MPICH/OpenMPI中的容错

Question

我有两个问题-

Q1.除了检查点/回滚之外，是否有更有效的方法来处理MPI中的错误情况？我看到，如果一个节点“死了”，程序就会突然停止。节点死后有什么办法继续执行吗?？(如果是以准确性为代价，则不存在任何问题)

Q2.我在"http://stackoverflow.com/questions/144309/what-is-the-best-mpi-implementation"，OpenMPI具有更好的容错能力“中读到过，最近MPICH-2也提出了类似的特性.有人知道它们是什么以及如何使用吗?它是一种”模式“吗?它们能在Q1中描述的情况下帮助吗？

请回答。谢谢。

Answer 1

MPI --所有的实现--都有能力在错误发生一段时间后继续执行。默认的是死--也就是说，默认的错误处理程序是MPI_ERRORS_ARE_FATAL --但是可以设置它(例如，请参见讨论这里)。但是标准目前并没有超出这个标准；也就是说，在这样一个错误之后很难恢复和继续。如果您的程序足够简单-某种类型的主-工作者类型的设置-它可能会继续这种方式。

MPI论坛目前正在研究将成为MPI-3的内容，而错误处理和容错将是新标准的一个重要组成部分(专门针对该主题的工作组 )。然而，在这项工作完成之前，从MPI获得更强的容错性的唯一方法是使用早期的、非标准的扩展。FT-MPI是一个开发了一个非常健壮的MPI的项目，但它是基于MPI1.2的，这是一个非常早期的标准版本。这里的说法是，他们现在正在与OpenMPI合作，但我不知道结果如何。有基于MPICH的MPI2，但这更多的是基于检查点重新启动，而不是我认为您正在寻找的。

更新为添加：容错并没有进入MPI-3中，但是工作组继续其工作，并期望不久之后就会有结果。