在生物医学领域伴随着科技的发展,已可获取到大量用于研究的心脏冠状循环血管网络数据,并通过数学模型仿真计算来研究心血管的血流动力学特性,其中仿真计算的关键便是求解矩阵方程。但当面对大量的数据需要进行分析、利用以及进行相应的仿真计算时,由于单机计算资源的限制,往往造成数据处理及仿真计算无法正常进行。随着并行计算技术及云计算技术的发展与成熟,可以通过引入相关技术来解决上述问题。本文的研究目的是将现有的并行及云计算相关技术运用到血流动力学的仿真中,具体完成了一下几个工作:1.通过研究和分析不同规模的真实血管及人工生成血管数据,构建相应的血流动力学模型,并根据不同的数据类型设置相应的血流及血压边界条件。2.研究了云计算框架Hadoop及其分布式计算框架MapReduce,并将其运用到对原始血管数据的预处理当中。通过相应的MapReduce程序来实现剔除无效血管和子血管,添加后续仿真所需的数据及通过特定条件剔除及提取子血管等功能。3.研究了Intel MKL数学计算库及MPI并行技术,通过使用Intel MKL并结合MPI的具体实现Open MPI来实现矩阵方程的并行求解。其主要流程为矩阵的分发,并行求解及数据收集,其中矩阵的分发使用块循环分配的方式,并行求解使用了ScaLAPACK并行计算库,数据收集使用了NFS等技术。本文通过搭建云平台来实现数据的预处理及仿真计算,从而突破单机的物理资源限制,完成血管数量较大的仿真计算,所得仿真结果结果与测量实验数据相吻合。