如何在mpi4py中分散和收集對象的python列表

Question

我有一個100,000個python 對象的列表，我希望將它們分散在mpi4py 。

當我嘗試使用8個處理器時，我得到：

SystemError：負大小傳遞給PyBytes_FromStringAndSize

在散射。

當我嘗試使用64個處理器時，我遇到了同樣的錯誤，但是卻越來越多。

當我嘗試從列表中制作對象數組並使用Gather和Scatter時，出現一個錯誤，該錯誤基本上表明該數組的dtype不能是對象。

有什么辦法可以使它正常工作嗎？ 還是我可以使用MPI以外的其他工具？
我正在8節點，64 ppn的計算機上運行此程序。

Answer 1

使用散點圖和聚集，示例了一個將numpy數組拆分為100000項的示例。

import numpy as np
from mpi4py import MPI
from pprint import pprint
comm = MPI.COMM_WORLD

pprint("-" * 78)
pprint(" Running on %d cores" % comm.size)
pprint("-" * 78)

N = 100000
my_N = N // 8

if comm.rank == 0:
    A = np.arange(N, dtype=np.float64)
else:
    A = np.empty(N, dtype=np.float64)

my_A = np.empty(my_N, dtype=np.float64)

# Scatter data 
comm.Scatter([A, MPI.DOUBLE], [my_A, MPI.DOUBLE])

pprint("After Scatter:")
for r in range(comm.size):
    if comm.rank == r:
        print("[%d] %s" % (comm.rank, len(my_A)))
    comm.Barrier()

# Allgather data into A
comm.Allgather([my_A, MPI.DOUBLE], [A, MPI.DOUBLE])

pprint("After Allgather:")
for r in range(comm.size):
    if comm.rank == r:
        print("[%d] %s" % (comm.rank, len(A)))
    comm.Barrier()

您也可以在這里和這里檢查scatterv和gatherv ，更多示例 。

Answer 2

我不確定這是否是答案，也不確定您是否還在尋找答案，但是...

因此，您有100,000個python 對象 。 如果這些對象是常規數據（數據集），而不是某個類的實例，則將數據作為json字符串傳遞。 像這樣：

#!/usr/bin/env python

import json
import numpy as np
from mpi4py import MPI


comm = MPI.COMM_WORLD

if comm.rank == 0:
    tasks = [
        json.dumps( { 'a':1,'x':2,'b':3 } ),
        json.dumps( { 'a':3,'x':1,'b':2 } ),
        json.dumps( { 'a':2,'x':3,'b':1 } )
    ]
else:
    tasks = None


# Scatter paramters arrays
unit = comm.scatter(tasks, root=0)

p = json.loads(unit)
print "-"*18
print("-- I'm rank %d in %d size task" % (comm.rank,comm.size) )
print("-- My paramters are: {}".format(p))
print "-"*18

comm.Barrier()

calc = p['a']*p['x']**2+p['b']

# gather results
result = comm.gather(calc, root=0)
# do something with result

if comm.rank == 0:
    print "the result is ", result
else:
    result = None

請注意，如果您只有8個節點/核心，則必須在tasks列表中創建8條記錄，並依次分散和收集所有100,000個數據集。 如果所有數據集都在ALLDATA列表中，則代碼可能如下所示：

def calc(a=0,x=0,b=0):
    return a*x**2+b

if comm.rank == 0: collector = []
for xset in zip(*(iter(ALLDATA),) * comm.size):
    task = [ json.dumps(s) for s in xset ]
    comm.Barrier()
    unit = comm.scatter(task if comm.rank == 0 else None, root=0)
    p = json.loads(unit)
    res = json.dumps( calc(**p) )
    totres = comm.gather(res, root=0)
    if comm.rank == 0:
        collector += [ json.loads(x) for x in  totres  ]



if comm.rank == 0:
    print "the result is ", collector