MPI2 / MPI3:考虑同步的MPI_allgather与MPI单向通信

Question

我正在使用MPI-2编写一个优化程序，在该程序中，我需要在所有进程之间共享一个长度相同的std::vector (概念上)。该向量保存了当前发现的问题的最佳k解决方案，并且每次由多个MPI进程中的一个找到新的最佳解决方案时都会更新。每个过程在寻找新的解决方案上所花费的时间通常变化很大。

我的问题是，考虑到同步和等待中的性能问题，每次找到新的最佳解决方案时，我是否应该使用MPI集合(如MPI_allgather )；还是应该使用MPI-2中的单边通信来在所有进程中维护“共享”向量。

特别是，如果我使用MPI_allgather，进程是否会提前空闲完成作业，并等待与其他进程的某种同步？

我在MPI点对点通信(upd:以及UPC)方面有一些工作经验，但在实际编码中没有使用集体或单边通信。我搜索了一下，找到了有关MPI_allgathers的相关问题/答案，例如Allgather，以及关于单向通信Creating a counter that stays synchronized across MPI processes的问题/答案。但我很难分辨出这两种方法的确切区别。

谢谢,

-最新消息

特别是，我在底层有来自Creating a counter that stays synchronized across MPI processes的代码示例，它使用单向维护单个int“共享”。我试图将它调整为泛型类型，但不知道如何使它工作，因为我很难理解原始代码，也不知道它为什么维护数组data，以及如何将MPI_Accumulate概括为用户函数(就像简单地用新的向量替换旧向量)。

模板//注意:t只能是基本类型(不是指针、引用或结构)，例如int和double。结构mpi_array { typedef：：向量向量；MPI_Win win；

   int  rank;

   int  size;

   Vector val;

   Vector \*hostvals;  };

单边通信计数器代码：

#include <mpi.h>
#include <stdlib.h>
#include <stdio.h>
#include <unistd.h>

struct mpi_counter_t {
    MPI_Win win;
    int  hostrank ;
    int  myval;
    int *data;
    int rank, size;
};

struct mpi_counter_t *create_counter(int hostrank) {
    struct mpi_counter_t *count;

    count = (struct mpi_counter_t *)malloc(sizeof(struct mpi_counter_t));
    count->hostrank = hostrank;
    MPI_Comm_rank(MPI_COMM_WORLD, &(count->rank));
    MPI_Comm_size(MPI_COMM_WORLD, &(count->size));

    if (count->rank == hostrank) {
        MPI_Alloc_mem(count->size * sizeof(int), MPI_INFO_NULL, &(count->data));
        for (int i=0; i<count->size; i++) count->data[i] = 0;
        MPI_Win_create(count->data, count->size * sizeof(int), sizeof(int),
                       MPI_INFO_NULL, MPI_COMM_WORLD, &(count->win));
    } else {
        count->data = NULL;
        MPI_Win_create(count->data, 0, 1,
                       MPI_INFO_NULL, MPI_COMM_WORLD, &(count->win));
    }
    count -> myval = 0;

    return count;
}

int increment_counter(struct mpi_counter_t *count, int increment) {
    int *vals = (int *)malloc( count->size * sizeof(int) );
    int val;

    MPI_Win_lock(MPI_LOCK_EXCLUSIVE, count->hostrank, 0, count->win);

    for (int i=0; i<count->size; i++) {

        if (i == count->rank) {
            MPI_Accumulate(&increment, 1, MPI_INT, 0, i, 1, MPI_INT, MPI_SUM,
                           count->win);
        } else {
            MPI_Get(&vals[i], 1, MPI_INT, 0, i, 1, MPI_INT, count->win);
        }
    }

    MPI_Win_unlock(0, count->win);
    count->myval += increment;

    vals[count->rank] = count->myval;
    val = 0;
    for (int i=0; i<count->size; i++)
        val += vals[i];

    free(vals);
    return val;
}

void delete_counter(struct mpi_counter_t **count) {
    if ((*count)->rank == (*count)->hostrank) {
        MPI_Free_mem((*count)->data);
    }
    MPI_Win_free(&((*count)->win));
    free((*count));
    *count = NULL;

    return;
}

void print_counter(struct mpi_counter_t *count) {
    if (count->rank == count->hostrank) {
        for (int i=0; i<count->size; i++) {
            printf("%2d ", count->data[i]);
        }
        puts("");
    }
}

int test1() {
    struct mpi_counter_t *c;
    int rank;
    int result;

    c = create_counter(0);

    MPI_Comm_rank(MPI_COMM_WORLD, &rank);
    result = increment_counter(c, 1);
    printf("%d got counter %d\n", rank, result);

    MPI_Barrier(MPI_COMM_WORLD);
    print_counter(c);
    delete_counter(&c);
}


int test2() {
    const int WORKITEMS=50;

    struct mpi_counter_t *c;
    int rank;
    int result = 0;

    c = create_counter(0);

    MPI_Comm_rank(MPI_COMM_WORLD, &rank);
    srandom(rank);

    while (result < WORKITEMS) {
        result = increment_counter(c, 1);
        if (result <= WORKITEMS) {
             printf("%d working on item %d...\n", rank, result);
             sleep(random() % 10);
         } else {
             printf("%d done\n", rank);
         }
    }

    MPI_Barrier(MPI_COMM_WORLD);
    print_counter(c);
    delete_counter(&c);
}

int main(int argc, char **argv) {

    MPI_Init(&argc, &argv);

    test1();
    test2();

    MPI_Finalize();
}

Answer 1

您担心某些进程可能在其他进程之前进入MPI_ALLGATHER是有效的，但在任何具有同步的应用程序中都是如此，而不仅仅是那些显式使用集体通信的应用程序。

然而，你可能会对单边操作有误解。它们没有为您提供并行全局地址空间(PGAS)模型，其中所有内容都是同步的。相反，它们只是给您提供了一种直接解决远程进程内存的方法。每个进程的内存仍然是分开的。另外，如果你要从一个点升级到其他的MPI，我不会仅仅局限于MPI-2函数。在MPI-3中有一些新的东西，它也改善了集体和单方面(特别是后者)。

尽管如此，如果你从来没有使用过任何东西，除了点对点，单边对你来说将是一个很大的飞跃。您可能需要进行更多的中间步骤，并首先检查集体。如果你仍然对你的性能不满意，你可以看一看单面章节，但是它非常复杂，大多数人通常会使用一些位于单面之上的东西，而不是直接使用它(比如一些PGAS语言)。