mpi4py：空闲内核显着放缓答案

【问题标题】：mpi4py: substantial slowdown by idle coresmpi4py：空闲内核显着放缓
【发布时间】：2015-05-24 02:18:37
【问题描述】：

我有一个 python 脚本，它招募 MPI 进行并行计算。计算方案如下：数据处理第 1 轮 - 进程之间的数据交换 - 数据处理第 2 轮。我有一台 16 逻辑核心机器（2 x Intel Xeon E5520 2.27GHz）。由于某种原因，第一轮不能并行运行。因此，15 个核心保持空闲状态。然而，尽管如此，计算速度却下降了 2 倍以上。

这个脚本说明了问题（另存为test.py）：

from mpi4py import MPI
import time

comm = MPI.COMM_WORLD
rank = comm.Get_rank()
size = comm.Get_size()
comm.barrier()
stime = time.time()

if rank == 0:
    print('begin calculations at {:.3f}'.format(time.time() - stime))
    for i in range(1000000000):
        a = 2 * 2
    print('end calculations at {:.3f}'.format(time.time() - stime))
    comm.bcast(a, root = 0)
    print('end data exchange at {:.3f}'.format(time.time() - stime))
else:
    a = comm.bcast(root = 0)

当我在 2 个内核上运行它时，我观察到：

$ mpiexec -n 2 python3 test.py
begin calculations at 0.000
end calculations at 86.954
end data exchange at 86.954

当我在 16 核上运行它时，我观察到：

$ mpiexec -n 16 python3 test.py
begin calculations at 0.000
end calculations at 174.156
end data exchange at 174.157

谁能解释这种差异？一个想法，如何摆脱它，也会很有用。

【问题讨论】：

标签： python performance mpi

【解决方案1】：

好的，我终于想通了。

有几个特点导致了减速：

等待数据接收处于活动状态（它会不断检查数据是否已经到达），这使得等待进程不再空闲。
Intel 虚拟内核不影响计算速度。这意味着，8 核机器仍然是 8 核，其行为与虚拟机无关（在某些情况下，例如，当应用 multithreading 模块时，它们可以进行适度的提升，但不能使用 MPI）。李>

考虑到这一点，我修改了代码，将 sleep() 函数引入到等待进程中。结果显示在图表上（每种情况下进行了 10 次测量）。

from mpi4py import MPI
import time

comm = MPI.COMM_WORLD
rank = comm.Get_rank()
size = comm.Get_size()
comm.barrier()
stime = time.time()

if rank == 0:
    for i in range(1000000000):
        a = 2 * 2
    print('end calculations at {:.3f}'.format(time.time() - stime))
    for i in range(1, size):
        comm.send(a, dest = i)
    print('end data exchange at {:.3f}'.format(time.time() - stime))
else:
    while not comm.Iprobe(source = 0):
        time.sleep(1)
    a = comm.recv(source = 0)

【讨论】：