c语言mpi并行程序,[转]MPI并行程序的调试技巧

debug一个并行程序(parallel program)向来是件很麻烦的事情(Erlang等functional programming language另当别论)，对于像MPI这种非shared memory的inter-process model来说尤其如此。

与调试并行程序相关的工具

非开源工具

目前我所了解的商业调试器(debugger)有：

据说parallel debug的能力很屌，本人没用过表示不知，说不定只是界面做得好看而已。不过我想大部分人应该跟本屌一样是用不起这些商业产品的，高富帅们请无视。以下我介绍下一些有用的open source工具：

开源工具

首先推荐valgrind的memcheck。大部分MPI标准的实现(implementation)(如openmpi、mpich)支持的是C、C++和Fortran语言。Fortran语言我不了解，但C和C++以复杂的内存管理(memory management)见长可是出了名的XD。有些时候所谓的MPI程序的bug，不过是一般sequential程序常见的内存错误罢了。这个时候用memcheck检查就可以很容易找到bug的藏身之处。你可能会争论说你用了RAII(Resource Allocation Is Initialization)等方式来管理内存，不会有那些naive的问题，但我还是建议你使用memcheck检查你程序的可执行文件，因为memcheck除了检查内存错误，还可以检查message passing相关的错误，例如：MPI_Send一块没有完全初始化的buffer、用来发送消息的buffer大小小于MPI_Send所指定的大小、用来接受消息的buffer大小小于MPI_Recv所指定的大小等等，我想你的那些方法应该对这些不管用吧？

这里假设你已经安装并配置好了memcheck，例如如果你用的是openmpi，那么执行以下命令

ompi_info | grep memchecker

会得到类似

MCA memchecker: valgrind (MCA v2.0, API v2.0, Component v1.6.4)

使用memcheck需要在compile时下-g参数。运行memcheck用下面的命令：

mpirun [mpirun-args] valgrind [valgrind-args] [app-args]

padb其实是个job monitor，它可以显示MPI message queue的状况。推荐padb的一大理由是它可以检查deadlock。

使用gdb

假设你没有parallel debugger，不用担心，我们还有gdb这种serial debugger大杀器。首先说说mpirun/mpiexec/orterun所支持的打开gdb的方式。

openmpi支持：

mpirun [mpirun-args] xterm -e gdb

执行这个命令会打开跟所指定的进程数目一样多的终端——一下子蹦出这么多终端，神烦~——每个终端都跑有gdb。我试过这个方式，它不支持application带有参数的[app-args]情况，而且进程跑在不同机器上也无法正常跑起来——这一点openmpi的FAQ已经有比较复杂的解决方案。

mpich2支持：

mpirun -gdb

但在mpich较新的版本中，该package的进程管理器(process manager)已经从MPD换为Hydra，这个-gdb的选项随之消失。详情请猛戳这个链接(http://trac.mpich.org/projects/mpich/ticket/1150))。像我机器上的mpich版本是3.0.3，所以这个选项也就不能用了。如果你想试试可以用包含MPD的旧版mpich。

好，以下假设我们不用上述方式，只是像debug一般的程序一样，打开gdb，attach到相应进程，完事，detach，退出。

现在我们要面对的一大问题其实是怎么让MPI程序暂停下来。因为绝大多数MPI程序其实执行得非常快——写并行程序的一大目的不就是加速么——很多时候来不及打开gdb，MPI程序就已经执行完了。所以我们需要让它先缓下来等待我们打开gdb执行操作。

目前比较靠谱的方法是在MPI程序里加hook，这个方法我是在UCDavis的Professor Matloff的主页上看到的(猛戳这里：http://heather.cs.ucdavis.edu/~matloff/pardebug.html))。不过我喜欢的方式跟Prof.Matloff所讲的稍有不同：

#ifdef MPI_DEBUG`

int gdb_break = 1;

while(gdb_break) {};

#endif

Prof. Matloff的方法没有一个类似MPI_DEBUG的macro。我加这个macro只是耍下小聪明，让程序可以通过不同的编译方式生成debug模式和正常模式的可执行文件。如果要生成debug模式的可执行文件，只需在编译时加入以下参数：

-DMPI_DEBUG

或

-DMPI_DEBUG=define

如果不加以上参数就是生成正常模式的可执行文件了，不会再有debug模式的副作用(例如在这里是陷入无限循环)。不用这个macro的话，要生成正常模式的可执行文件还得回头改源代码，这样一者可能代码很长，导致很难找到这个hook的位置；二者如果你在「测试-发布-测试-...」的开发周期里，debug模式所加的代码经常要「加入-删掉-加入-...」很是蛋疼。

(什么？你犯二了，在源代码中加了一句

#define MPI_DEBUG

好吧，你也可以不改动这一句，只需在编译时加入

-UMPI_DEBUG

就可以生成正常模式的可执行文件。)

这样只需照常运行，MPI程序就会在while循环的地方卡住。这时候打开gdb，执行

(gdb) shell ps aux | grep

找到所有对应进程的pid，再用

(gdb) attach

attach到其中某一个进程。Prof. Matloff用的是

gdb

这也是可以的。但我习惯的是开一个gdb，要跳转到别的进程就用detach再attach。让MPI程序跳出while循环：

(gdb) set gdb_break = 0

现在就可以随行所欲的执行设breakpoint啊、查看register啊、print变量啊等操作了。

我猜你会这么吐嘈这种方法：每个process都要set一遍来跳出无限循环，神烦啊有木有！

是的，你没有必要每个process都加，可以只针对有代表性的process加上(例如你用到master-slave的架构那么就挑个master跟slave呗~)。

神马？「代表」很难选？！我们可以把while循环改成：

while(gdb_break)

{

// set the sleep time to pause the processes

sleep();

}

这样在时间内打开gdb设好breakpoint即可，过了这段时间process就不会卡在while循环的地方。

神马？这个时间很难取？取短了来不及，取长了又猴急？好吧你赢了......

类似的做法也被PKU的Jinlong Wu (King)博士写的调试并行程序提及到了。他用的是：

setenv INITIAL_SLEEP_TIME 10

mpirun [mpirun-args] -x INITIAL_SLEEP_TIME [app-args]

本人没有试过，不过看起来比改源代码的方法要优秀些XD。

其他

假设你在打开gdb后会发现no debugging symbols found，这是因为你的MPI可执行程序没有用于debug的symbol。正常情况下，你在compile时下-g参数，生成的可执行程序(例如在linux下是ELF格式，ELF可不是「精灵」，而是Executable and Linkable Format)中会加入DWARF(DWARF是对应于「精灵」的「矮人」Debugging With Attributed Record Format)信息。如果你编译时加了-g参数后仍然有同样的问题，我想那应该是你运行MPI的环境有些库没装上的缘故。在这样的环境下，如果你不幸踩到了segmentation fault的雷区，想要debug，可是上面的招数失效了，坑爹啊......好在天无绝人之路，只要有程序运行的错误信息(有core dump更好)，依靠一些汇编(assmebly)语言的常识还是可以帮助你debug的。

这里就简单以我碰到的一个悲剧为例吧，BTW为了找到bug，我在编译时没有加优化参数。以下是运行时吐出的一堆错误信息(555好长好长的)：

$ mpirun -np 2 ./mandelbrot_mpi_static 10 -2 2 -2 2 100 100 disable

[PP01:13214] *** Process received signal ***

[PP01:13215] *** Process received signal ***

[PP01:13215] Signal: Segmentation fault (11)

[PP01:13215] Signal code: Address not mapped (1)

[PP01:13215] Failing at address: 0x1123000

[PP01:13214] Signal: Segmentation fault (11)

[PP01:13214] Signal code: Address not mapped (1)

[PP01:13214] Failing at address: 0xbf7000

[PP01:13214] [ 0] /lib64/libpthread.so.0(+0xf500) [0x7f6917014500]

[PP01:13215] [ 0] /lib64/libpthread.so.0(+0xf500) [0x7f41a45d9500]

[PP01:13215] [ 1] /lib64/libc.so.6(memcpy+0x15b) [0x7f41a42c0bfb]

[PP01:13215] [ 2] /opt/OPENMPI-1.4.4/lib/libmpi.so.0

(ompi_convertor_pack+0x14a) [0x7f41a557325a]

[PP01:13215] [ 3] /opt/OPENMPI-1.4.4/lib/openmpi/mca_btl_sm.so

(+0x1ccd) [0x7f41a1189ccd]

[PP01:13215] [ 4] /opt/OPENMPI-1.4.4/lib/openmpi/mca_pml_ob1.so

(+0xc51b) [0x7f41a19a651b]

[PP01:13215] [ 5] /opt/OPENMPI-1.4.4/lib/openmpi/mca_pml_ob1.so

(+0x7dd8) [0x7f41a19a1dd8]

[PP01:13215] [ 6] /opt/OPENMPI-1.4.4/lib/openmpi/mca_btl_sm.so

(+0x4078) [0x7f41a118c078]

[PP01:13215] [ 7] /opt/OPENMPI-1.4.4/lib/libopen-pal.so.0

(opal_progress+0x5a) [0x7f41a509be8a]

[PP01:13215] [ 8] /opt/OPENMPI-1.4.4/lib/openmpi/mca_pml_ob1.so

(+0x552d) [0x7f41a199f52d]

[PP01:13215] [ 9] /opt/OPENMPI-1.4.4/lib/openmpi/mca_coll_sync.so

(+0x1742) [0x7f41a02e3742]

[PP01:13215] [10] /opt/OPENMPI-1.4.4/lib/libmpi.so.0

(MPI_Gatherv+0x116) [0x7f41a5580906]

[PP01:13215] [11] ./mandelbrot_mpi_static(main+0x68c) [0x401b16]

[PP01:13215] [12] /lib64/libc.so.6(__libc_start_main+0xfd) [0x7f41a4256cdd]

[PP01:13215] [13] ./mandelbrot_mpi_static() [0x4010c9]

[PP01:13215] *** End of error message ***

[PP01:13214] [ 1] /lib64/libc.so.6(memcpy+0x15b) [0x7f6916cfbbfb]

[PP01:13214] [ 2] /opt/OPENMPI-1.4.4/lib/libmpi.so.0

(ompi_convertor_unpack+0xca) [0x7f6917fae04a]

[PP01:13214] [ 3] /opt/OPENMPI-1.4.4/lib/openmpi/mca_pml_ob1.so

(+0x9621) [0x7f69143de621]

[PP01:13214] [ 4] /opt/OPENMPI-1.4.4/lib/openmpi/mca_btl_sm.so

(+0x4078) [0x7f6913bc7078]

[PP01:13214] [ 5] /opt/OPENMPI-1.4.4/lib/libopen-pal.so.0

(opal_progress+0x5a) [0x7f6917ad6e8a]

[PP01:13214] [ 6] /opt/OPENMPI-1.4.4/lib/openmpi/mca_pml_ob1.so

(+0x48b5) [0x7f69143d98b5]

[PP01:13214] [ 7] /opt/OPENMPI-1.4.4/lib/openmpi/mca_coll_basic.so

(+0x3a94) [0x7f6913732a94]

[PP01:13214] [ 8] /opt/OPENMPI-1.4.4/lib/openmpi/mca_coll_sync.so

(+0x1742) [0x7f6912d1e742]

[PP01:13214] [ 9] /opt/OPENMPI-1.4.4/lib/libmpi.so.0

(MPI_Gatherv+0x116) [0x7f6917fbb906]

[PP01:13214] [10] ./mandelbrot_mpi_static(main+0x68c) [0x401b16]

[PP01:13214] [11] /lib64/libc.so.6(__libc_start_main+0xfd) [0x7f6916c91cdd]

[PP01:13214] [12] ./mandelbrot_mpi_static() [0x4010c9]

[PP01:13214] *** End of error message ***

--------------------------------------------------------------------------

mpirun noticed that process rank 1 with PID 13215

on node PP01 exited on signal 11 (Segmentation fault).

--------------------------------------------------------------------------

注意到这一行：

[PP01:13215] [10] /opt/OPENMPI-1.4.4/lib/libmpi.so.0

(MPI_Gatherv+0x116) [0x7f41a5580906]

通过(这跟在gdb中用disas指令是一样的)

objdump -D /opt/OPENMPI-1.4.4/lib/libmpi.so.0

找到MPI_Gatherv的入口：

00000000000527f0 :

找到(MPI_Gatherv+0x116)的位置(地址52906)：

52906: 83 f8 00 cmp $0x0,%eax

52909: 74 26 je 52931

5290b: 0f 8c 37 02 00 00 jl 52b48

地址为52931的之后的code主要是return，%eax应该是判断是否要return的counter。现在寄存器%eax就成了最大的嫌疑，有理由 相信 猜某个对该寄存器的不正确操作导致了segmentation fault。好吧，其实debug很多时候还得靠猜，记得有这么个段子：「师爷，写代码最重要的是什么？」「淡定。」「师爷，调试程序最重要的是什么？」「运气。」

接下来找到了%eax被赋值的地方：

52ac2: 41 8b 00 mov (%r8),%eax

这里需要了解函数参数传递(function parameter passing)的调用约定(calling convention)机制：

对x64来说：int和pointer类型的参数依次放在rdi、rsi、rdx、rcx、r8、r9寄存器中，float参数放在xmm开头的寄存器中。

对x86(32bit)来说：参数放在堆栈(stack)中。 此外GNU C支持：

__attribute__((regparm()))

其中是一个0到3的整数，表示指定个参数通过寄存器传递，由于寄存器传参要比堆栈传参快，因而这也被称为#fastcall#。如果指定

__attribute__((regparm(3)))

则开头的三个参数会被依次放在eax、edx和ecx中。(关于__attribute__的详细介绍请猛戳GCC的官方文档)。

如果是C++的member function，别忘了隐含的第一个参数其实是object的this指针(pointer)。

回到我们的例子，%r8正对应MPI_Gatherv的第五個参数。现在终于可以从底层的汇编语言解脱出来了，让我们一睹MPI_Gatherv原型的尊容：

int MPI_Gatherv(void *sendbuf, int sendcnt, MPI_Datatype sendtype,

void *recvbuf, int *recvcnts, int *displs,

MPI_Datatype recvtype, int root, MPI_Comm comm)

第五个参数是recvcnts，于是就可以针对这个「罪魁祸首」去看源程序到底出了什么问题了。这里我就不贴出代码了，bug的来源就是我当时犯二了，以为这个recvcnts是byte number，而实际上官方文档写得明白(这里的recvcounts就是recvcnts)：

recvcounts

integer array (of length group size) containing the number of elements that are received from each process (significant only at root)

其实是the number of elements啊有木有！不仔细看文档的真心伤不起！也因为这个错误，使我的recvcnts比recvbuf的size要大，因而发生了access在recvbuf范围以外的内存的情况(也就是我们从错误信息所看到的Address not mapped)。

最后再提一点，我源代码中的recvbuf其实是malloc出来的内存，也就是在heap中，这种情况其实用valgrind应该就可以检测出来(如果recvbuf在stack中我可不能保证这一点)。所以，骚念们，编译完MPI程式先跑跑valgrind看能不能通关吧，更重要的是，写代码要仔细看API文档减少bug。

参考资料