我认为这太宽泛了，无法在这里回答，但是 DNS 已经被用于12,000 < Re < 33,500 范围内的高雷诺数模拟 - 用于旋流喷射，但仍然“对于大型系统来说遥不可及”。

为了可视化捕获高雷诺数流的湍流参数所需的尺度大小，让我们以管道中的简单气流为例$\text{Re} \approx 10^5$湍流强度相当适中，为 3%。

现在，要考虑 DNS 和 LES 的最重要因素是最小涡流（Kolmogorov 涡流）尺度，这些涡流是在通过粘性耗散和 DNS 模拟转化为热量之前可以存在于湍流中的最小涡流尺度应该捕捉到这样的漩涡。

（我不会包括所有计算以使答案简洁，但您可以参考 Wilcox (2006) 和 Rodriguez (2019) 了解更多信息）。

现在，回到我们的流动情况，您期望 Kolmogorov 量表具有以下估计：

Kolmogorov eddy length scale     0.000152879 [meters]
Kolmogorov eddy time scale       0.00148359  [seconds]
Kolmogorov eddy velocity scale   0.103046    [meter/second]

因此，您基本上对网格的巨大尺寸以及使 Courant 数小于 1 所需的时间步长有所了解。并且更高的雷诺数将具有更小的尺度（想象有一个用于 3D 机翼上的超音速流动的 DNS 设置）。

但是，我相信 Rodriguez（2019 年）的这段话可能会让您了解 DNS 的未来（目前非常有限）：

无论如何，随着计算能力的提高，DNS 不仅将用于湍流研究和小型系统，还将用于更大的工程设计；这种趋势是不可避免的，而且早就预料到了。这一乐观前提得到了量子计算机、拓扑量子材料和量子算法的最新进展的强大潜力的支持 [...] 量子算法已经解决了线性方程组，这对于 CFD 求解器至关重要。

此外，预计量子算法将导致求解线性方程组所需的时间呈指数减少。事实上，截至 2019 年的文献表明，计算速度有可能提高至少 1000 倍！当然，详细的 DNS 计算将揭示可用于极大改进工程系统行为和性能的流畅功能。

我真的无法推荐这本书（特别是针对您的问题）： Applied Computational Fluid Dynamics and Turbulence Modeling - Rodriguez (2019)