如何使用MPI_CART将进程映射到超多维数据集

Question

我试图在2^n处理器上使用MPI实现双声速排序。

为了方便起见，我想使用一个n维超立方体。使用MPI_Cart_Create，我可以创建自组织维度。这样做将使我的过程效率最大化，同时也会减少我不得不吐口水才能完成的LOC数量。

谷歌和文学家总是说同样的话：

注意，n个-dimensional超立方体是n个-dimensional环面，每个坐标方向有2个进程。因此，对超立方体结构的特殊支持是不必要的。

我还没有见过任何一个例子+n个-dimensional环面，每个坐标方向都有两个进程，这对我来说似乎只是个谜。有人需要建议吗？

谢谢,

Answer 1

好吧，找到了

所以那将是一个四维超立方体。这种模式相当直截了当。在n维超立方体中，每个点都有N个邻域，它们在这段代码中表示.请注意，应该使用此代码而不是xoring掩码，因为MPI可以重新排序进程以适应集群的物理布局。

int rank, size; //I am process RANK and we are a total of SIZE
MPI_Init(&argc, &argv); 

MPI_Comm_rank(MPI_COMM_WORLD, &rank);
MPI_Comm_size(MPI_COMM_WORLD, &size);

myFairShareOfNumber = totalNumber / size;

MPI_Comm nthCube;
int nDim=4;
int processPerDim [4]= {2,2,2,2};
int period [4]= {1,1,1,1};

MPI_Cart_create(MPI_COMM_WORLD, nDim, processPerDim, period, true, &nthCube);

int rankInDim;
MPI_Comm_rank(nthCube, &rankInDim);

int rank_source, rank_desta, rank_destb, rank_destc, rank_destd;
MPI_Cart_shift(nthCube, 0,1,&rank_source, &rank_desta);
MPI_Cart_shift(nthCube, 1,1,&rank_source, &rank_destb);
MPI_Cart_shift(nthCube, 2,1,&rank_source, &rank_destc);
MPI_Cart_shift(nthCube, 3,1,&rank_source, &rank_destd);
cerr << "I am known in the world as " << rankInDim << " my adjacents are -> " << rank_desta << "-" << rank_destb << "-" << rank_destc << "-" << rank_destd <<"\n";