou de l&rsquo;\u00e9nergie.<\/li>\n<li><strong>Envisagez toujours le d\u00e9bogage<\/strong>. M\u00eame si vous choisissez le post-traitement pour le flux de travail principal, l&rsquo;ex\u00e9cution d&rsquo;au moins un trac\u00e9 de diagnostic in situ (un historique de temps, une tranche de cl\u00e9 ou un moniteur de convergence) peut vous faire \u00e9conomiser des heures de temps perdu en cas de divergence.<\/li>\n<\/ol>\n<h3>Prochaines \u00e9tapes pratiques<\/h3>\n<ul>\n<li>Si votre flux de travail actuel est purement post-traitement et que vous ex\u00e9cutez de grandes simulations&nbsp;: \u00e9valuez le catalyseur ou l&rsquo;ascension pour la r\u00e9duction des donn\u00e9es in situ. M\u00eame une simple tranche pr\u00e9d\u00e9finie ou un pipeline de statistiques r\u00e9duira les E\/S et les temps d&rsquo;inactivit\u00e9.<\/li>\n<li>Si vous utilisez d\u00e9j\u00e0 in situ mais que vous n&rsquo;avez pas explor\u00e9 le d\u00e9bogage&nbsp;: ajoutez au moins une visualisation d&rsquo;alerte pr\u00e9coce (trac\u00e9 de l&rsquo;histoire du temps, isosurface d&rsquo;un champ cl\u00e9 ou d\u00e9tection d&rsquo;anomalies). Le concept de \u00ab\u00a0Simulation Dashboard\u00a0\u00bb du rapport DAG (2019) est un bon point de d\u00e9part.<\/li>\n<li>Si vous planifiez des workflows d&rsquo;archives&nbsp;: d\u00e9cidez des donn\u00e9es brutes \u00e0 conserver avant de passer \u00e0 in situ. Ne supprimez pas l&rsquo;\u00e9tat de simulation dont vous pourriez avoir besoin pour une analyse future.<\/li>\n<\/ul>\n<p>La d\u00e9cision de visualisation est l&rsquo;un des rares choix de flux de travail de simulation qui a un impact direct sur les performances et la qualit\u00e9 de la perspicacit\u00e9. Faites-le bien et vos simulations s&rsquo;ex\u00e9cutent plus rapidement, \u00e9conomisez de l&rsquo;\u00e9nergie et r\u00e9cup\u00e9rez les erreurs t\u00f4t. Ne vous trompez pas et vous perdez du temps, du stockage et des ph\u00e9nom\u00e8nes potentiellement manqu\u00e9s que vous ne pouvez pas r\u00e9analyser. Utilisez ce cadre pour faire un choix \u00e9clair\u00e9.<\/p>\n<hr>\n<h2>Guides connexes<\/h2>\n<p>Pour une couverture plus approfondie sur des sujets connexes, voici quelques ressources suppl\u00e9mentaires de notre site&nbsp;:<\/p>\n<ul>\n<li><a href=\"https:\/\/matforge.org\/in-situ-visualization-integration-computation\/\" target=\"_blank\" rel=\"nofollow noopener\">Visualisation in situ&nbsp;: int\u00e9gration de la visualisation pendant le calcul<\/a>&nbsp;: notre guide complet sur l&rsquo;infrastructure, les outils et les mod\u00e8les de mise en \u0153uvre in situ.<\/li>\n<li><a href=\"https:\/\/matforge.org\/visit-vs-paraview-choosing-right-tool\/\">Vissive vs Paraview&nbsp;: Choisir le bon outil pour vos donn\u00e9es de simulation<\/a> &#8211; Une comparaison des deux cadres de visualisation les plus utilis\u00e9s pour les donn\u00e9es scientifiques.<\/li>\n<li><a href=\"https:\/\/matforge.org\/illuminator-distributed-visualization-library\/\">Biblioth\u00e8que de visualisation distribu\u00e9e d&rsquo;illuminateur<\/a> \u2014 Pr\u00e9sentation d&rsquo;un outil sp\u00e9cialis\u00e9 pour le rendu et le stockage en parall\u00e8le.<\/li>\n<li><a href=\"https:\/\/matforge.org\/managing-large-scale-pde-problems-strategies-solvers-and-hpc-case-studies\/\">G\u00e9rer les probl\u00e8mes de PDE \u00e0 grande \u00e9chelle&nbsp;: strat\u00e9gies, solveurs et \u00e9tudes de cas HPC<\/a>&nbsp;: strat\u00e9gies pour r\u00e9soudre efficacement les probl\u00e8mes de calcul massifs.<\/li>\n<li><a href=\"https:\/\/matforge.org\/advection-dominated-problems-supg-stabilization\/\">probl\u00e8mes domin\u00e9s par advection&nbsp;: sch\u00e9mas au vent et stabilisation du SUPG<\/a> \u2014 Orientation pratique pour les techniques de stabilisation dans la CFD simulations.<\/li>\n<\/ul>\n<hr>\n<p><em>R\u00e9f\u00e9rences et sources cit\u00e9es dans cet article&nbsp;:<\/em><\/p>\n<ul>\n<li><a href=\"https:\/\/www.kitware.com\/in-situ-data-analysis-brings-faster-results-and-accelerated-insights\/\" target=\"_blank\" rel=\"nofollow noopener\">Kitware (2024). L&rsquo;analyse des donn\u00e9es in situ apporte des r\u00e9sultats plus rapides et des informations acc\u00e9l\u00e9r\u00e9es<\/a><\/li>\n<li><a href=\"https:\/\/research.cs.vt.edu\/synergy\/pubs\/papers\/vignesh-in-situ-hppac15.pdf\" target=\"_blank\" rel=\"nofollow noopener\">Adhinarayanan et al. (2015). Sur la nature des pipelines de visualisation in situ et post-traitement<\/a><\/li>\n<li><a href=\"https:\/\/cinemascience.github.io\/publications\/Adhinarayanan-etal-2017CharacterizingModelingPowerEnergyInSituVis.pdf\" target=\"_blank\" rel=\"nofollow noopener\">Adhinarayanan et al. (2017). Caract\u00e9risation du pouvoir de mod\u00e9lisation &amp; \u00c9nergie pour la visualisation in situ<\/a><\/li>\n<li><a href=\"https:\/\/drops.dagstuhl.de\/storage\/04dagstuhl-reports\/volume08\/issue07\/18271\/DagRep.8.7.1\/DagRep.8.7.1.pdf\" target=\"_blank\" rel=\"nofollow noopener\">Bennett, J. (2019). Rapport DAG&nbsp;: visualisation in situ<\/a><\/li>\n<li><a href=\"https:\/\/www.computer.org\/csdl\/magazine\/cg\/2016\/02\/mcg2016020005\/13rRUILLkIJ\" target=\"_blank\" rel=\"nofollow noopener\">Moreland, K. (2016). Les tensions de la visualisation in situ<\/a><\/li>\n<li><a href=\"https:\/\/www.excellerat.eu\/wp-content\/uploads\/2022\/06\/EXCELLERAT_WP4_D4.5_Best_Practices_and_Tools_for_Visualization_Data_Managment_and_Analytics_of_Engineering_Simulations_at_Exascale.pdf\" target=\"_blank\" rel=\"nofollow noopener\">Excellerat (2022). Meilleures pratiques et outils de visualisation, de gestion des donn\u00e9es et d&rsquo;analyse chez ExaScale<\/a><\/li>\n<li><a href=\"https:\/\/dl.acm.org\/doi\/10.1145\/3635035.3635048\" target=\"_blank\" rel=\"nofollow noopener\">Tahir, M. (2024). Analyse vers une image bas\u00e9e sur l&rsquo;\u00e9nergie bas\u00e9e sur l&rsquo;image in situ<\/a><\/li>\n<\/ul>\n","protected":false,"raw":"<h2>Points \u00e0 retenir cl\u00e9s<\/h2>\n<ul>\n<li><strong>Visualisation in situ<\/strong> traite les donn\u00e9es en m\u00e9moire pendant la simulation&nbsp;; <strong>Le post-traitement<\/strong> enregistre les donn\u00e9es brutes sur le disque, puis les lit pour analyse.<\/li>\n<li>In-situ peut r\u00e9duire la consommation d'\u00e9nergie totale de <strong>~43&nbsp;%<\/strong> en \u00e9liminant le temps d'inactivit\u00e9 du syst\u00e8me, et pas seulement les frais g\u00e9n\u00e9raux d'E\/S.<\/li>\n<li>In-situ sert de <strong>syst\u00e8me d'alerte pr\u00e9coce<\/strong> pour les divergences, instabilit\u00e9s et anomalies num\u00e9riques avant de perdre des heures de base.<\/li>\n<li>La <strong>Strat\u00e9gie hybride<\/strong> (r\u00e9duction in situ \u2192 Enregistrement s\u00e9lectif \u2192 Post-traitement sur des donn\u00e9es r\u00e9duites) est la norme moderne pour les flux de travail HPC.<\/li>\n<li>Le post-traitement gagne toujours pour les <strong>analyse exploratoire<\/strong>, les <strong>ensembles de donn\u00e9es<\/strong> et les <strong>les besoins d'archives\/r\u00e9analyses<\/strong>.<\/li>\n<li>Votre choix doit aller au-del\u00e0 de la \"taille des donn\u00e9es\" - tenez compte de la suffisance des E\/S, du quota de stockage, de la r\u00e9solution temporelle, de la pr\u00e9visibilit\u00e9 de l'analyse, de la contestation des ressources et des besoins d'archives.<\/li>\n<\/ul>\n<hr>\n<h2>Introduction<\/h2>\n<p>Lorsque vous ex\u00e9cutez une simulation, qu'il s'agisse d'un cas de dynamique des fluides (CFD), d'un mod\u00e8le de champ de phase ou d'une dynamique mol\u00e9culaire, vous devez \u00e9ventuellement visualiser les r\u00e9sultats. Vous disposez de deux strat\u00e9gies principales&nbsp;: <strong>Visualisation in situ<\/strong>, o\u00f9 vous analysez les donn\u00e9es pendant que la simulation est toujours en cours, ou <strong>post-traitement<\/strong>, o\u00f9 vous enregistrez le jeu de donn\u00e9es complet sur le disque et l'analysez ensuite.<\/p>\n<p>Le choix entre eux n'est pas seulement un d\u00e9tail technique, cela affecte les performances de votre simulation, la consommation d'\u00e9nergie, la capacit\u00e9 de d\u00e9bogage et la flexibilit\u00e9 dont vous disposez pour une analyse future. La plupart des chercheurs rencontrent cette d\u00e9cision au d\u00e9but de leur carri\u00e8re de HPC et font un choix bas\u00e9 sur l'intuition ou la convention d'\u00e9quipe plut\u00f4t que sur un cadre structur\u00e9.<\/p>\n<p>Pour une couverture technique approfondie des infrastructures, des outils et des mod\u00e8les de mise en \u0153uvre in situ, consultez notre guide de <a href=\"https:\/\/matforge.org\/in-situ-visualization-integration-computation\/\" target=\"_blank\" rel=\"nofollow noopener\">Visualisation in situ<\/a>. Ici, nous prenons un angle diff\u00e9rent&nbsp;: un cadre de d\u00e9cision pratique qui r\u00e9pond \"Quand dois-je utiliser chaque approche&nbsp;?\" et introduit deux dimensions que la plupart des articles de comparaison manquent - l'argument des \u00e9conomies d'\u00e9nergie et le cas d'utilisation du d\u00e9bogage.<\/p>\n<hr>\n<h2>La comparaison classique<\/h2>\n<p>Avant de plonger dans les nouvelles dimensions, \u00e9tablissons la diff\u00e9rence de base entre les deux approches, car cette comparaison fondamentale est d\u00e9j\u00e0 bien couverte dans notre guide de visualisation in situ.<\/p>\n<p><strong>Visualisation in situ<\/strong> ex\u00e9cute le code de visualisation et d'analyse dans le m\u00eame espace m\u00e9moire que votre simulation. Les donn\u00e9es ne touchent jamais le disque - elles s'\u00e9coulent du solveur de simulation directement dans un pipeline de visualisation. Cela \u00e9limine enti\u00e8rement les E\/S de fichiers pour le chemin de visualisation.<\/p>\n<p><strong>Le post-traitement<\/strong> fonctionne dans le sens inverse. Votre simulation \u00e9crit des jeux de donn\u00e9es complets sur le disque \u00e0 intervalles r\u00e9guliers (ou \u00e0 des jalons de convergence). Une fois la simulation termin\u00e9e, vous chargez ces fichiers dans un outil de visualisation s\u00e9par\u00e9 (paraview, visite ou similaire) et explorez les donn\u00e9es de mani\u00e8re interactive.<\/p>\n<p>Le compromis classique est simple :<\/p>\n<table>\n<thead>\n<tr>\n<th>Dimensions<\/th>\n<th>in situ<\/th>\n<th>post-traitement<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Emplacement des donn\u00e9es<\/td>\n<td>En m\u00e9moire pendant la simulation<\/td>\n<td>Enregistr\u00e9 sur le disque<\/td>\n<\/tr>\n<tr>\n<td>Impact des E\/S<\/td>\n<td>Z\u00e9ro pour le chemin de visualisation<\/td>\n<td>Ensemble de donn\u00e9es complet \u00e9crit plusieurs fois<\/td>\n<\/tr>\n<tr>\n<td>Temps<\/td>\n<td>En temps r\u00e9el pendant la simulation<\/td>\n<td>Une fois la simulation termin\u00e9e<\/td>\n<\/tr>\n<tr>\n<td>Fran\u00e7ais de l'analyse<\/td>\n<td>Pipelines pr\u00e9d\u00e9finis uniquement<\/td>\n<td>Interactif, exploratoire<\/td>\n<\/tr>\n<tr>\n<td>Contention des ressources<\/td>\n<td>Partager avec la simulation<\/td>\n<td>Fonctionne sur du mat\u00e9riel s\u00e9par\u00e9<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Cette comparaison a \u00e9t\u00e9 bien document\u00e9e par Moreland (2016) dans \"Les tensions de la visualisation in situ\", qui pr\u00e9sente les compromis fondamentaux concernant la contention des ressources, la perte de donn\u00e9es et la complexit\u00e9 du couplage. Notre guide de visualisation in situ parcourt les mod\u00e8les de mise en \u0153uvre, les comparaisons d'outils et les strat\u00e9gies d'int\u00e9gration en profondeur.<\/p>\n<p>Cependant, la d\u00e9cision n'est pas \u00e9vidente \u00e0 partir de ce tableau. Voici o\u00f9 les choses deviennent int\u00e9ressantes.<\/p>\n<hr>\n<h2>La dimension Energie et Vert<\/h2>\n<p>C'est l'id\u00e9e que la plupart des articles de cet espace manquent. La visualisation in situ n'acc\u00e9l\u00e8re pas seulement votre flux de travail, mais elle r\u00e9duit consid\u00e9rablement la consommation d'\u00e9nergie et les \u00e9conomies sont plus importantes que ce \u00e0 quoi vous vous attendiez.<\/p>\n<h3>d'o\u00f9 viennent les \u00e9conomies d'\u00e9nergie<\/h3>\n<p>Plusieurs \u00e9tudes de Virginia Tech (notamment Adhinarayanan et al. 2015 et l'\u00e9tude de suivi de la caract\u00e9risation en 2017) ont mesur\u00e9 la puissance et l'\u00e9nergie des pipelines de visualisation et ont constat\u00e9 que les <strong>approches in situ consomment environ 43&nbsp;% moins d'\u00e9nergie totale<\/strong> que les workflows traditionnels de post-traitement.<\/p>\n<p>Voici les d\u00e9tails critiques que la plupart des sources n'expliquent pas clairement&nbsp;: la majorit\u00e9 de ces \u00e9conomies ne d\u00e9coulent pas de l'\u00e9vitement des \u00e9critures d'E\/S. Ils proviennent de <strong>Eliminer le temps d'inactivit\u00e9 du syst\u00e8me<\/strong>.<\/p>\n<p>Lorsque vous ex\u00e9cutez le post-traitement sur un syst\u00e8me HPC, les n\u0153uds de calcul terminent leur simulation et restent inactifs pendant que le sous-syst\u00e8me de stockage traite les donn\u00e9es vides. Ces n\u0153uds inactifs consomment toujours de l'\u00e9nergie - une puissance potentiellement importante - tout en ne faisant rien de productif. La visualisation in situ \u00e9vite cela enti\u00e8rement car l'analyse se produit en m\u00eame temps que le calcul, ce qui maintient le fonctionnement de tous les n\u0153uds.<\/p>\n<p>L'\u00e9tude de Tahir (2024) \"bas\u00e9e sur l'image bas\u00e9e sur l'\u00e9nergie\" \u00e9tend cette analyse plus loin, montrant que les <strong>les choix de param\u00e8tres de rendu dans les flux de travail in situ affectent la consommation d'\u00e9nergie<\/strong>. La s\u00e9lection d'algorithmes de rendu efficaces, par exemple, un rendu de volume de particules optimis\u00e9 au lieu de lancer de rayons lourds, permet d'\u00e9conomiser de l'\u00e9nergie suppl\u00e9mentaire. Le choix \"vert\" est important m\u00eame \u00e0 l'int\u00e9rieur des pipelines in situ.<\/p>\n<h3>Pourquoi cela est important pour votre flux de travail<\/h3>\n<p>Si vous ex\u00e9cutez des simulations sur des ressources HPC partag\u00e9es, la consommation d'\u00e9nergie affecte directement :<\/p>\n<ul>\n<li><strong>Temps de l'horloge murale<\/strong> \u2014 Simulations plus rapides sont termin\u00e9es plus t\u00f4t, r\u00e9duisant le temps de calcul perdu<\/li>\n<li><strong>Attribution des ressources<\/strong> \u2014 De nombreux centres HPC allouent du temps en fonction des heures de n\u0153ud consomm\u00e9es<\/li>\n<li><strong>Impact environnemental<\/strong> \u2014 De grandes simulations peuvent consommer des m\u00e9gawatts-heures d'\u00e9nergie<\/li>\n<\/ul>\n<p>Pour les PIS g\u00e9rant les budgets des subventions et les administrateurs HPC \u00e9valuant l'utilisation des ressources, l'argument \u00e9nerg\u00e9tique est une raison l\u00e9gitime de prendre en compte in situ m\u00eame lorsque la taille des donn\u00e9es est g\u00e9rable.<\/p>\n<blockquote><p><strong>Ce que nous vous recommandons<\/strong>&nbsp;: si votre simulation d\u00e9passe quelques gigaoctets de sortie par ex\u00e9cution, les \u00e9conomies d'\u00e9nergie \u00e0 elles seules justifient in situ. Pour les travaux HPC \u00e0 grande \u00e9chelle, les \u00e9conomies d'environ 43&nbsp;% sont suffisamment importantes pour \u00eatre prises en compte dans la conception de votre flux de travail, pas seulement une bonne chose.<\/p><\/blockquote>\n<hr>\n<h2>In-situ comme outil de d\u00e9bogage et d'alerte rapide<\/h2>\n<p>C'est l\u00e0 que notre article introduit un territoire vraiment nouveau que les guides existants ne couvrent pas bien. La visualisation in situ ne consiste pas seulement \u00e0 voir les r\u00e9sultats plus rapidement, c'est une <strong>strat\u00e9gie de d\u00e9bogage<\/strong> pour les simulations num\u00e9riques.<\/p>\n<h3>Attraper la divergence avant que cela ne vous co\u00fbte<\/h3>\n<p>Lorsqu'une simulation diverge, qu'il s'agisse d'une instabilit\u00e9 num\u00e9rique, d'une incompatibilit\u00e9 physique des param\u00e8tres ou d'un probl\u00e8me de qualit\u00e9 de maillage, le co\u00fbt est compos\u00e9 \u00e0 chaque pas de temps. Si vous enregistrez des donn\u00e9es pour le post-traitement et d\u00e9couvrez la divergence apr\u00e8s 50&nbsp;jours de base ont \u00e9t\u00e9 consomm\u00e9s, c'est un r\u00e9sultat d\u00e9vastateur.<\/p>\n<p>La visualisation in situ vous donne <strong>r\u00e9troaction visuelle imm\u00e9diate<\/strong>. Vous pouvez rep\u00e9rer les divergences, les instabilit\u00e9s ou les anomalies d\u00e8s qu'elles se d\u00e9veloppent et arr\u00eater la simulation avant qu'elle ne gaspille des millions d'heures de base. Le rapport DAG de Bennett (2019) sur la visualisation in situ le d\u00e9crit comme le concept de \"tableau de donn\u00e9es de simulation\" - en utilisant la visualisation en temps r\u00e9el pour le d\u00e9bogage visuel, la co-programmation et la direction.<\/p>\n<p>Plusieurs \u00e9tudes renforcent ce mod\u00e8le :<\/p>\n<ul>\n<li>Les exemples pratiques de CFD de Kitware (2024) d\u00e9crivent la \"d\u00e9tection pr\u00e9coce des erreurs gr\u00e2ce \u00e0 un retour visuel imm\u00e9diat\" comme un avantage de base<\/li>\n<li>Les travaux de surveillance des d\u00e9fauts bas\u00e9s sur le ML de Sandia (Shaaban 2026, Shead 2023) utilisent des pipelines in situ pour la d\u00e9tection d'anomalies<\/li>\n<li>Le guide des meilleures pratiques Excellerat (2022) encadre la visualisation en temps r\u00e9el comme un outil de pr\u00e9vention des erreurs pour les flux de travail ExaScale<\/li>\n<\/ul>\n<h3>Cas d'utilisation de d\u00e9bogage pratique<\/h3>\n<p>Voici des sc\u00e9narios o\u00f9 la visualisation in situ est payante comme outil de d\u00e9bogage&nbsp;:<\/p>\n<ul>\n<li><strong>Simulations physiques coupl\u00e9es<\/strong> \u2014 Rep\u00e9rer les violations de l'\u00e9nergie ou de la conservation de la masse avant qu'elles ne s'aggravent<\/li>\n<li><strong>Raffinement de maillage adaptatif (AMR)<\/strong> \u2014 V\u00e9rification de la qualit\u00e9 du maillage et de la logique de raffinement au fur et \u00e0 mesure de son d\u00e9veloppement<\/li>\n<li><strong>Turbulence et CFD<\/strong> \u2014 D\u00e9tection d'oscillations non physiques, d'artefacts de choc ou de diffusion num\u00e9rique<\/li>\n<li><strong>R\u00e9action-diffusion et champ de phase<\/strong> \u2014 Identification des interfaces instables ou d\u00e9rive des param\u00e8tres<\/li>\n<\/ul>\n<p>L'id\u00e9e cl\u00e9&nbsp;: vous n'attendez pas la fin de la simulation pour savoir si elle se comporte correctement. Vous savez <strong>pendant<\/strong> qu'il est en cours d'ex\u00e9cution.<\/p>\n<blockquote><p><strong>Ce que nous vous recommandons<\/strong>&nbsp;: si votre simulation est co\u00fbteuse en calcul (plus de quelques heures sur plusieurs n\u0153uds) ou physiquement coupl\u00e9e, ex\u00e9cutez-la sur place avec au moins une visualisation de diagnostic - une tranche via une variable cl\u00e9, un graphique temporel ou une isosurface. M\u00eame une seule parcelle in situ peut vous faire \u00e9conomiser des jours de perte de temps.<\/p><\/blockquote>\n<hr>\n<h2>Cadre de d\u00e9cision : 6 crit\u00e8res pour guider votre choix<\/h2>\n<p>Le cadrage classique de la \"taille des donn\u00e9es\" comme facteur d\u00e9cisif est incomplet. Le guide des meilleures pratiques Excellerat (2022) et plusieurs \u00e9tudes de flux de travail HPC sugg\u00e8rent un ensemble plus riche de crit\u00e8res. Voici six facteurs \u00e0 peser lors du choix entre in situ et post-traitement.<\/p>\n<h3>1. suffisance de la bande passante d'E\/S<\/h3>\n<p><strong>Question<\/strong>&nbsp;: Votre syst\u00e8me a-t-il suffisamment de bande passante d'E\/S pour \u00e9crire vos ensembles de donn\u00e9es complets \u00e0 la fr\u00e9quence dont vous avez besoin&nbsp;?<\/p>\n<table>\n<thead>\n<tr>\n<th>Si c'est...<\/th>\n<th>Recommandation<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Limit\u00e9 (stockage partag\u00e9, syst\u00e8me de fichiers congestionn\u00e9)<\/td>\n<td>Appuyer sur les <strong>Insitus<\/strong> \u2014 \u00c9vitez d'\u00e9crire des ensembles de donn\u00e9es complets<\/td>\n<\/tr>\n<tr>\n<td>Abondant (stockage haute vitesse d\u00e9di\u00e9, E\/S ray\u00e9e)<\/td>\n<td><strong>Le post-traitement<\/strong> est faisable et plus flexible<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><strong>Pourquoi<\/strong>&nbsp;: si les E\/S sont d\u00e9j\u00e0 satur\u00e9es par votre simulation, l'ajout d'ensembles de donn\u00e9es de visualisation compl\u00e8tes peut provoquer des conflits d'E\/S qui ralentissent la simulation elle-m\u00eame. In-situ contourne enti\u00e8rement le chemin d'E\/S pour la visualisation.<\/p>\n<h3>2. Contraintes de quota de stockage<\/h3>\n<p><strong>Question<\/strong>&nbsp;: \u00eates-vous contraint par les quotas de stockage ou les politiques d'archives&nbsp;?<\/p>\n<table>\n<thead>\n<tr>\n<th>Si c'est...<\/th>\n<th>Recommandation<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Quota serr\u00e9 (allocation de stockage limit\u00e9e, strat\u00e9gies strictes)<\/td>\n<td>Lever vers <strong>in-situ<\/strong> \u2014 r\u00e9duit l'empreinte du disque<\/td>\n<\/tr>\n<tr>\n<td>Un quota suffisant (allocation g\u00e9n\u00e9reuse, politiques flexibles)<\/td>\n<td><strong>Le post-traitement<\/strong> reste viable<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><strong>Pourquoi<\/strong>&nbsp;: de grandes simulations peuvent g\u00e9n\u00e9rer des t\u00e9raoctets de sortie. Si votre quota de stockage est fixe, in situ r\u00e9duit le montant que vous devez \u00e9conomiser tout en pr\u00e9servant les informations dont vous avez besoin.<\/p>\n<h3>3. Besoins de r\u00e9solution temporelle<\/h3>\n<p><strong>Question<\/strong>&nbsp;: Avez-vous besoin d'observer des ph\u00e9nom\u00e8nes temporels \u00e0 grain fin (par exemple, auto-inflammation dans la combustion, propagation des ondes, cascades de turbulence)&nbsp;?<\/p>\n<table>\n<thead>\n<tr>\n<th>Si c'est...<\/th>\n<th>Recommandation<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Ph\u00e9nom\u00e8nes \u00e0 haute fr\u00e9quence (\u00e9chelles de temps courtes, \u00e9v\u00e9nements rapides)<\/td>\n<td>Lever vers <strong>in-situ<\/strong> \u2014 peut produire une analyse \u00e0 haute fr\u00e9quence<\/td>\n<\/tr>\n<tr>\n<td>Ph\u00e9nom\u00e8nes plus grossiers (processus lents, r\u00e9gime permanent)<\/td>\n<td><strong>Post-traitement<\/strong> est suffisant<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><strong>Pourquoi<\/strong>&nbsp;: l'exemple de converge\/combustion de Kitware (2024) montre comment in situ peut sauver les isosurfaces de la temp\u00e9rature et du gradient de pression \u00e0 haute fr\u00e9quence - des ph\u00e9nom\u00e8nes de capture qui seraient perdus si l'ensemble de donn\u00e9es complet \u00e9tait \u00e9crit \u00e0 une fr\u00e9quence inf\u00e9rieure. L'ensemble de donn\u00e9es complet de ce cas \u00e9tait d'environ 100&nbsp;Go, mais in situ r\u00e9duit les donn\u00e9es enregistr\u00e9es \u00e0 ~100&nbsp;Mo tout en pr\u00e9servant les fonctionnalit\u00e9s critiques.<\/p>\n<h3>4. Pr\u00e9visibilit\u00e9 de l'analyse<\/h3>\n<p><strong>Question<\/strong>&nbsp;: savez-vous ce que vous voulez visualiser \u00e0 l'avance ou explorerez-vous librement&nbsp;?<\/p>\n<table>\n<thead>\n<tr>\n<th>Si c'est...<\/th>\n<th>Recommandation<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Pr\u00e9d\u00e9termin\u00e9 (champs sp\u00e9cifiques, tranches, isosurfaces, statistiques)<\/td>\n<td>Appuyer vers <strong>in-situ<\/strong> \u2014 Pipelines pr\u00e9d\u00e9finis Excel<\/td>\n<\/tr>\n<tr>\n<td>Exploratoire (inconnu de ce dont vous aurez besoin, it\u00e9ration sur l'analyse)<\/td>\n<td>Appuyer sur <strong>Post-traitement<\/strong> \u2014 Exploration interactive<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><strong>Pourquoi<\/strong>&nbsp;: des pipelines in situ sont d\u00e9finis avant ou pendant l'ex\u00e9cution de la simulation. Vous ne pouvez pas les modifier de mani\u00e8re interactive. Si vous d\u00e9couvrez de nouveaux ph\u00e9nom\u00e8nes ou it\u00e9rez des param\u00e8tres de visualisation, le post-traitement vous donne la flexibilit\u00e9.<\/p>\n<h3>5. Tol\u00e9rance aux conflits de ressources<\/h3>\n<p><strong>Question<\/strong>&nbsp;: pouvez-vous tol\u00e9rer les ressources de calcul consomm\u00e9es par la visualisation ex\u00e9cut\u00e9e parall\u00e8lement \u00e0 la simulation&nbsp;?<\/p>\n<table>\n<thead>\n<tr>\n<th>Si c'est...<\/th>\n<th>Recommandation<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Faible tol\u00e9rance aux conflits (horaires serr\u00e9s et limit\u00e9s)<\/td>\n<td>Appuyer sur les <strong>post-traitement<\/strong> - les ressources s\u00e9par\u00e9es \u00e9vitent les conflits<\/td>\n<\/tr>\n<tr>\n<td>Planification flexible (peut partager des ressources, avoir une marge de man\u0153uvre)<\/td>\n<td>Lever vers <strong>in-situ<\/strong> \u2014 L'analyse s'ex\u00e9cute simultan\u00e9ment<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><strong>Pourquoi<\/strong>&nbsp;: la visualisation in situ partage des ressources de calcul avec la simulation. Si votre simulation est d\u00e9j\u00e0 limit\u00e9e en ressources, l'ajout de code de visualisation peut le ralentir. L'analyse des tensions de Moreland (2016) couvre en d\u00e9tail ce compromis.<\/p>\n<h3>6. Besoins d'archives et de r\u00e9analyse<\/h3>\n<p><strong>Question<\/strong>&nbsp;: devrez-vous r\u00e9analyser cet ensemble de donn\u00e9es plus tard avec de nouveaux filtres ou diff\u00e9rents param\u00e8tres de visualisation&nbsp;?<\/p>\n<table>\n<thead>\n<tr>\n<th>Si c'est...<\/th>\n<th>Recommandation<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Oui \u2014 archives ou r\u00e9-analyse future attendue<\/td>\n<td><strong>Post-traitement<\/strong> pr\u00e9serve les donn\u00e9es compl\u00e8tes pour la flexibilit\u00e9<\/td>\n<\/tr>\n<tr>\n<td>Non, vous extrayez ce dont vous avez besoin maintenant et archiverez les donn\u00e9es r\u00e9duites<\/td>\n<td><strong>Insitu<\/strong> est appropri\u00e9&nbsp;; Vous avez d\u00e9j\u00e0 extrait les repr\u00e9sentations n\u00e9cessaires<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><strong>Pourquoi<\/strong>&nbsp;: Il s'agit du compromis le plus souvent n\u00e9glig\u00e9. Lorsque vous rejetez des donn\u00e9es brutes sur place apr\u00e8s avoir produit des repr\u00e9sentations r\u00e9duites (bases de donn\u00e9es de cin\u00e9ma, isosurfaces, statistiques), vous perdez la possibilit\u00e9 de r\u00e9analyser avec de nouveaux filtres. Les utilisateurs qui passent sur in situ sans planifier leur archivage expriment souvent des regrets de ne pas conserver les donn\u00e9es brutes.<\/p>\n<blockquote><p><strong>Ce que nous recommandons<\/strong>&nbsp;: ex\u00e9cutez ce cadre de d\u00e9cision par rapport \u00e0 votre simulation sp\u00e9cifique. Si 4+ crit\u00e8res penchent vers in situ, c'est probablement le bon choix. Si 4+ penche vers le post-traitement, respectez le flux de travail traditionnel. Si les crit\u00e8res sont divis\u00e9s de mani\u00e8re \u00e9gale, la strat\u00e9gie hybride (section suivante) peut \u00eatre votre meilleur chemin.<\/p><\/blockquote>\n<hr>\n<h2>La strat\u00e9gie hybride : standard moderne<\/h2>\n<p>La norme \u00e9mergente pour les flux de travail HPC matures n'est pas \"in-situ vs post-traitement\" - c'est <strong>les deux<\/strong>.<\/p>\n<p>Le mod\u00e8le est simple&nbsp;: effectuez la r\u00e9duction des donn\u00e9es et l'extraction de fonctionnalit\u00e9s <strong>in situ<\/strong>, puis g\u00e9n\u00e8rez une visualisation <strong>en transit<\/strong> sur les donn\u00e9es r\u00e9duites. L'exemple canonique est le workflow Catalyst-Adios2&nbsp;: Catalyst effectue une r\u00e9duction des donn\u00e9es in situ (extrait des isosurfaces, calcul des statistiques, g\u00e9n\u00e9ration de bases de donn\u00e9es de cin\u00e9ma) et ADIOS2 transporte les ensembles de donn\u00e9es r\u00e9duits vers des n\u0153uds de visualisation pour une exploration post-hoc.<\/p>\n<p>Cette approche capte les avantages des deux mondes :<\/p>\n<ul>\n<li><strong>R\u00e9duction in situ<\/strong> \u00c9limine les goulots d'\u00e9tranglement et les temps d'inactivit\u00e9 (\u00e9conomies d'\u00e9nergie)<\/li>\n<li><strong>Exploration en transit<\/strong> Pr\u00e9serve la flexibilit\u00e9 pour l'analyse it\u00e9rative<\/li>\n<li><strong>Enregistrement s\u00e9lectif<\/strong> signifie que vous n'\u00e9crivez que les donn\u00e9es dont vous avez r\u00e9ellement besoin<\/li>\n<\/ul>\n<p>La vue d'ensemble de l'aper\u00e7u HPC plus large de Kitware 2025 encadre ce mod\u00e8le par d\u00e9faut pour les flux de travail \"Exascale-Ready\". L'article ARXIV 2024 \"In situ in situ in situ hybrid analysis with catalyseur-adios2\" d\u00e9crit en d\u00e9tail le mod\u00e8le moderne typique.<\/p>\n<h3>Flux de travail hybride pratique<\/h3>\n<ol>\n<li><strong>D\u00e9finir<\/strong> les pipelines de visualisation et d'analyse avant le d\u00e9but de la simulation (scripts Catalyst, recettes d'ascension)<\/li>\n<li><strong>Ex\u00e9cuter<\/strong> la simulation avec r\u00e9duction des donn\u00e9es in situ - extraire les fonctionnalit\u00e9s dont vous avez besoin pendant son ex\u00e9cution<\/li>\n<li><strong>Moniteur<\/strong> via des trac\u00e9s ou des instantan\u00e9s en temps r\u00e9el pour le d\u00e9bogage et la direction<\/li>\n<li><strong>Enregistrer<\/strong> uniquement les ensembles de donn\u00e9es r\u00e9duits (pas l'\u00e9tat de simulation complet)<\/li>\n<li><strong>Post-processus<\/strong> sur les donn\u00e9es r\u00e9duites \u00e0 l'aide de ParaView, de Visit ou de votre outil pr\u00e9f\u00e9r\u00e9<\/li>\n<\/ol>\n<p>C'est ce que le guide des meilleures pratiques Excellerat (2022) recommande comme mod\u00e8le de \"meilleure pratique\" pour la visualisation \u00e0 grande \u00e9chelle.<\/p>\n<blockquote><p><strong>Ce que nous vous recommandons<\/strong>&nbsp;: si vous ex\u00e9cutez des simulations \u00e0 grande \u00e9chelle (100&nbsp;Go par ex\u00e9cution, multi-noeuds ou cluster HPC), adoptez la strat\u00e9gie hybride par d\u00e9faut. Il vous donne les avantages de performances et d'\u00e9nergie d'In-Situ sans sacrifier la flexibilit\u00e9 analytique du post-traitement. Seul le post-traitement pur est logique lorsque vos ensembles de donn\u00e9es sont suffisamment petits pour que les frais g\u00e9n\u00e9raux d'E\/S soient n\u00e9gligeables.<\/p><\/blockquote>\n<hr>\n<h2>Lorsque le post-traitement gagne toujours<\/h2>\n<p>In-situ attire beaucoup l'attention, mais le post-traitement reste le bon choix dans plusieurs sc\u00e9narios importants. Ne l'abandonnez pas enti\u00e8rement, utilisez-le strat\u00e9giquement.<\/p>\n<h3>Analyse exploratoire<\/h3>\n<p>Si vous d\u00e9veloppez de nouvelles techniques de visualisation, testez des pipelines d'analyse ou simplement explorez un ensemble de donn\u00e9es sans savoir ce dont vous aurez besoin, le post-traitement est in\u00e9gal\u00e9. Vous pouvez charger les donn\u00e9es, appliquer des filtres arbitraires et it\u00e9rer. Les pipelines in situ ne peuvent offrir cette flexibilit\u00e9, ils n\u00e9cessitent une logique pr\u00e9d\u00e9finie.<\/p>\n<h3>Petits jeux de donn\u00e9es<\/h3>\n<p>Si votre simulation produit moins de quelques gigaoctets par ex\u00e9cution et s'ex\u00e9cute sur un seul n\u0153ud ou un petit cluster, la surcharge d'E\/S du post-traitement est probablement n\u00e9gligeable. La flexibilit\u00e9 du post-traitement l'emporte sur le co\u00fbt des performances mineurs.<\/p>\n<h3>D\u00e9veloppement d'algorithmes<\/h3>\n<p>Lorsque vous d\u00e9veloppez de nouvelles m\u00e9thodes num\u00e9riques, testez les taux de convergence ou it\u00e9rez les param\u00e8tres du solveur, vous avez besoin de la fid\u00e9lit\u00e9 des donn\u00e9es. Le post-traitement pr\u00e9serve chaque pas de temps et chaque champ. R\u00e9duction in situ rejette les informations que vous regretterez peut-\u00eatre plus tard d'avoir perdu.<\/p>\n<h3>Archivage et reproductibilit\u00e9<\/h3>\n<p>Si votre simulation fait partie d'une \u00e9tude publi\u00e9e ou d'un flux de travail reproductible, le post-traitement vous donne une piste d'audit claire&nbsp;: les fichiers de donn\u00e9es brutes, les scripts de post-traitement, les visualisations r\u00e9sultantes. Le compromis \"perte de donn\u00e9es\" de l'\u00e9tat de simulation brute in situ apr\u00e8s l'extraction rend la reproductibilit\u00e9 plus difficile lorsque vous devez r\u00e9analyser avec de nouvelles m\u00e9thodes.<\/p>\n<h3>Quand choisir le post-traitement plut\u00f4t que sur in situ<\/h3>\n<p>Utilisez le post-traitement lorsque&nbsp;:<\/p>\n<ul>\n<li>Votre ensemble de donn\u00e9es est suffisamment petit pour que les frais g\u00e9n\u00e9raux d'E\/S soient acceptables<\/li>\n<li>Vous avez besoin d'une analyse it\u00e9rative et exploratoire<\/li>\n<li>Vous d\u00e9veloppez ou testez de nouvelles techniques de visualisation<\/li>\n<li>La reproductibilit\u00e9 et l'archivage n\u00e9cessitent une conservation compl\u00e8te des donn\u00e9es<\/li>\n<li>Vous n'avez pas acc\u00e8s \u00e0 des outils compatibles in situ ou \u00e0 l'expertise en int\u00e9gration<\/li>\n<\/ul>\n<hr>\n<h2>Brief paysage d'outil<\/h2>\n<p>Vous n'avez pas besoin de cr\u00e9er une infrastructure in situ \u00e0 partir de z\u00e9ro. Plusieurs outils matures rendent l'int\u00e9gration simple.<\/p>\n<h3>Catalyseur Paraview<\/h3>\n<p>La biblioth\u00e8que in situ la plus largement adopt\u00e9e. Paraview Catalyst fournit une petite API stable pour les codes de simulation afin d'exposer les structures de donn\u00e9es en m\u00e9moire au moteur de traitement de Paraview. Une fois instrument\u00e9 avec Catalyst, un code de simulation peut exploiter toutes les capacit\u00e9s d'analyse et de visualisation de Paraview.<\/p>\n<ul>\n<li><strong>Meilleur pour<\/strong>&nbsp;: simulations de CFD, de combustion et multiphysiques \u00e0 grande \u00e9chelle<\/li>\n<li><strong>Exemple<\/strong>&nbsp;: Converge CFD utilise un catalyseur pour l'analyse de combustion in situ (Kitware 2024)<\/li>\n<li><strong>Complexit\u00e9 d'int\u00e9gration<\/strong>&nbsp;: mod\u00e9r\u00e9 \u2014 n\u00e9cessite une instrumentation initiale, puis ex\u00e9cute des scripts Catalyst en tant que pipelines pr\u00e9d\u00e9finis<\/li>\n<\/ul>\n<h3>Ascension<\/h3>\n<p>Un cadre l\u00e9ger in situ de KitWare con\u00e7u pour une int\u00e9gration facile. Ascent fournit un langage de recette simple bas\u00e9 sur YAML pour d\u00e9finir des pipelines in situ sans connaissances approfondies en C++.<\/p>\n<ul>\n<li><strong>Meilleur pour<\/strong>&nbsp;: les \u00e9quipes qui souhaitent une int\u00e9gration rapide in situ sans changements de code profonds<\/li>\n<li><strong>Complexit\u00e9 d'int\u00e9gration<\/strong>&nbsp;: faibles - recettes YAML, int\u00e9gration minimale en C++ requise<\/li>\n<li><strong>Limitation<\/strong>&nbsp;: \u00e9cosyst\u00e8me plus petit que le catalyseur&nbsp;; Moins mature pour les d\u00e9ploiements Exascale<\/li>\n<\/ul>\n<h3>Visitez Libsim<\/h3>\n<p>La biblioth\u00e8que in situ pour la visite. Similaire \u00e0 Catalyst mais int\u00e9gr\u00e9 \u00e0 l'\u00e9cosyst\u00e8me Visit.<\/p>\n<ul>\n<li><strong>Meilleur pour<\/strong>&nbsp;: des \u00e9quipes d\u00e9j\u00e0 investies dans l'\u00e9cosyst\u00e8me Visit<\/li>\n<li><strong>Complexit\u00e9 d'int\u00e9gration<\/strong>&nbsp;: mod\u00e9r\u00e9 \u2014 n\u00e9cessite une instrumentation libsim<\/li>\n<\/ul>\n<h3>damaris<\/h3>\n<p>Un nouveau cadre in situ bas\u00e9 sur des normes, con\u00e7u pour la portabilit\u00e9 entre les outils de visualisation. Damaris utilise une API standardis\u00e9e qui dissocie la simulation des backends de visualisation sp\u00e9cifiques.<\/p>\n<ul>\n<li><strong>Meilleur pour<\/strong>&nbsp;: d\u00e9ploiements multi-\u00e9cosyst\u00e8mes (envie d'utiliser plusieurs outils de visualisation)<\/li>\n<li><strong>Complexit\u00e9 d'int\u00e9gration<\/strong>&nbsp;: plus \u00e9lev\u00e9&nbsp;: une cha\u00eene d'outils plus r\u00e9cente et moins \u00e9tablie<\/li>\n<li><strong>Notable<\/strong>&nbsp;: gagner du terrain dans les communaut\u00e9s HPC europ\u00e9ennes<\/li>\n<\/ul>\n<h3>Guide de s\u00e9lection d'outils<\/h3>\n<table>\n<thead>\n<tr>\n<th>Si vous avez besoin...<\/th>\n<th>Recommander<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Le plus grand \u00e9cosyst\u00e8me, la plupart des exemples<\/td>\n<td><strong>Catalyseur Paraview<\/strong><\/td>\n<\/tr>\n<tr>\n<td>Int\u00e9gration rapide, C++ minimale<\/td>\n<td><strong>Ascension<\/strong><\/td>\n<\/tr>\n<tr>\n<td>VisIt ecosystem alignment<\/td>\n<td><strong>Visitez Libsim<\/strong><\/td>\n<\/tr>\n<tr>\n<td>Portabilit\u00e9 multi-outils<\/td>\n<td><strong>Damaris<\/strong><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Le Guide des meilleures pratiques Excellerat (2022) fournit des tableaux de comparaison d\u00e9taill\u00e9s pour les interfaces in situ et les recommandations d'outils \u00e0 Exascale. Leur analyse sugg\u00e8re que Catalyst est l'option la plus mature pour les flux de travail HPC de production, avec Ascent comme une alternative l\u00e9g\u00e8re et solide.<\/p>\n<hr>\n<h2>R\u00e9sum\u00e9 + \u00c9tapes suivantes<\/h2>\n<p>Choisir entre la visualisation in situ et le post-traitement n'est pas une question binaire \"ce qui est mieux\". Il s'agit d'une d\u00e9cision de conception de flux de travail qui doit tenir compte de la taille des donn\u00e9es, de l'\u00e9nergie, des besoins de d\u00e9bogage, de la flexibilit\u00e9 et des consid\u00e9rations d'archives.<\/p>\n<p>Voici notre recommandation distill\u00e9e en trois principes :<\/p>\n<ol>\n<li><strong>Pour les simulations HPC \u00e0 grande \u00e9chelle (100+ GB, multi-n\u0153ud)<\/strong>, adoptez la strat\u00e9gie hybride&nbsp;: r\u00e9duction in situ avec une \u00e9conomie s\u00e9lective, suivie d'un post-traitement sur les donn\u00e9es r\u00e9duites. Cela vous donne les \u00e9conomies d'\u00e9nergie (~43&nbsp;% de r\u00e9duction d'\u00e9nergie totale par \u00e9tude VT), les avantages du d\u00e9bogage et la flexibilit\u00e9 analytique dont vous avez besoin.<\/li>\n<li><strong>Pour les simulations de petite et moyenne taille (10&nbsp;Go, \u00e0 n\u0153ud unique ou \u00e0 petit cluster)<\/strong>, le post-traitement est g\u00e9n\u00e9ralement plus simple et plus flexible. N'ajoutez pas de complexit\u00e9 in situ \u00e0 moins que vous n'ayez sp\u00e9cifiquement besoin des avantages du d\u00e9bogage ou de l'\u00e9nergie.<\/li>\n<li><strong>Envisagez toujours le d\u00e9bogage<\/strong>. M\u00eame si vous choisissez le post-traitement pour le flux de travail principal, l'ex\u00e9cution d'au moins un trac\u00e9 de diagnostic in situ (un historique de temps, une tranche de cl\u00e9 ou un moniteur de convergence) peut vous faire \u00e9conomiser des heures de temps perdu en cas de divergence.<\/li>\n<\/ol>\n<h3>Prochaines \u00e9tapes pratiques<\/h3>\n<ul>\n<li>Si votre flux de travail actuel est purement post-traitement et que vous ex\u00e9cutez de grandes simulations&nbsp;: \u00e9valuez le catalyseur ou l'ascension pour la r\u00e9duction des donn\u00e9es in situ. M\u00eame une simple tranche pr\u00e9d\u00e9finie ou un pipeline de statistiques r\u00e9duira les E\/S et les temps d'inactivit\u00e9.<\/li>\n<li>Si vous utilisez d\u00e9j\u00e0 in situ mais que vous n'avez pas explor\u00e9 le d\u00e9bogage&nbsp;: ajoutez au moins une visualisation d'alerte pr\u00e9coce (trac\u00e9 de l'histoire du temps, isosurface d'un champ cl\u00e9 ou d\u00e9tection d'anomalies). Le concept de \"Simulation Dashboard\" du rapport DAG (2019) est un bon point de d\u00e9part.<\/li>\n<li>Si vous planifiez des workflows d'archives&nbsp;: d\u00e9cidez des donn\u00e9es brutes \u00e0 conserver avant de passer \u00e0 in situ. Ne supprimez pas l'\u00e9tat de simulation dont vous pourriez avoir besoin pour une analyse future.<\/li>\n<\/ul>\n<p>La d\u00e9cision de visualisation est l'un des rares choix de flux de travail de simulation qui a un impact direct sur les performances et la qualit\u00e9 de la perspicacit\u00e9. Faites-le bien et vos simulations s'ex\u00e9cutent plus rapidement, \u00e9conomisez de l'\u00e9nergie et r\u00e9cup\u00e9rez les erreurs t\u00f4t. Ne vous trompez pas et vous perdez du temps, du stockage et des ph\u00e9nom\u00e8nes potentiellement manqu\u00e9s que vous ne pouvez pas r\u00e9analyser. Utilisez ce cadre pour faire un choix \u00e9clair\u00e9.<\/p>\n<hr>\n<h2>Guides connexes<\/h2>\n<p>Pour une couverture plus approfondie sur des sujets connexes, voici quelques ressources suppl\u00e9mentaires de notre site&nbsp;:<\/p>\n<ul>\n<li><a href=\"https:\/\/matforge.org\/in-situ-visualization-integration-computation\/\" target=\"_blank\" rel=\"nofollow noopener\">Visualisation in situ&nbsp;: int\u00e9gration de la visualisation pendant le calcul<\/a>&nbsp;: notre guide complet sur l'infrastructure, les outils et les mod\u00e8les de mise en \u0153uvre in situ.<\/li>\n<li><a href=\"https:\/\/matforge.org\/visit-vs-paraview-choosing-right-tool\/\">Vissive vs Paraview&nbsp;: Choisir le bon outil pour vos donn\u00e9es de simulation<\/a> - Une comparaison des deux cadres de visualisation les plus utilis\u00e9s pour les donn\u00e9es scientifiques.<\/li>\n<li><a href=\"https:\/\/matforge.org\/illuminator-distributed-visualization-library\/\">Biblioth\u00e8que de visualisation distribu\u00e9e d'illuminateur<\/a> \u2014 Pr\u00e9sentation d'un outil sp\u00e9cialis\u00e9 pour le rendu et le stockage en parall\u00e8le.<\/li>\n<li><a href=\"https:\/\/matforge.org\/managing-large-scale-pde-problems-strategies-solvers-and-hpc-case-studies\/\">G\u00e9rer les probl\u00e8mes de PDE \u00e0 grande \u00e9chelle&nbsp;: strat\u00e9gies, solveurs et \u00e9tudes de cas HPC<\/a>&nbsp;: strat\u00e9gies pour r\u00e9soudre efficacement les probl\u00e8mes de calcul massifs.<\/li>\n<li><a href=\"https:\/\/matforge.org\/advection-dominated-problems-supg-stabilization\/\">probl\u00e8mes domin\u00e9s par advection&nbsp;: sch\u00e9mas au vent et stabilisation du SUPG<\/a> \u2014 Orientation pratique pour les techniques de stabilisation dans la CFD simulations.<\/li>\n<\/ul>\n<hr>\n<p><em>R\u00e9f\u00e9rences et sources cit\u00e9es dans cet article&nbsp;:<\/em><\/p>\n<ul>\n<li><a href=\"https:\/\/www.kitware.com\/in-situ-data-analysis-brings-faster-results-and-accelerated-insights\/\" target=\"_blank\" rel=\"nofollow noopener\">Kitware (2024). L'analyse des donn\u00e9es in situ apporte des r\u00e9sultats plus rapides et des informations acc\u00e9l\u00e9r\u00e9es<\/a><\/li>\n<li><a href=\"https:\/\/research.cs.vt.edu\/synergy\/pubs\/papers\/vignesh-in-situ-hppac15.pdf\" target=\"_blank\" rel=\"nofollow noopener\">Adhinarayanan et al. (2015). Sur la nature des pipelines de visualisation in situ et post-traitement<\/a><\/li>\n<li><a href=\"https:\/\/cinemascience.github.io\/publications\/Adhinarayanan-etal-2017CharacterizingModelingPowerEnergyInSituVis.pdf\" target=\"_blank\" rel=\"nofollow noopener\">Adhinarayanan et al. (2017). Caract\u00e9risation du pouvoir de mod\u00e9lisation &amp; \u00c9nergie pour la visualisation in situ<\/a><\/li>\n<li><a href=\"https:\/\/drops.dagstuhl.de\/storage\/04dagstuhl-reports\/volume08\/issue07\/18271\/DagRep.8.7.1\/DagRep.8.7.1.pdf\" target=\"_blank\" rel=\"nofollow noopener\">Bennett, J. (2019). Rapport DAG&nbsp;: visualisation in situ<\/a><\/li>\n<li><a href=\"https:\/\/www.computer.org\/csdl\/magazine\/cg\/2016\/02\/mcg2016020005\/13rRUILLkIJ\" target=\"_blank\" rel=\"nofollow noopener\">Moreland, K. (2016). Les tensions de la visualisation in situ<\/a><\/li>\n<li><a href=\"https:\/\/www.excellerat.eu\/wp-content\/uploads\/2022\/06\/EXCELLERAT_WP4_D4.5_Best_Practices_and_Tools_for_Visualization_Data_Managment_and_Analytics_of_Engineering_Simulations_at_Exascale.pdf\" target=\"_blank\" rel=\"nofollow noopener\">Excellerat (2022). Meilleures pratiques et outils de visualisation, de gestion des donn\u00e9es et d'analyse chez ExaScale<\/a><\/li>\n<li><a href=\"https:\/\/dl.acm.org\/doi\/10.1145\/3635035.3635048\" target=\"_blank\" rel=\"nofollow noopener\">Tahir, M. (2024). Analyse vers une image bas\u00e9e sur l'\u00e9nergie bas\u00e9e sur l'image in situ<\/a><\/li>\n<\/ul>\n"},"excerpt":{"rendered":"<p><span class=\"span-reading-time rt-reading-time\" style=\"display: block;\"><span class=\"rt-label rt-prefix\">Reading Time: <\/span> <span class=\"rt-time\"> 14<\/span> <span class=\"rt-label rt-postfix\">minutes<\/span><\/span>Choisissez entre la visualisation in situ et le post-traitement avec un cadre de d\u00e9cision pratique couvrant les \u00e9conomies d&rsquo;\u00e9nergie, le d\u00e9bogage des cas d&rsquo;utilisation et les flux de travail hybrides.<\/p>\n","protected":false,"raw":"Choisissez entre la visualisation in situ et le post-traitement avec un cadre de d\u00e9cision pratique couvrant les \u00e9conomies d'\u00e9nergie, le d\u00e9bogage des cas d'utilisation et les flux de travail hybrides."},"author":6,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_locale":"fr_FR","_original_post":"https:\/\/matforge.org\/?p=1053","iawp_total_views":3,"footnotes":""},"categories":[1],"tags":[],"class_list":["post-1212","post","type-post","status-publish","format-standard","hentry","category-simulation-modeling-projects","fr-FR"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v28.3 - https:\/\/yoast.com\/product\/yoast-seo-wordpress\/ -->\n<title>Visualisation in situ vs post-traitement - un cadre de d\u00e9cision - matforge.org<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/matforge.org\/fr\/in-situ-vs-post-processing-decision-guide\/\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Visualisation in situ vs post-traitement - un cadre de d\u00e9cision - matforge.org\" \/>\n<meta property=\"og:description\" content=\"Reading Time:  14 minutesChoisissez entre la visualisation in situ et le post-traitement avec un cadre de d\u00e9cision pratique couvrant les \u00e9conomies d&#039;\u00e9nergie, le d\u00e9bogage des cas d&#039;utilisation et les flux de travail hybrides.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/matforge.org\/fr\/in-situ-vs-post-processing-decision-guide\/\" \/>\n<meta property=\"og:site_name\" content=\"matforge.org\" \/>\n<meta property=\"article:published_time\" content=\"2026-08-21T14:28:49+00:00\" \/>\n<meta name=\"author\" content=\"steven\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"\u00c9crit par\" \/>\n\t<meta name=\"twitter:data1\" content=\"steven\" \/>\n\t<meta name=\"twitter:label2\" content=\"Dur\u00e9e de lecture estim\u00e9e\" \/>\n\t<meta name=\"twitter:data2\" content=\"23 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/matforge.org\\\/fr\\\/in-situ-vs-post-processing-decision-guide\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/matforge.org\\\/fr\\\/in-situ-vs-post-processing-decision-guide\\\/\"},\"author\":{\"name\":\"steven\",\"@id\":\"https:\\\/\\\/matforge.org\\\/#\\\/schema\\\/person\\\/8f690fb596d657b12994b83caa788f03\"},\"headline\":\"Visualisation in situ vs post-traitement &#8211; un cadre de d\u00e9cision\",\"datePublished\":\"2026-08-21T14:28:49+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/matforge.org\\\/fr\\\/in-situ-vs-post-processing-decision-guide\\\/\"},\"wordCount\":4684,\"commentCount\":0,\"articleSection\":[\"Simulation &amp; Projets de mod\u00e9lisation\"],\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\\\/\\\/matforge.org\\\/fr\\\/in-situ-vs-post-processing-decision-guide\\\/#respond\"]}]},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/matforge.org\\\/fr\\\/in-situ-vs-post-processing-decision-guide\\\/\",\"url\":\"https:\\\/\\\/matforge.org\\\/fr\\\/in-situ-vs-post-processing-decision-guide\\\/\",\"name\":\"Visualisation in situ vs post-traitement - un cadre de d\u00e9cision - matforge.org\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/matforge.org\\\/#website\"},\"datePublished\":\"2026-08-21T14:28:49+00:00\",\"author\":{\"@id\":\"https:\\\/\\\/matforge.org\\\/#\\\/schema\\\/person\\\/8f690fb596d657b12994b83caa788f03\"},\"breadcrumb\":{\"@id\":\"https:\\\/\\\/matforge.org\\\/fr\\\/in-situ-vs-post-processing-decision-guide\\\/#breadcrumb\"},\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/matforge.org\\\/fr\\\/in-situ-vs-post-processing-decision-guide\\\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/matforge.org\\\/fr\\\/in-situ-vs-post-processing-decision-guide\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/matforge.org\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Visualisation in situ vs post-traitement &#8211; un cadre de d\u00e9cision\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/matforge.org\\\/#website\",\"url\":\"https:\\\/\\\/matforge.org\\\/\",\"name\":\"matforge.org\",\"description\":\"\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/matforge.org\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"fr-FR\"},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/matforge.org\\\/#\\\/schema\\\/person\\\/8f690fb596d657b12994b83caa788f03\",\"name\":\"steven\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/d46cfcd83a298f27e8d66bfa035514fefca7652f26bd3ef7402f82b68a41ec0f?s=96&d=mm&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/d46cfcd83a298f27e8d66bfa035514fefca7652f26bd3ef7402f82b68a41ec0f?s=96&d=mm&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/d46cfcd83a298f27e8d66bfa035514fefca7652f26bd3ef7402f82b68a41ec0f?s=96&d=mm&r=g\",\"caption\":\"steven\"},\"url\":\"https:\\\/\\\/matforge.org\\\/author\\\/steven\\\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Visualisation in situ vs post-traitement - un cadre de d\u00e9cision - matforge.org","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/matforge.org\/fr\/in-situ-vs-post-processing-decision-guide\/","og_locale":"fr_FR","og_type":"article","og_title":"Visualisation in situ vs post-traitement - un cadre de d\u00e9cision - matforge.org","og_description":"Reading Time:  14 minutesChoisissez entre la visualisation in situ et le post-traitement avec un cadre de d\u00e9cision pratique couvrant les \u00e9conomies d'\u00e9nergie, le d\u00e9bogage des cas d'utilisation et les flux de travail hybrides.","og_url":"https:\/\/matforge.org\/fr\/in-situ-vs-post-processing-decision-guide\/","og_site_name":"matforge.org","article_published_time":"2026-08-21T14:28:49+00:00","author":"steven","twitter_card":"summary_large_image","twitter_misc":{"\u00c9crit par":"steven","Dur\u00e9e de lecture estim\u00e9e":"23 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/matforge.org\/fr\/in-situ-vs-post-processing-decision-guide\/#article","isPartOf":{"@id":"https:\/\/matforge.org\/fr\/in-situ-vs-post-processing-decision-guide\/"},"author":{"name":"steven","@id":"https:\/\/matforge.org\/#\/schema\/person\/8f690fb596d657b12994b83caa788f03"},"headline":"Visualisation in situ vs post-traitement &#8211; un cadre de d\u00e9cision","datePublished":"2026-08-21T14:28:49+00:00","mainEntityOfPage":{"@id":"https:\/\/matforge.org\/fr\/in-situ-vs-post-processing-decision-guide\/"},"wordCount":4684,"commentCount":0,"articleSection":["Simulation &amp; Projets de mod\u00e9lisation"],"inLanguage":"fr-FR","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/matforge.org\/fr\/in-situ-vs-post-processing-decision-guide\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/matforge.org\/fr\/in-situ-vs-post-processing-decision-guide\/","url":"https:\/\/matforge.org\/fr\/in-situ-vs-post-processing-decision-guide\/","name":"Visualisation in situ vs post-traitement - un cadre de d\u00e9cision - matforge.org","isPartOf":{"@id":"https:\/\/matforge.org\/#website"},"datePublished":"2026-08-21T14:28:49+00:00","author":{"@id":"https:\/\/matforge.org\/#\/schema\/person\/8f690fb596d657b12994b83caa788f03"},"breadcrumb":{"@id":"https:\/\/matforge.org\/fr\/in-situ-vs-post-processing-decision-guide\/#breadcrumb"},"inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/matforge.org\/fr\/in-situ-vs-post-processing-decision-guide\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/matforge.org\/fr\/in-situ-vs-post-processing-decision-guide\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/matforge.org\/"},{"@type":"ListItem","position":2,"name":"Visualisation in situ vs post-traitement &#8211; un cadre de d\u00e9cision"}]},{"@type":"WebSite","@id":"https:\/\/matforge.org\/#website","url":"https:\/\/matforge.org\/","name":"matforge.org","description":"","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/matforge.org\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"fr-FR"},{"@type":"Person","@id":"https:\/\/matforge.org\/#\/schema\/person\/8f690fb596d657b12994b83caa788f03","name":"steven","image":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/secure.gravatar.com\/avatar\/d46cfcd83a298f27e8d66bfa035514fefca7652f26bd3ef7402f82b68a41ec0f?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/d46cfcd83a298f27e8d66bfa035514fefca7652f26bd3ef7402f82b68a41ec0f?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/d46cfcd83a298f27e8d66bfa035514fefca7652f26bd3ef7402f82b68a41ec0f?s=96&d=mm&r=g","caption":"steven"},"url":"https:\/\/matforge.org\/author\/steven\/"}]}},"_links":{"self":[{"href":"https:\/\/matforge.org\/wp-json\/wp\/v2\/posts\/1212","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/matforge.org\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/matforge.org\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/matforge.org\/wp-json\/wp\/v2\/users\/6"}],"replies":[{"embeddable":true,"href":"https:\/\/matforge.org\/wp-json\/wp\/v2\/comments?post=1212"}],"version-history":[{"count":1,"href":"https:\/\/matforge.org\/wp-json\/wp\/v2\/posts\/1212\/revisions"}],"predecessor-version":[{"id":1378,"href":"https:\/\/matforge.org\/wp-json\/wp\/v2\/posts\/1212\/revisions\/1378"}],"wp:attachment":[{"href":"https:\/\/matforge.org\/wp-json\/wp\/v2\/media?parent=1212"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/matforge.org\/wp-json\/wp\/v2\/categories?post=1212"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/matforge.org\/wp-json\/wp\/v2\/tags?post=1212"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}