MPI在一台机器上的可扩展性

我在一台机器上遇到了一个关于MPI解算器可伸缩性的问题。我想做二十个矩阵求和。这项工作通过两种方式完成： 1.MPI启动20个任务，每个任务对一轮进行一个矩阵求和。 2.MPI启动2个任务，每个任务每轮进行一次矩阵求和，并进行10轮计算。不同的任务在不同的回合之间同步。 记录两种方式每轮矩阵求和的CPU时间。CPU时间不包括内存分配和释放，也不包括矩阵创建。 正如我所期望的，每轮CPU时间在两种方式上应该是相同的，因为每个任务在每轮中只计算一个矩阵求和，并且任务之间没有通信，例如，每个任务的计算是独立的。这意味着该解算器的可伸缩性应该是完美的

---

但第一种方式（20个MPI任务）的CPU时间是第二种方式（2个MPI任务）CPU时间的十倍以上。可能的原因是什么？它与内存中的缓存有关吗？

矩阵的大小？如果在64x64下，线程切换开销可能会更大。10000x1000，但它是一个约100000个非零元素的稀疏矩阵。什么是线程切换？我认为不同的任务是完全独立的，所以不需要线程切换。一台机器有多少内核？你是如何测量CPU时间的？您使用的是什么定时例程？16核32线程，我通过时钟（）测量CPU时间；甚至我在两轮中尝试了10项任务。对于2个任务，CPU时间仍然是CPU时间的4倍以上。