Cluster computing 打开MPI/MPICH-如果节点终止会发生什么？

我想知道如果OpenMPI/MPICH2集群的节点终止会发生什么？是否有某种机制可以容忍这种情况并继续执行

谢谢你的回答

---

Heinrich

不太可能，MPI不提供现成的容错功能。你可以编写程序来处理进程的失败，但我们大多数人都不这样做，当硬件死机时，我们的程序就会崩溃。随着拥有数十万处理器的超级计算机的出现，这种情况正在发生变化，平均故障间隔时间为秒。

请注意，自MPI 1.x天以来就存在的一项功能是，您可以设置错误处理程序：例如

正如Mark所指出的，我们大多数人只是使用MPI_错误_是致命的（这是默认的），因为我们的算法非常重于状态，并且不容易恢复（除了通过检查点，我们大多数人都会这样做）

但事实并非如此；您可以让MPI函数返回错误消息，并尽可能尝试恢复

现在有一些容错MPI包——（有点旧，只实现MPI 1.2功能）。最近，OpenMPI作为一个单独的项目投入了一种方法，还有一个操作系统级的检查点/重启包BLCR，可能会引起人们的兴趣

---

MPI-3论坛正在讨论MPI中的标准容错API，因此此类项目的速度正在加快。

+1：自从几年前开始学习MPI错误处理程序以来，我就没有考虑过MPI错误处理程序。MPICH2最近的1.3.1版本比以前的版本更具容错性。当MPI_ERRORS_RETURN用作错误处理程序时，它允许单个进程失败，但集体操作可能以意外方式失败或挂起程序。该版本还支持BLCR。以下是相关的变更日志：