MPI4PY：分散矩阵

Question

我正在使用 MPI4PY 将 n/p 列分散到两个输入数据进程。但是，我无法按照我的意愿发送专栏。我必须对代码进行哪些更改才能获得最终评论中报告的结果？

矩阵为：

[1, 2, 3, 4]
[5, 6, 7, 8]
[9, 10, 11, 12]
[13, 14, 15, 16]

那么，n=4，p=2。每个进程分别有 2 列。

这是我的代码：

# Imports
from mpi4py import MPI
import numpy as np

comm = MPI.COMM_WORLD
size = comm.Get_size() 
rank = comm.Get_rank()

rows = 4
num_columns = rows/size

data=None

if rank == 0:
  data = np.matrix([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], [13, 14, 15, 16]])

recvbuf = np.empty((rows, int(num_columns)), dtype='int')
comm.Scatterv(data, recvbuf, root=0)
print('Rank: ',rank, ', recvbuf received:\n ',recvbuf)

我得到以下输出：

Rank:  0 , recvbuf received:
[[1 2]
[3 4]
[5 6]
[7 8]]
Rank:  1 , recvbuf received:
[[ 9 10]
[11 12]
[13 14]
[15 16]]

我想得到以下输出：

Rank:  0 , recvbuf received:
[[1 2]
[5 6]
[9 10]
[13 14]]
Rank:  1 , recvbuf received:
[[ 3 4]
[7 8]
[11 12]
[15 16]]

Answer 1

我认为这段代码可以满足您的需求。这里的问题是 Scatterv 根本不关心 numpy 数组的形状，它只考虑包含您的值的线性内存块。因此，最简单的方法是预先将数据操作为正确的顺序。请注意，

send_data

是一个一维数组，但这并不重要，因为 Scatterv 并不关心。在另一端，recvbuf 的形状已经定义，Scatterv 只是从收到的 1D 输入中填充它。

# Imports
from mpi4py import MPI
import numpy as np

comm = MPI.COMM_WORLD
size = comm.Get_size()
rank = comm.Get_rank()

rows = 4
num_cols = rows/size

send_data=None

if rank == 0:
  data = np.matrix([[1, 2, 3, 4],
                    [5, 6, 7, 8],
                    [9, 10, 11, 12],
                    [13, 14, 15, 16]])

  # Split into sub-arrays along required axis
  arrs = np.split(data, size, axis=1)

  # Flatten the sub-arrays
  raveled = [np.ravel(arr) for arr in arrs]

  # Join them back up into a 1D array
  send_data = np.concatenate(raveled)


recvbuf = np.empty((rows, int(num_cols)), dtype='int')
comm.Scatterv(send_data, recvbuf, root=0)

print('Rank: ',rank, ', recvbuf received:\n ',recvbuf)

Answer 2

我使用

send

和

recv

得到的答案略有不同。由于我并不总是得到一个可以均匀分布的矩阵，因此我允许在每个进程中使用不同的切片大小。这对于

Scatterv

来说也是可能的，但我认为使用

send

和

recv

有时更容易处理：

import numpy as np
from mpi4py import MPI

comm = MPI.COMM_WORLD
Np = comm.Get_size()
p = comm.Get_rank()


borders = np.array([0, 1, 2, 3, 5])

if p==0:
    arr = np.array([[1, 2, 3, 4, 5],
                    [6, 7, 8, 9, 0],
                    [4, 2, 3, 4, 5],
                    [6, 7, 8, 9, 1],
                    [2, 2, 3, 4, 5]])

    for i in range(1, Np):
        ps, pe = borders[i], borders[i+1]
        comm.send(arr[ps:pe], dest=i, tag=1)
    ps, pe = borders[0], borders[1]
    arr = arr[ps:pe]

else:
    arr = comm.recv(source=0, tag=1)

print(p, arr)

Answer 3

之前的响应是很好的起点，但下面的

scatter_nd

函数是一个通用的解决方案，因此：

• 我们可以在任何指定的轴上进行拆分（在本例中，我在 axis=1 上进行拆分，如原帖中所希望的那样）
• 允许不均匀分割（在本例中，我将长度为 5 的轴分割为两部分）
• 自由指定任何 MPI 通信器和根（数据所在的位置）

test_scatter_nd.py

import numpy as np
from mpi4py import MPI


def scatter_nd(array, axis=0, comm=MPI.COMM_WORLD, root=0):
    """Scatter n-dimensional array from root to all ranks"""
    ans = None
    if comm.rank == root:
        splits = np.array_split(array, comm.size, axis=axis)
        for i in range(comm.size):
            if i == root:
                ans = splits[i]
            else:
                comm.send(splits[i], dest=i)
    else:
        ans = comm.recv(source=root)
    return ans


arr = None
if MPI.COMM_WORLD.rank == 0:
    arr = np.array([[1,  2,  3,  4,  5],
                    [6,  7,  8,  9,  10],
                    [11, 12, 13, 14, 15],
                    [16, 17, 18, 19, 20],
                    [21, 22, 23, 24, 25]])

arr = scatter_nd(arr, axis=1)
print(arr, "shape:", arr.shape, "rank:", MPI.COMM_WORLD.rank)

执行

mpiexec -n 2 python test_scatter_nd.py

返回：

[[ 1  2  3]
 [ 6  7  8]
 [11 12 13]
 [16 17 18]
 [21 22 23]] shape: (5, 3) rank: 0
[[ 4  5]
 [ 9 10]
 [14 15]
 [19 20]
 [24 25]] shape: (5, 2) rank: 1