什么是InfiniBand堆栈？

Question

我想请你解释一下什么是"InfiniBand-Stacks“。这些最近在我们的机器上被改变了，我开始遇到MPI通讯故障。我需要一些信息，以了解这可能会如何影响我的平行工作的稳定性。

我收到的实际错误消息是：

进程未能创建队列对。这通常意味着设备没有队列对(连接太多)，或者没有足够的资源分配队列对(内存不足)。如果没有足够的内存可用，或者没有更多的物理内存可以在设备中注册，后者就可能发生。 端点应答启动连接中的connect/btl_openib_connect_oob.c:867:rml_recv_cb错误

Answer 1

通常，当某人在谈论某种与软件有关的“堆栈”时，它们是指控制特定硬件的驱动程序/库/等等。例如，网络“堆栈”可能是指应用程序和物理网络接口卡(NIC)之间的所有网络软件层。这可能就是你在这件事上的意思。

当然，还有另一种与内存分配有关的软件栈，但这不是问题所在。

无论如何，如果您没有更改应用程序中的任何内容(包括运行它的环境)，并且您的系统管理员最近更新了InfiniBand驱动程序，那么Open和您的InfiniBand库之间可能存在某种bug。这种情况通常不是这样的，但您可能会通过直接询问Open人员来了解情况。他们中有几个在这里闲逛，但在大多数情况下，您需要通过电子邮件users [at] open-mpi [dot] org与他们直接联系。

Answer 2

该消息中的"openib“表明，是您的OpenFabrics OFED发生了变化，并可能导致问题：https://www.openfabrics.org/index.php。看看您是否可以更改它或隔离软件堆栈的其他部分，如OpenMPI版本和应用程序代码。

另外，如果您正在使用IMPI，请与Intel联系以获得支持。OpenMPI的推荐是一个很好的建议，仅仅是基于用户的数量，但是他们对英特尔的产品无能为力。