Question

当我尝试在四个处理器上运行问题时，会收到以下错误序列。我使用的MPI命令是mpirun -np 4

我为发布错误消息而道歉（主要是由于缺乏解密所提供信息的知识）。非常感谢您对以下内容的意见：

错误消息是什么意思？人们在什么时候收到它？是因为系统内存（硬件）还是由于通信错误（与MPI_Isend / Irecv？有关，即软件问题）。
最后，我该如何解决这个问题？

谢谢！

收到的错误消息如下： - - - * 请注意：只有在时间很长时才会收到此错误 *。 当计算数据所需的时间很短时，代码计算得很好（即，与1000个时间步长相比，300个时间步长）

中止工作：

MPI_Irecv中的致命错误：其他MPI错误，错误堆栈：

MPI_Irecv（143）：MPI_Irecv（buf = 0x8294a60，count = 48，MPI_DOUBLE，src = 2，tag = -1，MPI_COMM_WORLD，request = 0xffffd68c）失败

MPID_Irecv（64）：内存不足

中止工作：

MPI_Irecv中的致命错误：其他MPI错误，错误堆栈：

MPI_Irecv（143）：MPI_Irecv（buf = 0x8295080，count = 48，MPI_DOUBLE，src = 3，tag = -1，MPI_COMM_WORLD，request = 0xffffd690）失败

MPID_Irecv（64）：内存不足

中止工作： MPI_Isend中的致命错误：内部MPI错误！，错误堆栈：

MPI_Isend（142）：MPI_Isend（buf = 0x8295208，count = 48，MPI_DOUBLE，dest = 3，tag = 0，MPI_COMM_WORLD，request = 0xffffd678）失败

（未知）（）：内部MPI错误！

中止工作： MPI_Irecv中的致命错误：其他MPI错误，错误堆栈：

MPI_Irecv（143）：MPI_Irecv（buf = 0x82959b0，count = 48，MPI_DOUBLE，src = 2，tag = -1，MPI_COMM_WORLD，request = 0xffffd678）失败

MPID_Irecv（64）：内存不足

第1工作1肌细胞80_37021引起所有队伍的集体堕胎排名1的退出状态：返回代码13

修改：（消息来源）

Header files
Variable declaration
TOTAL TIME = 
...
...
double *A = new double[Rows];
double *AA = new double[Rows];
double *B = new double[Rows;
double *BB = new double[Rows];
....
....
int Rmpi;
int my_rank;
int p;
int source; 
int dest;
int tag = 0;
function declaration

int main (int argc, char *argv[])
{
MPI_Status status[8]; 
MPI_Request request[8];
MPI_Init (&argc, &argv);
MPI_Comm_size(MPI_COMM_WORLD, &p);   
MPI_Comm_rank(MPI_COMM_WORLD, &my_rank);

//PROBLEM SPECIFIC PROPERTIES. VARY BASED ON NODE 
if (Flag = 1)
{
if (my_rank == 0)
{
Defining boundary (start/stop) for special elements in tissue (Rows x Column)
}
if (my_rank == 2)
..
if (my_rank == 3)
..
if (my_rank == 4)
..
}

//INITIAL CONDITIONS ALSO VARY BASED ON NODE
for (Columns = 0; Columns<48; i++) // Normal Direction
{
for (Rows = 0; Rows<48; y++)  //Transverse Direction
{
if (Flag =1 )
{
if (my_rank == 0)
{
Initial conditions for elements
}
if (my_rank == 1) //MPI
{
}
..
..
..
//SIMULATION START

while(t[0][0] < TOTAL TIME)
{       
for (Columns=0; Columns ++) //Normal Direction
{
for (Rows=0; Rows++) //Transverse Direction
{
//SOME MORE PROPERTIES BASED ON NODE
if (my_rank == 0)
{
if (FLAG = 1)
{
Condition 1
}   
 else
{
Condition 2 
}
}

if (my_rank = 1)
....
 ....
  ...

//Evaluate functions (differential equations)
Function 1 ();
Function 2 ();
...
...

//Based on output of differential equations, different nodes estimate variable values. Since   
 the problem is of nearest neighbor, corners and edges have different neighbors/ boundary   
 conditions
if (my_rank == 0)
{
If (Row/Column at bottom_left)                  
{
Variables =
}

if (Row/Column at Bottom Right) 
{
Variables =
}
}
...
 ...

 //Keeping track of time for each element in Row and Column. Time is updated for a certain  
 element. 
 t[Column][Row] = t[Column][Row]+dt;

  }
  }//END OF ROWS AND COLUMNS

 // MPI IMPLEMENTATION. AT END OF EVERY TIME STEP, Nodes communicate with nearest neighbor
 //First step is to populate arrays with values estimated above
 for (Columns, ++) 
 {
 for (Rows, ++) 
 {
 if (my_rank == 0)
 {
 //Loading the Edges of the (Row x Column) to variables. This One dimensional Array data 
 is shared with its nearest neighbor for computation at next time step.

 if (Column == 47)
 {
 A[i] = V[Column][Row]; 
 …
 }
 if (Row == 47)
 {
 B[i] = V[Column][Row]; 
 }
 }

...
...                 

 //NON BLOCKING MPI SEND RECV TO SHARE DATA WITH NEAREST NEIGHBOR

 if ((my_rank) == 0)
 {
 MPI_Isend(A, Rows, MPI_DOUBLE, my_rank+1, 0, MPI_COMM_WORLD, &request[1]);
 MPI_Irecv(AA, Rows, MPI_DOUBLE, my_rank+1, MPI_ANY_TAG, MPI_COMM_WORLD, &request[3]);
 MPI_Wait(&request[3], &status[3]);  
 MPI_Isend(B, Rows, MPI_DOUBLE, my_rank+2, 0, MPI_COMM_WORLD, &request[5]);
 MPI_Irecv(BB, Rows, MPI_DOUBLE, my_rank+2, MPI_ANY_TAG, MPI_COMM_WORLD, &request[7]);
 MPI_Wait(&request[7], &status[7]);
 }

if ((my_rank) == 1)
{
MPI_Irecv(CC, Rows, MPI_DOUBLE, my_rank-1, MPI_ANY_TAG, MPI_COMM_WORLD, &request[1]);
MPI_Wait(&request[1], &status[1]); 
MPI_Isend(Cmpi, Rows, MPI_DOUBLE, my_rank-1, 0, MPI_COMM_WORLD, &request[3]);

MPI_Isend(D, Rows, MPI_DOUBLE, my_rank+2, 0, MPI_COMM_WORLD, &request[6]); 
MPI_Irecv(DD, Rows, MPI_DOUBLE, my_rank+2, MPI_ANY_TAG, MPI_COMM_WORLD, &request[8]);
MPI_Wait(&request[8], &status[8]);
}

if ((my_rank) == 2)
{
MPI_Isend(E, Rows, MPI_DOUBLE, my_rank+1, 0, MPI_COMM_WORLD, &request[2]);
MPI_Irecv(EE, Rows, MPI_DOUBLE, my_rank+1, MPI_ANY_TAG, MPI_COMM_WORLD, &request[4]);
MPI_Wait(&request[4], &status[4]);

MPI_Irecv(FF, Rows, MPI_DOUBLE, my_rank-2, MPI_ANY_TAG, MPI_COMM_WORLD, &request[5]);
MPI_Wait(&request[5], &status[5]);
MPI_Isend(Fmpi, Rows, MPI_DOUBLE, my_rank-2, 0, MPI_COMM_WORLD, &request[7]);
}

if ((my_rank) == 3)
{
MPI_Irecv(GG, Rows, MPI_DOUBLE, my_rank-1, MPI_ANY_TAG, MPI_COMM_WORLD, &request[2]);
MPI_Wait(&request[2], &status[2]);
MPI_Isend(G, Rows, MPI_DOUBLE, my_rank-1, 0, MPI_COMM_WORLD, &request[4]);

MPI_Irecv(HH, Rows, MPI_DOUBLE, my_rank-2, MPI_ANY_TAG, MPI_COMM_WORLD, &request[6]);
MPI_Wait(&request[6], &status[6]); 
MPI_Isend(H, Rows, MPI_DOUBLE, my_rank-2, 0, MPI_COMM_WORLD, &request[8]);
}

 //RELOADING Data (from MPI_IRecv array to array used to compute at next time step)
 for (Columns, ++) 
 {
 for (Rows, ++) 
 {
 if (my_rank == 0)
 {
 if (Column == 47)
 {
 V[Column][Row]= A[i];
 }
 if (Row == 47)
 {
 V[Column][Row]=B[i];
 }
  }

  ….
 //PRINT TO OUTPUT FILE AT CERTAIN POINT
 printval = 100; 
 if ((printdata>=printval))
 {
 prttofile ();
 printdata = 0;
 }
 printdata = printdata+1;
 compute_dt (); 

 }//CLOSE ALL TIME STEPS

 MPI_Finalize ();

  }//CLOSE MAIN

Answer 1

您是否多次调用MPI_Irecv？如果是这样，您可能没有意识到每个调用都分配了一个请求句柄 - 当收到消息并通过（例如）MPI_Test测试完成时，这些句柄被释放。您可能会因为过度使用MPI_Irecv而耗尽内存 - 或者为此目的由MPI实现分配的内存。

只有查看代码才能确认问题。

Answer 2

既然代码已经添加到问题中：这确实是脏代码。您只需等待来自 Irecv 调用的请求。是的，如果收到消息，您就知道发送已完成，因此您不必等待。但是跳过等待会导致内存泄漏：Isend 分配了一个新请求，Wait 将释放该请求。因为你从不等待，所以你没有释放，你有内存泄漏。

MPI_Irecv中的致命错误：中止作业

2 个答案: