消息传递接口/MPI 函数参考

此页面列出了MPI中使用的函数的简要说明。

---

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

这将buf的内容发送到等级为dest的目标，而接收端调用MPI_Recv。

---

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

这将buf填充来自等级为source的源的数据，而发送方调用MPI_Send。

---

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

这将buffer的内容在root上发送到所有其他进程。因此，之后buffer的前count个元素在所有节点上都是相同的。 [1]

MPI_Bcast的性能介于$O(N)$和$O(\log _{2}N)$之间。 [2][3]

MPI 2.0 连接命令

int MPI_Open_port(MPI_Info info, char *port_name)

这将创建一个端口，其他进程可以连接到该端口。作为port_name字符串传递的缓冲区必须至少MPI_MAX_PORT_NAME长，并将包含其他进程需要知道的唯一标识符以进行连接。

---

int MPI_Comm_accept(char *port_name, MPI_Info info, int root, MPI_Comm comm, 
                    MPI_Comm *newcomm)

在调用MPI_Open_port()之后，此函数将等待连接。

---

int MPI_Comm_connect(char *port_name, MPI_Info info, int root, MPI_Comm comm, 
                      MPI_Comm *newcomm)

这将打开一个连接到另一个进程，该进程正在等待MPI_Comm_accept()。port_name参数必须与另一个进程的port_name相同，该port_name是从MPI_Open_port返回的。

规约

以下函数通过应用简单的函数（如求和）将跨处理器的数组数据规约到一个或多个处理器上的标量。

---

int MPI_Scan ( void *sendbuf, void *recvbuf, int count, MPI_Datatype datatype,
               MPI_Op op, MPI_Comm comm )

参见 [4].

---

int MPI_Allreduce ( void *sendbuf, void *recvbuf, int count, 
                    MPI_Datatype datatype, MPI_Op op, MPI_Comm comm )

这在所有节点上对每个节点的sendbuf执行由MPI_Op指定的运算。例如，如果节点 0 在其sendbuf中分别具有{0, 1, 2}，而节点 1 具有{3, 4, 5}，并且如果两者都调用MPI_Allreduce(sendbuf, foo, 3, MPI_INT, MPI_SUM, world)，则两个节点上由foo指向的缓冲区的内容将为

{0+3, 1+4, 2+5} = {3, 5, 7}

对于P个进程的性能：$O(N\log P)$。 [5]

---

int MPI_Comm_split(MPI_Comm comm, int color, int key, MPI_Comm *newcomm);

MPI_Comm_split()在每个进程中创建一个新的通信器。生成的通信器对于提供了相同color参数的进程是通用的。进程可以通过提供MPI_UNDEFINED作为color来选择不获取通信器，这将为该进程生成MPI_COMM_NULL。

例如，以下代码将MPI_COMM_WORLD拆分为三个通信器，分别“颜色”为 0、1 和 2。

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

using namespace std;

int main(int argc, char** argv) {
  MPI_Init(&argc, &argv);
  int rank;
  MPI_Comm_rank(MPI_COMM_WORLD, &rank);
  MPI_Comm comm;
  MPI_Comm_split(MPI_COMM_WORLD, rank % 3, -rank*2, &comm); // The keys need not be positive or contiguous.
  int rank2;
  MPI_Comm_rank(comm, &rank2);
  cout << "My rank was " << rank << " now " << rank2 << " color: " << rank % 3 << "\n";
  MPI_Finalize();
}

使用八个进程运行，这将输出以下内容（以不确定的顺序）

My rank was 0 now 2 color: 0
My rank was 8 now 2 color: 1
My rank was 8 now 1 color: 2
My rank was 3 now 1 color: 0
My rank was 4 now 1 color: 1
My rank was 5 now 0 color: 2
My rank was 6 now 0 color: 0
My rank was 7 now 0 color: 1
My rank was 8 now 0 color: 1

非阻塞异步通信

以下函数协同工作以允许进程之间的非阻塞异步通信。 [6] 一个进程发送，而另一个进程接收。发送方必须在删除缓冲区之前检查操作是否已完成。MPI_Wait()是一个阻塞等待，而MPI_Test是非阻塞的。

MPI_Isend()和MPI_Irecv()调用不需要按顺序进行。也就是说，进程 42 可以调用MPI_Irecv()三次以开始接收来自进程 37、38 和 39 的数据，这些进程可以随时发送。

---

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

---

int MPI_Irecv(void* buf, int count, MPI_Datatype datatype, int source, int tag, MPI_Comm comm, MPI_Request recvtag, MPI_Comm comm, MPI_Status *status);

---

int MPI_Wait(MPI_Request *request, MPI_Status *status);

---

int MPI_Test(MPI_Request  *request, int* flag, MPI_Status* status);

示例代码

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

using namespace std;

int main(int argc, char** argv) {
  MPI_Init(&argc, &argv);
  int rank;
  MPI_Comm_rank(MPI_COMM_WORLD, &rank);
  MPI_Comm comm;

  int sources[] = {3,4,5};
  int dest = 1;
  int tag =42;
  if (rank == sources[0] || rank == sources[1] || rank == sources[2]) {
    double x[] = { 1*rank, 2*rank, 3*rank};
    MPI_Request r;
    MPI_Isend(x, 3, MPI_DOUBLE, dest, tag, MPI_COMM_WORLD, &r);
    cout << "Process " << rank << " waiting...\n";
    MPI_Status status;
    MPI_Wait(&r, &status);
    cout << "Process " << rank << " sent\n";
  } else if(rank == dest) {
    double x[3][3];
    MPI_Request r[3];
    for (int i = 0; i !=3; ++i) {
      MPI_Irecv(x[i], 3, MPI_DOUBLE, sources[i], tag, MPI_COMM_WORLD, &r[i]);
      cout << "Process " << rank << " waiting for " << sources[i] << " on recv.\
\n";
    }
    for (int i = 0; i !=3; ++i) {
      MPI_Status status;
      MPI_Wait(&r[i], &status);
    cout << "Process " << rank << " got " << x[i][0] << " " << x[i][1] << " " <\
< x[i][2] << ".\n";
    }
  }

  MPI_Finalize();
}

[其他函数]

int MPI_Init(int *argc, char ***argv);
int MPI_Finalize(void);
int MPI_Comm_rank(MPI_Comm comm, int *rank);
int MPI_Comm_size(MPI_Comm comm, int *size);
int MPI_Get_count(MPI_Status *status, MPI_Datatype datatype, int *count);
int MPI_Type_extent(MPI_Datatype datatype, MPI_Aint *extent);
int MPI_Type_struct(int count, int *array_of_blocklengths, MPI_Aint *array_of_displacements, MPI_Datatype *array_of_types, MPI_Datatype *newtype);
int MPI_Scatter(void* sendbuf, int sendcount, MPI_Datatype sendtype, void* recvbuf, int recvcount, MPI_Datatype recvcount, int root, MPI_Comm comm);  Performance potential: As good as log_2 (N) as bad as N. http://www.pdc.kth.se/training/Talks/MPI/Collective.I/less.html#perf_scatter_image
int MPI_Gather(void* sendbuf, int sendcount, MPI_Datatype sendype, void* recvbuf, int recvcount, MPI_Datatype recvtype, int root, MPI_Comm comm); -- $O(NP)$ [7]

• 请求）；

int MPI_Sendrecv(void* sendbuf, int sendcount, MPI_Datatype datatype, int dest, int sendtag, void* recvbuf, int recvcount, MPI_Datatype recvtype, int source, int recvtag, MPI_Comm comm, MPI_Status *status);
int MPI_Sendrecv_replace(void* buf, int count, MPI_Datatype datatype, int dest, int sendtag, int source, int  int MPI_Request_free(MPI_Request *request);
int MPI_Group_rank(MPI_Group group, int *rank);
int MPI_Group_size(MPI_Group group, int *size);
int MPI_Comm_group(MPI_Comm comm, MPI_Group *group);
int MPI_Group_free(MPI_Group *group);
int MPI_Group_incl(MPI_Group *group, int n, int *ranks, MPI_Group *newgroup);
int MPI_Comm_create(MPI_Comm comm, MPI_Group group, MPI_Comm *newgroup);
int MPI_Wtime(void);
int MPI_Get_processor_name(char *name, int *resultlen);

外部链接

• 对 MPI 语义的出色解释
• “集体通信”由戴夫·埃尼斯博士撰写