MPI_Allgather中的奇怪死锁

Question

经过大量的谷歌搜索，我不知道是什么导致了这个问题。 这里是：

我在我的代码中有一个简单的MPI_Allgather调用，我有双重，三重和四重检查是正确的（发送/接收缓冲区大小合适;调用中的发送/接收大小是正确的），但对于“大”进程数我得到死锁或MPI_ERR_TRUNCATE。 使用MPI_Comm_split将用于Allgather的通信器与MPI_COMM_WORLD分开。 对于我目前的测试，等级0进入一个通信器，其余等级进入第二个通信器。 总共6个或更少，Allgather工作得很好。 如果我使用7个等级，我会得到一个MPI_ERR_TRUNCATE。 8级，僵局。 我已经验证通信器被正确分割（两个通信的所有等级的MPI_Comm_rank和MPI_Comm_size都是正确的）。

我手动验证了每个发送和接收缓冲区的大小，以及最大接收数。 我的第一个解决方法是将MPI_Allgather交换为MPI_Gather的for循环到每个进程。 这适用于这种情况，但更改给我的代码的网格（使用METIS划分的CFD网格）带来了问题。 现在我的解决方案，我还没有打破（还），用Allgatherv取代Allgather ，我认为无论如何它更有效，因为我从每个进程发送了不同数量的数据。

这是（我希望）在上下文中相关的违规代码; 如果我错过了什么，有问题的Allgather就在这个文件的第599行。

  // Get the number of mpiFaces on each processor (for later communication)
  // 'nProgGrid' is the size of the communicator 'gridComm'
  vector<int> nMpiFaces_proc(nProcGrid);

  // This MPI_Allgather works just fine, every time      
  // int nMpiFaces is assigned on preceding lines
  MPI_Allgather(&nMpiFaces,1,MPI_INT,nMpiFaces_proc.data(),1,MPI_INT,gridComm);

  int maxNodesPerFace = (nDims==2) ? 2 : 4;
  int maxNMpiFaces = getMax(nMpiFaces_proc);
  // The matrix class is just a fancy wrapper around std::vector that 
  // allows for (i,j) indexing.  The getSize() and getData() methods just
  // call the size() and data() methods, respectively, of the underlying
  // vector<int> object.
  matrix<int> mpiFaceNodes_proc(nProcGrid,maxNMpiFaces*maxNodesPerFace);
  // This is the MPI_Allgather which (sometimes) doesn't work.
  // vector<int> mpiFaceNodes is assigned in preceding lines
  MPI_Allgather(mpiFaceNodes.data(),mpiFaceNodes.size(),MPI_INT,
                mpiFaceNodes_proc.getData(),maxNMpiFaces*maxNodesPerFace,
                MPI_INT,gridComm);

我目前正在使用OpenMPI 1.6.4，g ++ 4.9.2和带有16GB RAM的AMD FX-8350 8核处理器，运行Elementary OS Freya 0.3（基本上是Ubuntu 14.04）的最新更新。 但是，我在使用CentOS，Intel硬件和MPICH2的另一台机器上也遇到了这个问题。

有任何想法吗？ 我听说可以更改MPI的内部缓冲区大小来修复类似的问题，但是很快就会尝试这样做（如http://www.caps.ou.edu/pipermail/arpssupport/2002中所示） -May / 000361.html ）没有效果。

作为参考，这个问题非常类似于这里显示的问题： https ： //software.intel.com/en-us/forums/topic/285074 ，除了在我的情况下，我只有1个处理器，8个核心，在一台台式电脑。

更新我已经设法将这个失败的极简主义例子放在一起：

#include <iostream>
#include <vector>
#include <stdlib.h>
#include <time.h>

#include "mpi.h"

using namespace std;

int main(int argc, char* argv[])
{
  MPI_Init(&argc,&argv);

  int rank, nproc, newID, newRank, newSize;
  MPI_Comm newComm;
  MPI_Comm_rank(MPI_COMM_WORLD,&rank);
  MPI_Comm_size(MPI_COMM_WORLD,&nproc);

  newID = rank%2;
  MPI_Comm_split(MPI_COMM_WORLD,newID,rank,&newComm);
  MPI_Comm_rank(newComm,&newRank);
  MPI_Comm_size(newComm,&newSize);

  srand(time(NULL));

  // Get a different 'random' number for each rank on newComm
  //int nSend = rand()%10000;
  //for (int i=0; i<newRank; i++) nSend = rand()%10000;

  /*! -- Found a set of #'s which fail for nproc=8: -- */
  int badSizes[4] = {2695,7045,4256,8745};
  int nSend = badSizes[newRank];

  cout << "Comm " << newID << ", rank " << newRank << ": nSend = " << nSend << endl;

  vector<int> send(nSend);
  for (int i=0; i<nSend; i++) 
    send[i] = rand();

  vector<int> nRecv(newSize);
  MPI_Allgather(&nSend,1,MPI_INT,nRecv.data(),1,MPI_INT,newComm);

  int maxNRecv = 0;
  for (int i=0; i<newSize; i++)
    maxNRecv = max(maxNRecv,nRecv[i]);

  vector<int> recv(newSize*maxNRecv);
  MPI_Barrier(MPI_COMM_WORLD);
  cout << "rank " << rank << ": Allgather-ing data for communicator " << newID << endl;
  MPI_Allgather(send.data(),nSend,MPI_INT,recv.data(),maxNRecv,MPI_INT,newComm);
  cout << "rank " << rank << ": Done Allgathering-data for communicator " << newID << endl;

  MPI_Finalize();
  return 0;
}

上面的代码编译并运行为：

mpicxx -std=c++11 mpiTest.cpp -o mpitest
mpirun -np 8 ./mpitest

在我的16核CentOS和我的8核Ubuntu机器上输出以下输出：

Comm 0, rank 0: nSend = 2695
Comm 1, rank 0: nSend = 2695
Comm 0, rank 1: nSend = 7045
Comm 1, rank 1: nSend = 7045
Comm 0, rank 2: nSend = 4256
Comm 1, rank 2: nSend = 4256
Comm 0, rank 3: nSend = 8745
Comm 1, rank 3: nSend = 8745
rank 5: Allgather-ing data for communicator 1
rank 6: Allgather-ing data for communicator 0
rank 7: Allgather-ing data for communicator 1
rank 0: Allgather-ing data for communicator 0
rank 1: Allgather-ing data for communicator 1
rank 2: Allgather-ing data for communicator 0
rank 3: Allgather-ing data for communicator 1
rank 4: Allgather-ing data for communicator 0
rank 5: Done Allgathering-data for communicator 1
rank 3: Done Allgathering-data for communicator 1
rank 4: Done Allgathering-data for communicator 0
rank 2: Done Allgathering-data for communicator 0

请注意，每个通信器中只有2个队列退出Allgather; 这不是我的实际代码中发生的事情（'破碎'通信器上的排名没有退出Allgather），但最终结果是相同的 - 代码挂起直到我杀了它。

我猜这与每个进程的发送数量不同有关，但据我所知，从我看过的MPI文档和教程中，这应该是允许的，这是正确的吗？ 当然，MPI_Allgatherv更适用，但为了简单起见，我一直在使用Allgather。

Answer 1

如果输入计数在所有进程中不相同，则必须使用MPI_Allgatherv 。

确切地说，必须匹配的是类型签名count,type ，因为从技术上讲，您可以使用不同的数据类型获得相同的基本表示（例如，N个元素与1个元素是N个元素的连续类型），但是如果使用到处都是相同的论点，这是MPI集体的常见用法，那么你的计数必须在任何地方都能匹配。

最新MPI标准（3.1）的相关部分位于第165页：

在进程中与sendcount，sendtype关联的类型签名必须等于与recvcount相关联的类型签名，在任何其他进程中都是recvtype。