MPI 学习笔记

目录

MPI学习笔记

研究课题需要用到并行化，这里记录学习笔记

MPI准备

概述

MPI(Message Passin Interface 消息传递接口)是一种消息传递编程模型，是一个库。
MPI是一种标准或规范的代表，并不特指某一个对它具体实现。
目的：服务于进程间通信

前置知识补充

消息传输：从一个处理器的内存拷贝到另一个处理器内存的方式。
在分布式存储系统中，数据通常以消息包的形式通过网络从一个处理器发送到另一个处理器。

消息包 = 消息头控制信息 + 消息体数据信息

举例
image

序号：进程的标识，唯一
进程组：一个MPI程序的全部进程集合的一个有序子集，进程组中每个进程都被赋予了再该组中唯一的序号(rank),用于在该组中标识该进程。
tong'xin'yu

环境部署

三台虚拟机均为CentOS8，一台作为控制节点，另外两台作为计算节点。

1.修改IP及主机名

1.三台主机已经修改在同一个网关
2.设置了静态ip
MPI0 192.168.10.110 控制节点
MPI1 192.168.10.111 计算节点
MPI2 192.168.10.112 计算节点
3.做好了主机名和ip地址的映射关系

2.关闭防火墙

为了mpi运行成功，尽可以能降低通信延迟和系统开销，关闭防火墙达到最高的效率

关闭firewalld

[ranan@c105 ~]$ sudo systemctl stop firewalld  //关闭防火墙
[ranan@c105 ~]$ sudo systemctl disable firewalld //设置防火墙不自启

关闭selinux
1.暂时关闭

setenforce 0

2.永久性关闭selinux
编辑selinux的配置文件/etc/sysconfig/selinux ，把SELINUX设置成disabled,然后重启生效

[ranan@c105 ~]$ sudo vim /etc/sysconfig/selinux
[ranan@c105 ~]$ cat /etc/sysconfig/selinux 

# This file controls the state of SELinux on the system.
# SELINUX= can take one of these three values:
#     enforcing - SELinux security policy is enforced.
#     permissive - SELinux prints warnings instead of enforcing.
#     disabled - No SELinux policy is loaded.
SELINUX=disabled
# SELINUXTYPE= can take one of these three values:
#     targeted - Targeted processes are protected,
#     minimum - Modification of targeted policy. Only selected processes are protected. 
#     mls - Multi Level Security protection.
SELINUXTYPE=targeted

3.实现免密码SSH登录

这个是之前配置hadoop免密登录的流程

4.配置MPI运行环境

三台主机都需要配置

下载包

上传包到/opt/software

[root@c105 software]# rz
rz waiting to receive.
  zmodem  trl+C ȡ
正在传输 mpich-3.1.3.tar.gz...
  100%   11218 KB    11218 KB/  00:00:01       0   

[root@c105 software]# ll
总用量 11220
-rw-r--r--. 1 root root 11487313 11月 17 16:48 mpich-3.1.3.tar.gz

解压包到/opt/module/

[root@c105 software]#tar -xvzf mpich-3.1.3.tar.gz -C /opt/module/

执行配置操作,作用是对即将安装的软件进行配置，检查当前的环境是否满足要安装软件的依赖关系。参数：–prefix=PREFIX 表示把所有文件装在目录PREFIX下而不是默认目录下。本系统安装目录为/home/mpi。配置成功后，最后一行提示显示“Configuration completed”。

[ranan@c105 mpich-3.1.3]$sudo ./configure --prefix=/home/mpi

image

报错信息：Incompatible Fortran and C Object File Types!
解决办法：sudo yum install gcc gcc-gfortran

[ranan@c105 mpich-3.1.3]$ make
[ranan@c105 mpich-3.1.3]$ make install

注意点:
step1 ./configure
step2 make
step3 make install

配置环境变量/home/mpi

[ranan@c105 ~]$ vim ~/.bashrc
export PATH=/home/mpi/bin:$PATH //与原来使用:进行拼接
export INCLUDE=/home/mpi/include:$INCLUDE
export LD_LIBRARY_PATH=/home/mpi/lib:$LD_LIBRARY_PATH
[ranan@c105 ~]$ source .bashrc  //更新环境配置

测试是否配置成功

which mpicc

分发给c106 c107

5.测试

复制测试例子到/home/mpi目录下，修改/home/mpi文件权限

[root@c106 mpich-3.1.3]# cp -r examples /home/mpi
[root@c106 mpich-3.1.3]# chown -R ranan:ranan /home/mpi

单节点测试
现在是c106节点机

[ranan@c106 ~]$ cd /home/mpi/examples/
[ranan@c106 examples]$ m 
Process 0 of 6 is on c106
Process 1 of 6 is on c106
Process 2 of 6 is on c106
Process 4 of 6 is on c106
Process 5 of 6 is on c106
Process 3 of 6 is on c106
pi is approximately 3.1415926544231239, Error is 0.0000000008333307
wall clock time = 0.019008

多节点测试
测试6个进程再不同权重的节点机上运行

[ranan@c106 examples]$ vim nodes
[ranan@c106 examples]$ cat nodes
c105:3
c106:2
c107:1
[ranan@c106 examples]$ mpirun -np 6 -f nodes ./cpi
Process 3 of 6 is on c106
Process 0 of 6 is on c105
Process 5 of 6 is on c107
Process 4 of 6 is on c106
Process 1 of 6 is on c105
Process 2 of 6 is on c105
pi is approximately 3.1415926544231243, Error is 0.0000000008333312
wall clock time = 0.005398

程序的执行

编译语句

c
gcc编译器

mpicc -O2(优化选项) -o(生成可持续文件) heeloworld(编译成的执行文件名) helloworld.c(被编译的源文件)

c++
gcc编译器

mpicxx -O2(优化选项) -o heeloworld helloworld.c

运行语句

mpi普通程序运行执行
mpirun(mpiexec) -np 产生的进程数 可执行文件

集群mpi上运行
集群作业调度系统特定参数 + 可执行文件

mpirun -np 产生的进程数 -f 集群配置文件 ./可执行文件

集群配置文件的格式

ip地址:进程个数
ip地址:进程个数
...

MPI编程

image

C语言中的头文件 #include "mpi.h"

4个基本函数

MPI_Init(int *argc,char ***argv)
完成MPI程序初始化工作，通过获取main函数的参数，让每一个MPI程序都能获取到main函数

MPI_Comm_rank(MPI_Comm comm,int *rank)
用于获取调用进程在给定的通信域中的进程标识号。默认一个最大通信域word。
通信域中的序号是有序的
假设一个通信域中有p个进程，编号为0到p-1，利用进程的序号来决定负责计算数据集的哪一个部分。

MPI_Comm_size(MPI_Comm comm,int *size)
返回给定的通信域中所包含的进程总数

MPI_Finalize(void)
MPI程序的最后一个调用，清除全部MPI环境

MPI点对点通信函数

MPI的通信机制是在一对进程之间传递数据，称为点对点通信

MPI提供的点对点通信数据传输有两种机制

  • 阻塞:等消息从本地发出之后，才进行执行后续的语句
  • 非阻塞:不需要等待，实现通信与计算的重叠

非阻塞MPI_Send/MPI_Recv

MPI_Send用于发送方

MPI_Send(void*buf,int count,MPI_Datatype datatype，int dest，int tag，MPI_Comm comm)

  • buf 发送的数据缓存区的起始地址
  • count 需要发送数据的个数
  • datatype 需要发送的数据类型
  • dest 目的进程的标识号
  • tag 消息标志为tag
  • comm 进程所在的域

MPI_Recv用于接收方

MPI_Recv(void*buf,int count,MPI_Datatype datatype，int source,int tag,MPI_Comm comm,MPI_Status *status)

从comm通信域中标识号为source的进程，接受消息标记为tag，消息数据类型为datatype，个数为count的消息并存储在buf缓冲区中，并将该过程的状态信息写入status中

在C语言中，status是一个结构体，包含了MPI_SOURCE(数据来源进程标识号),MPI_TAG(消息标记),MPI_ERROR
在Fortran语言中，status是一个整型的数组

阻塞MPI_Isend

Isend
int MPI_Isend(void*buf,int count,MPI_Datatype datatype，int dest，int tag，MPI_Comm comm，MPI_Request *request)

Irecv
int MPI_Irecv(void*buf,int count,MPI_Datatype datatype，int dest，int tag，MPI_Comm comm，MPI_Request *request)

MPI集合通信函数

image

1-n/n-1

集合通信还包括一个同步操作Barrier，所有进程都到达后才继续执行

MPI_Bcast(void *buffer,int count,MPI_Datatype datatype,int root,MPI_Comm comm)

从指定的一个根进程中把相同的数据广播发送给组中的所有其他进程

image

MPI_Scatter(void send_data,int send_count,MPI_Datatype send_datatype,void recv_data,int recv count,MPI_Datatype recv_datatype,int root,MPI_Comm communicator)

把指定的根进程中的数据分散发送给组中的所有进程（包括自己）

image

MPI_Gather(void *sendbuf,int sent_count,MPI_Datatype send_datatype,void *recv_data,int recv_count,MPI_Datatype recv_datatype,int root,MPI_Comm communicator)

在组中指定一个进程收集组中进程发来的消息，这个函数操作与MPI_Scatter函数操作相反
所有进程调用该函数，把指定位置的数据发送给根进程的指定位置

image

MPI_Reduce(void *send_data,void *recv_data,int count,MPI_Datatype datatype,MPI_Op op, int root,MPI_Comm communicator)

在组内所有的进程中，执行一个规约操作(算术等)，并把结果存放在指定的一个进程中

image

举例

image

n-n

image

image

常用函数

计时函数
double MPI_Wtime(void)
功能：返回某一时刻到调用时刻经历的时间(s)

案例

double start_time,end_time,total_time; //初始化
start_time = MPI_Wtime();
//需要计时的部分
end_time = MPI_Wtime();
total_time = end_time - start_time
Printf("It looks %f seconds\n",total_time);

获得本进程的机器名函数
int MPI_Get_processor_name(char name,intresultlen)
name为返回的机器名字符串，resultlen为返回的机器名长度

//MPI_MAX_PROCESSOR_NAME代表MPI中允许机器名字的最大长度
int resultlen;
char processor_name[MPI_MAX_PROCESSOR_NAME];
MPI_Get_processor_name(processor_name,&resultlen);//resultlen存放长度
cout"当前运行的机器" <<processor_name<<endl;

测试案例

send

home/mpi/example/send_test.cpp

#include <stdio.h>
#include <iostream>
#include "mpi"

using namespace std;
/*从0号进程发送信息，其他进程接受信息*/
int main(int argc,char ** argv)
{
	int rank;//记录进程标识号
	int size;//记录通讯域中的进程个数
	int senddata,recvdata;
	MPI_Init(&argc,&argv);
	MPI_Comm_rank(MPI_COMM_WORLD,&rank);
	MPI_Comm_size(MPI_COMM_WORLD,&size);
	MPI_Status status;
	recvdata=0;
	if(rank==0){ //发送数据的进程
		for(int i=1;i<size;i++){
			senddata=i+1000;
			MPI_Send(&senddata,1,MPI_INT,i,i,MPI_COMM_WORLD);
		}
	}
	if(rank!=0){ //接受数据的进程
		MPI_Recv(&recvdata,1,MPI_INT,0,rank,MPI_COMM_WORLD,&status);
		cout << "进程 " << rank <<"从 "<< status.MPI_SOURCE <<"接收信息，tag="<<status.MPI_TAG <<" and data=" <<recvdata<<endl;
	}
	MPI_Finalize();
	return 0;
}

编译运行

[ranan@c106 examples]$ mpicxx -o testmpi send_test.cpp
[ranan@c106 examples]$ xsync testmpi //把执行程序分发给c105 c107
[ranan@c106 examples]$ mpirun -np 6 -f nodes ./testmpi

image

MPI_Scatter 与 MPI_Gather

#include "stdio.h"
#include "mpi.h" 
#include "stdlib.h"
#include <iostream>
#include <vector>

using namespace std;

const int N=2; //每个进程接受两个数据


int main(int argc,char ** argv){
	int size,rank; //size记录总进程数，rank记录当前进程的标识号
	int *send; //每个进程的发送缓存区
	int *recv; //每个进程的接受缓存区
	int *result; //接受其他进程发送过来的数据
	int send_data[N]; //其他进程发送的数据;
	int i=0;
	int j=0;
	int resultlen;  //记录机器名的长度
	char processor_name[MPI_MAX_PROCESSOR_NAME]; //运行的机器名
	
	MPI_Init(&argc,&argv);
	MPI_Comm_rank(MPI_COMM_WORLD,&rank); //获得当前进程号
	MPI_Comm_size(MPI_COMM_WORLD,&size); //获得总进程数，假设4个
	MPI_Get_processor_name(processor_name,&resultlen);
	recv = (int*) malloc(N*sizeof(int));
	for(;i<N;i++){
		recv[i] = 0; //原始的数据
	}
	
	//开始准备发送的数据
	if(rank==0){
		send =  (int*) malloc(size*N*sizeof(int));
		result = (int*) malloc(size*N*sizeof(int));
		for(;j<N*size;j++){
		send[j]=j+6;	 //6，7，8,9,10,11,12,13 ,大于等于10返回1，小于10返回0
		}	
	}

	//开始进行任务分发
	MPI_Scatter(send,N,MPI_INT,recv,N,MPI_INT,0,MPI_COMM_WORLD); //0号进程分发
	
	//输出分发结果
	cout << "-----------------------"<<endl;
	cout << "进程号"<<rank<<"当前运行的机器" <<processor_name<<endl;

	for(i=0;i<N;i++){
		cout << "传输后的recv["<<i<<"] = " <<recv[i]<<endl;
		//数据处理
		send_data[i] = (recv[i]>=10)?1:0;
		cout << "当前值:" <<recv[i]<<",对应的send_data = "<< send_data[i]  <<endl;
		
	}
	cout << "-----------------------"<<endl;
	
	MPI_Gather(send_data,N,MPI_INT,result,N,MPI_INT,0,MPI_COMM_WORLD); //0号进程接受
 
	//MPI_Barrier调用函数时进程将处于等待状态，直到通信子中所有进程 都调用了该函数后才继续执行。
	MPI_Barrier(MPI_COMM_WORLD); //等待所有进程传送数据结束。
	//输出汇聚的结果
	if(rank==0){
		for(j=0;j<N*size;j++){
		cout << "result["<<j<<"]="<<result[j]<<endl;
		}	
	}
	MPI_Finalize();
	return 0;
}

image

posted @ 2021-12-02 21:19  rananie  阅读(717)  评论(0)  编辑  收藏  举报