Question

BSP并行编程模型有几个好处 - 程序员不需要明确关心同步，死锁变得不可能，关于速度的推理变得比传统方法容易得多。 SciPy中有一个BSPlib的Python接口：

import Scientific.BSP

我写了一个小程序来测试BSP。该程序是一个简单的随机实验，它“计算”投掷n骰子产生k总和的可行性：

from Scientific.BSP import ParSequence, ParFunction, ParRootFunction
from sys import argv
from random import randint
n = int(argv[1]) ; m = int(argv[2]) ; k = int(argv[3])

def sumWuerfe(ws): return len([w for w in ws if sum(w)==k])
glb_sumWuerfe= ParFunction(sumWuerfe)
def ausgabe(result): print float(result)/len(wuerfe)
glb_ausgabe = ParRootFunction(output)
wuerfe = [[randint(1,6) for _ in range(n)] for _ in range(m)]
glb_wuerfe = ParSequence(wuerfe)

# The parallel calc:
ergs = glb_sumWuerfe(glb_wuerfe)
# collecting the results in Processor 0:
ergsGesamt= results.reduce(lambda x,y:x+y, 0)

glb_output(ergsGesamt)

该程序运行正常，但是：它只使用一个进程！

我的问题：任何人都知道如何告诉Pythonb-BSP脚本使用4（或8或16）个进程？我认为这个BSP实现可以使用MPI，但是通过mpiexe -n 4 randExp.py启动脚本不起作用。

Answer 1

一件小事，但是科学Python！=你问题中的SciPy ......

如果您下载ScientificPython源代码，您将看到README.BSP，README.MPI和README.BSPlib。不幸的是，在线网页上的信息并没有多少提及。

README.BSP非常清楚你需要做些什么来让BSP的东西在真正的并行中工作：

为了使用该模块   Scientific.BSP使用多个   真正的处理器，你必须编译   无论是BSPlib还是MPI   接口。请参阅README.BSPlib和   README.MPI以获取安装详细信息。   BSPlib接口可能更多   有效（我没有做过广泛的   测试），并允许使用   另一方面，MPI是BSP工具集   更广泛地获得并且因此可能   已安装在您的计算机上。   为了认真使用，你应该这样做   安装两个并进行比较   你自己的应用程序应用   程序不必修改为   仅在MPI和BSPlib之间切换   在a上运行程序的方法   多处理器机必须   适配。

要以并行模式执行程序，   使用mpipython或bsppython   可执行文件。您的MPI或手册   BSPlib安装会告诉你如何   定义处理器的数量。

并且README.MPI告诉您如何获得MPI支持：

以下是获取MPI所需要做的事情   在Scientific Python中支持：

1）构建并安装Scientific Python   像往常一样（即“python setup.py   安装“在大多数情况下。”

2）转到目录Src / MPI。

3）输入“python compile.py”。

4）移动生成的可执行文件   “mpipython”到你的目录   系统的执行路径。

因此，您必须明确构建更多BSP内容以利用真正的并行性。好消息是你不应该改变你的程序。这样做的原因是不同的系统安装了不同的并行库，而在这些库之上的库必须具有这样的配置/构建步骤，以利用可用的任何东西。

在Python中运行批量同步并行模型（BSP）

1 个答案: