消息传递并行编程环境MPI

本文介绍了消息传递接口MI的基本原理、编程方法和几个基本函数。     

消息传递界面PVM和MPI的现状与发展趋势

ＰＶＭ和ＭＰＩ是目前国际上最有影响的两种消息传递并行计算环境，两者都能在ＭＰＰ和工作站网络上运行。由于设计背景和侧重点不同，使得这两种界面既有共同点，又各具特色。文中就性能和发展趋势对两者进行叙述和比较，可供并行程序开发者选择并行计算环境时参考。     

基于MPI并行开发平台的并行库研究

本文介绍了支持网络并行计算的并行开发平台ＭＰＩ，并讨论了ＭＰＩ在其支撑技术一消息传递上所估的改进与补充，表明ＭＰＩ支持面向平观网络并计计算的并行库的开发，文章最后介绍了作者以ＭＰＩ为开发平台研制并行库的工作。     

实质与经验：主动消息实现技术

主动消息以其高效性与灵活性正逐渐成为在规模并行机上重要的通信机制。利用主动消息的思想可以在多种体系结构上实现相当优化的通信处理层。本文分析了主动消息的实质和它在传统消息传递、远程过程调用、消息驱动、直接内存访问系统上的实现，比较了不同系统组织对其实现技术的影响。     

MPI并行编程环境的研究

以RISC工作站或高档微机通过LAN连接的机群系统已经成为并行计算的主流技术，研究适应机群系统的并行编程环境自然重要起来。在众多的并行编程环境中，应用较为广泛的有消息传递接口(MPI)标准和并行虚拟机(PVM)环境。本文重点分析了MPI编程环境，并出给了MPI并行程序设计的基本方法。     

基于主动消息与LogP模型的并行程序设计

主动消息将通信和计算集成为一体，是一种相当有效和高适应性的通信体系结构。ＬｏｇＰ模型是一种面向实际的并行算法设计模型?较好地反映了当前ＭＰＰ的关键性能参数。本文讨论了它的特点，在此基础上着重分析了它在并行程序设计上的互补性。     

基于MPI的背包问题并行程序设计与实现

MPI（Message Passing Interface）是消息传递并行程序设计的标准之一,概述了MPI的概念和组成,着重介绍了支持并行程序设计的消息传递接口（MPI）以及在MPI环境下的并行程序设计方法,并给出一个MPI并行程序设计实例,说明了MPI的程序设计流程和普通串行程序设计之间的关联。     

MPI：大有希望的massage—passing标准

message-passing是一个被广泛应用的并行计算模型,但至今,无论从语法或语义上message-Passing都还没有形成一个标准.并行计算机厂商在提供标准串行语言的同时,提供了各自不同的专有message一passing库,并行程序设计难免依赖于具体的系统和应用,这既限制了可移植性,也限制了听取用户对某些不易获得或对当前的应用不合适的系统的意见。没有一个标准,厂商们非常自然地把他们的专有库的优点视为有竟争力的优势,更加着力与众不同(因而不可移植)。为了应付可移植问题,研究团体已经开发了许多库来收集其它库之间的不同点.     

MPI程序中通信原语转换方法研究

在当前存在的大量非结构化MPI程序中，许多基于点对点通信原语的代码段可以替换为相应的结构化集合通信原语，在MPI代码结构分析的基础上提出了一种MPI程序中点对点通信原语到集合通信原语转换的方法，首先分析非结构化MPI代码的内部结构，建立Diophantine不等式系统，然后用Omega库运算得到点对点通信代码段的通信模式集，再辅以数据交换分析确定对应的集合通信原语并替换，并给出了相应的实例分析。     

基于自适应与主动消息的任务调度策略研究与实现

在并行分布计算中，任务调度策略是影响并行分布计算性能的重要因素，结合现有任务调度法存在的问题，运用有效聚合与充分释放的思想，提出并实现了一种具有自适应和主动消息的任务调度策略，有效地提高了系统的整体性能。     

基于MPI的并行程序设计

在介绍消息传递接口标准(MPI)和分析并行程序设计方法的基础上,提出了在并行程序设计中需要进行算法级分析和程序级测试,以此来对影响具体的并行程序执行效率的因素进行分析,并用实例验证了分析结果。最后对MPI的实现之一———MPICH1.2.5版本的不足,提出了改进的方法。     

MPI容错机制的研究

MPI是广泛应用于集群系统的并行程序开发环境,MPI的容错是集群系统可靠性的关键问题。该文讨论了MPI标准中的容错,结合协调设置检查点和同步卷回等机制设计了基于检查点的卷回恢复系统MPIChaRR、该系统应用于Linux集群机,MPICH应用程序运行中的节点故障恢复是对用户透明的。     

MPI for Python: Performance improvements and MPI-2 extensions

MPI for Python provides bindings of the message passing interface (MPI) standard for the Python programming language and allows any Python program to exploit multiple processors.     

PVM应用移植到MPI问题的探讨

消息传递方式是广泛应用于一些并行机,特别是分布存储并行机的一种模式。ＰＶＭ（ＰａｒａｌｌｅｌＶｉｒｔｕａｌＭａｃｈｉｎｅ）和ＭＰＩ（ＭｅｓｓａｇｅＰａｓｓｉｎｇＩｎｔｅｒｆａｃｅ）都是目前是广受欢迎的基于消息传递的并行程序库,其中ＰＶＭ的消息传递接口,因其简单性,而没有给用户最大的灵活性以实现最佳的性能：为此,消息传递标准的讨论会工作组制定了消息传递接口ＭＰＩ标准,为ＰＶＭ实现最佳性能提供了可能。该文通过对ＰＶＭ和ＭＰＩ的比较,指出了从ＰＶＭ应用移植到ＭＰＩ应用时有利的方面和潜在的缺陷。如果一个应用程序能避开这些缺陷的影响,那么它就能够从移植中提高通信的性能,从而提高其分布式计算的性能。     

不确定性MPI／PVM程序的完全调试

讨论如何完全地调试不确定性MPI／PVM并行程序．在循环调试过程中,不确定性导致前次遇到的错误在以后的执行中很可能无法再现．基于MPI／PVM的FIFO通信模型,给出一种记录－重放技术的实现．通过可控制的重放,用户可以覆盖所有可能的程序执行路径,从而达到完全调试的目的．和其它方法相比,所提供的方法所需时空开销要小得多．此技术已在两种消息传递体系结构上得到实现：一种是曙光－2000超级服务器（由国家智能计算机研究中心开发）,它由单处理器（PowerPC）结点经MESH网互联而成;另一种是国家高性能计算中心（     

基于消息传递的移动EJB对象强迁移构件模型的研究

移动计算环境下的Agent对象迁移包括强迁移和弱迁移技术。在特定的多环境中,一个重要的问题是合理地为移动Agent对象实现异地迁移计算提供有效的管理和支持,目前使用的支持系统有基于传统解释语言的、基于CORBA平台的和基于Java语言的。在移动Agent对象强迁移技术的理论基础上,提出了一种基于消息传递的移动EJB对象强迁移构件模型,分析与改进了适合强迁移对象进程消息发送的同步消息传递算法,使得该构件模型的消息传递具有很好的同步机制,从而提供了一种良好的移动Agent对象迁移构件化管理支持方式。     

PC机群上JIAJIA与MPI的比较

对JIAJIA和MPI (message passing interface)是进行了比较.JIAJIA和MPI分别代表共享存储和消息传递的编程模式.MPI显式进行数据传输,编程复杂;JIAJIA由底层维护数据一致性,并附加提供简单的消息传递函数,编程容易、灵活.JIAJIA分配共享内存时开销较大,初始化时间比MPI长.提出了一个关于并行加速比与进程数目之间关系的近似经验公式,推出JIAJIA和MPI性能差距随着进程数目的增多而增大的结论.测试结果表明,大部分应用程序的JIAJIA和MPI版本的并行性能差距不超过10%.对于通信量很小的应用程序,其JIAJIA和MPI的性能差距较小,而通信量本身较大的应用程序,其JIAJIA和MPI的性能差距主要取决于运行时产生的实际通信量.     

Just-in-time dynamic voltage scaling: Exploiting inter-node slack to save energy in MPI programs

Although users of high-performance computing are most interested in raw performance, both energy and power consumption have become critical concerns. As a result, improving energy efficiency of nodes on HPC machines has become important, and the prevalence of power-scalable clusters, where the frequency and voltage can be dynamically modified, has increased.     

High Performance MPI over the Slingshot Interconnect

Journal of Computer Science and Technology - The Slingshot interconnect designed by HPE/Cray is becoming more relevant in high-performance computing with its deployment on the upcoming exascale...     

一种基于MPI的并行体绘制算法

介绍了基于MPI并行程序开发平台实现的一种三维重建并行处理算法。算法采用了Master-Slave并行计算模型，针对射线投射方法的特点，为减少运算时间，选择对图像空间进行任务划分的策略，并用任务池方法实现了动态负载平衡。通过对虚拟中国人女性一号(VCH-FI)的头部和脚部数据集的重建，表明该算法在任务规模和节点规模上具有较好的可扩展性。