如果 MPI 进程崩溃会怎样？
What happens if an MPI process crashes?
我正在为容错应用程序评估不同的多处理库。我基本上需要在不停止整个应用程序的情况下允许任何进程崩溃。
我可以使用 fork() 系统调用来完成。这里的限制是进程只能在同一台机器上创建。
我可以用 MPI 做同样的事情吗？如果一个用MPI创建的进程崩溃了，父进程能否保留运行并最终创建一个新进程？
是否有任何替代（可能是多平台和开源）库来获得相同的结果？
据报道here，MPI 4.0 将支持容错。
如果你想要集体，你将不得不等待 MPI-3.something（正如 High Performance Mark 和 Hristo Illev 所建议的那样）
如果您可以接受点对点，并且您是一个耐心的人，愿意针对您的 MPI 实现提出一堆错误报告，您可以尝试以下操作：
- 禁用默认的 MPI 错误处理程序
- 仔细检查 MPI 程序中的每个 return 代码
- 在您的应用程序中跟踪排名上升和下降的排名。哦，当他们倒下时，他们再也回不来了。但是无论如何您都无法使用集体（请参阅我的开场白），所以这没什么大不了的，对吧？
这是一篇旧论文（比尔还在阿贡工作的时候。我想是 2003 年的）：
http://www.mcs.anl.gov/~lusk/papers/fault-tolerance.pdf。它列出了可以在 MPI 中执行的各种容错操作。也许这样的 "constrained MPI" 可能仍能满足您的需要。
如果您愿意追求研究质量，那么未来版本的 MPI（MPI-4？）的潜在容错章节有两个实现。该提案称为用户级故障缓解。 MPICH 3.2a2 and a branch of Open MPI 中有一个实验版本也提供了接口。两者都远未达到生产质量，但欢迎您试用。只知道因为这不在 MPI 标准中，所以函数前缀不是 MPI_*。对于 MPICH，它们是 MPIX_*，对于 Open MPI 分支，它们是 OMPI_*（尽管我相信他们也会很快将其更改为 MPIX_*。
正如 Rob Latham 所提到的，您需要在应用程序中做很多工作来处理故障，尽管您不一定要检查所有 return 代码。您 can/should 使用 MPI 错误处理程序作为回调函数来简化事情。规范中有 information/examples 以及 Open MPI branch.
我正在为容错应用程序评估不同的多处理库。我基本上需要在不停止整个应用程序的情况下允许任何进程崩溃。
我可以使用 fork() 系统调用来完成。这里的限制是进程只能在同一台机器上创建。
我可以用 MPI 做同样的事情吗？如果一个用MPI创建的进程崩溃了，父进程能否保留运行并最终创建一个新进程？
是否有任何替代（可能是多平台和开源）库来获得相同的结果？
据报道here，MPI 4.0 将支持容错。
如果你想要集体，你将不得不等待 MPI-3.something（正如 High Performance Mark 和 Hristo Illev 所建议的那样）
如果您可以接受点对点，并且您是一个耐心的人，愿意针对您的 MPI 实现提出一堆错误报告，您可以尝试以下操作：
- 禁用默认的 MPI 错误处理程序
- 仔细检查 MPI 程序中的每个 return 代码
- 在您的应用程序中跟踪排名上升和下降的排名。哦，当他们倒下时，他们再也回不来了。但是无论如何您都无法使用集体（请参阅我的开场白），所以这没什么大不了的，对吧？
这是一篇旧论文（比尔还在阿贡工作的时候。我想是 2003 年的）： http://www.mcs.anl.gov/~lusk/papers/fault-tolerance.pdf。它列出了可以在 MPI 中执行的各种容错操作。也许这样的 "constrained MPI" 可能仍能满足您的需要。
如果您愿意追求研究质量，那么未来版本的 MPI（MPI-4？）的潜在容错章节有两个实现。该提案称为用户级故障缓解。 MPICH 3.2a2 and a branch of Open MPI 中有一个实验版本也提供了接口。两者都远未达到生产质量，但欢迎您试用。只知道因为这不在 MPI 标准中，所以函数前缀不是 MPI_*。对于 MPICH，它们是 MPIX_*，对于 Open MPI 分支，它们是 OMPI_*（尽管我相信他们也会很快将其更改为 MPIX_*。
正如 Rob Latham 所提到的，您需要在应用程序中做很多工作来处理故障，尽管您不一定要检查所有 return 代码。您 can/should 使用 MPI 错误处理程序作为回调函数来简化事情。规范中有 information/examples 以及 Open MPI branch.