当远程计算机死机时，MPI manager无法通过MPI_Irecv调用检测到它

我正在写一个程序来检测远程机器的突然崩溃。manager进程在机器1上运行，worker进程在机器2上运行。manager服务器通过调用

MPI\u Isend

向工作进程发送消息。远程工作程序通过调用MPI\U Irecv获取消息。每次调用后，我都会检查它们的返回代码，看看MPI\u COMM\u WORLD是否有问题。我还检查了在send和recv调用之后运行的

MPI_Test

的返回代码

不知何故，即使在我突然重新启动机器2之后，返回代码始终为0。我可以看到

MPI\u Isend

始终返回值0。请给我一些关于如何检测远程机器故障的建议

顺便说一句，我确实使用了以下语句：

MPI_Errhandler_set(MPI_COMM_WORLD,MPI_ERRORS_RETURN);

---

也许早就应该把它变成一个答案，让其他人更容易找到它

---

正如在其他帖子中所讨论的那样，

MPI_Send

和friend的完成并不一定表示在另一端收到了消息。只有

MPI\u Ssend

意味着任何类型的完成，甚至仅表示接收方已开始将消息接收到其缓冲区中

对于这个特定的问题，

MPI_Ssend

可能就足够了，因为它会指示发生了故障，尽管这会减慢速度

---

最后，如果不在MPI中做额外的工作，就不能依赖发送方语义来告诉您发生了故障。标准中没有这样做的保证，因为这样做会很昂贵。如果您必须快速了解发送方，请使用

MPI\u Ssend

。否则，请执行一系列操作，然后稍后执行同步操作（如

MPI\u send

或

MPI\u屏障

，如果您希望同时验证所有进程）。

您使用的是哪个MPI库？目前，容错是一种非标准功能，因此它在很大程度上取决于您使用的是MPICH还是开放MPI。我们使用的是MPICH 2还是3。我们正在尝试实现一些基本的容错功能，直到Argonne在未来推出容错功能。谢谢在这些版本中有一些容错性，您添加标志

--禁用自动清理

，它将向您返回错误。另一方面，如果你根本看不到失败，这很奇怪，我也不知道发生了什么。仅供参考，阿贡正在为未来的版本开发更好的FT。希望能在几个月内完成。不能保证短发送会返回错误。消息可能是急切地发送的，而不需要往返消息。这意味着，如果您需要知道是否发生了故障，则需要采取一些措施，通过类似于

MPI\u屏障的方式强制通信。