序言：
我有一个非常大的阵列（一个暗淡），需要解决进化方程（波状eq）。 II需要计算此数组的每个值的积分，以存储生成的积分数组并再次应用积分到此数组，依此类推（简单来说，我在值网格上应用积分，存储此新网格，应用积分再次等等。）
我使用MPI-IO遍布所有节点：我的光盘上有一个共享的.dat文件，每个MPI副本读取此文件（作为集成源），执行集成并再次写入此共享文件。该过程一次又一次地重复。它工作正常。最耗时的部分是集成和文件读写可以忽略不计。
当前问题：
现在我转移到 1024 （16x64 CPU）HPC群集，现在我遇到了一个相反的问题：计算时间是无法读写的过程!!!
我试图减少一些MPI进程：我只使用16个MPI进程（遍布节点）+ 64个线程使用OpenMP来并行化我在每个节点内的计算。
同样，阅读和写作过程现在是最耗时的部分。
问题
我应该如何修改我的程序，以便以最小的损耗利用1024个CPU的全部功能？
重要的一点是，如果不完成整个1D阵列，我无法进入下一步。
我的想法：
我可以要求我的rank = 0（主等级）发送 - 接收整个阵列到所有节点（MPI_Bcast），而不是读写。因此，I / O代替每个节点，只有一个节点会这样做。
提前致谢!!!