python 多核并行计算_Python 高性能并行计算之 mpi4py

MPI  和    MPI4PY   的搭建上一篇文章已经介绍，这里面介绍一些基本用法。

mpi4py  的  helloworld

from mpi4py importMPIprint("hello world")

mpiexec      -n     5    python3    x.py

2.   点对点通信

因为  mpi4py 中点对点的 通信  send 语句  在数据量较小的时候是把发送数据拷贝到缓存区，是非堵塞的操作，   然而在数据量较大时候是堵塞操作，由此如下：

在 发送较小数据时：

importmpi4py.MPI as MPI

comm=MPI.COMM_WORLD

comm_rank=comm.Get_rank()

comm_size=comm.Get_size()#point to point communication

data_send = [comm_rank]*5comm.send(data_send,dest=(comm_rank+1)%comm_size)

data_recv=comm.recv(source=(comm_rank-1)%comm_size)print("my rank is %d, and Ireceived:" %comm_rank)print(data_recv)

在数据量较大时，  比如发送  ：

#point to point communication

data_send = [comm_rank]*1000000

这时候就会造成各个进程之间的死锁。(因为这时候各个进程是堵塞执行，每个进程都在等待另一个进程的发送数据)

修改后的代码，所有进程顺序执行， 0进程发送给1,1接收然后发送给2，以此类推：

importmpi4py.MPI as MPI

comm=MPI.COMM_WORLD

comm_rank=comm.Get_rank()

comm_size=comm.Get_size()

data_send= [comm_rank]*1000000

if comm_rank ==0:

comm.send(data_send, dest=(comm_rank+1)%comm_size)if comm_rank >0:

data_recv= comm.recv(source=(comm_rank-1)%comm_size)

comm.send(data_send, dest=(comm_rank+1)%comm_size)if comm_rank ==0:

data_recv= comm.recv(source=(comm_rank-1)%comm_size)print("my rank is %d, and Ireceived:" %comm_rank)print(data_recv)

3   群体通信

3.1  广播bcast

一个进程把数据发送给所有进程

importmpi4py.MPI as MPI

comm=MPI.COMM_WORLD

comm_rank=comm.Get_rank()

comm_size=comm.Get_size()if comm_rank ==0:

data=range(comm_size)

dat= comm.bcast(data if comm_rank == 0 else None, root=0)print(‘rank %d, got:‘ %(comm_rank))print(dat)

发送方 也会收到  这部分数据，当然发送方这份数据并不是网络传输接受的，而是本身内存空间中就是存在的。

3.2   散播scatter

importmpi4py.MPI as MPI

comm=MPI.COMM_WORLD

comm_rank=comm.Get_rank()

comm_size=comm.Get_size()if comm_rank ==0:

data=range(comm_size)else:

data=None

local_data= comm.scatter(data, root=0)print(‘rank %d, got:‘ %comm_rank)print(local_data)

3.3  收集gather

将所有数据搜集回来

importmpi4py.MPI as MPI

comm=MPI.COMM_WORLD

comm_rank=comm.Get_rank()

comm_size=comm.Get_size()if comm_rank ==0:

data=range(comm_size)else:

data=None

local_data= comm.scatter(data, root=0)

local_data= local_data * 2

print(‘rank %d, got and do:‘ %comm_rank)print(local_data)

combine_data= comm.gather(local_data,root=0)if comm_rank ==0:print("root recv {0}".format(combine_data))

3.4  规约reduce

importmpi4py.MPI as MPI

comm=MPI.COMM_WORLD

comm_rank=comm.Get_rank()

comm_size=comm.Get_size()if comm_rank ==0:

data=range(comm_size)else:

data=None

local_data= comm.scatter(data, root=0)

local_data= local_data * 2

print(‘rank %d, got and do:‘ %comm_rank)print(local_data)

all_sum= comm.reduce(local_data, root=0,op=MPI.SUM)if comm_rank ==0:print(‘sum is:%d‘ % all_sum)

SUM   MAX   MIN  等操作在数据搜集是在各个进程中进行一次操作后汇总到  root 进程中再进行一次总的操作。

op=MPI.SUM

op=MPI.MAX

op=MPI.MIN

参考文章：

《Python多核编程mpi4py实践》