来自MPI_聚集的不一致行为 我在本地运行MPI C++程序，有两个过程： MPRUN-NP 2 < /COD>。我看到MPI_Gather命令的行为不一致。为了测试，我编写了一个非常短的代码片段。我把代码复制到main的开头，效果很好。但是，当将其复制到代码中的其他点时，它有时会给出正确的结果，有时则不会。代码片段复制到下面。我怀疑问题在于代码片段本身（因为它有时工作正常）。通常，当我看到这样不一致的代码行为时，我怀疑内存损坏。但是，我在本例中运行了Valgrind，它没有报告任何错误（尽管可能我没有为MPI正确运行Valgrind-我没有在MPI程序上使用Valgrind的经验）是什么导致了这种不一致的行为？我可以做些什么来检测问题？

这是代码片段。

double val[2] = {0, 1};    
val[0] += 10.0*double(gmpirank);    
val[1] += 10.0*double(gmpirank);    
double recv[4];    
printdebug("send", val[0],val[1]);    
int err = MPI_Gather(val,2,MPI_DOUBLE,recv,2,MPI_DOUBLE,0,MPI_COMM_WORLD);    
if (gmpirank == 0) {
    printdebug("recv");    
    printdebug(recv[0],recv[1]);    
    printdebug(recv[2],recv[3]);
}    
printdebug("finished test", err);

print debug函数打印到一个文件，该文件对于每个进程都是独立的，并用逗号分隔输入参数

过程1打印：

send, 10, 11
finished test, 0

send, 0, 1

recv

0, 1

10, 11

finished test, 0

send, 0, 1

recv

0, 1

2.9643938750474793e-322, 0

finished test, 0

有时，处理0打印：

send, 10, 11
finished test, 0

send, 0, 1

recv

0, 1

10, 11

finished test, 0

send, 0, 1

recv

0, 1

2.9643938750474793e-322, 0

finished test, 0

但是当我将代码放在代码的其他部分时，进程0有时会打印如下内容：

send, 10, 11
finished test, 0

send, 0, 1

recv

0, 1

10, 11

finished test, 0

send, 0, 1

recv

0, 1

2.9643938750474793e-322, 0

finished test, 0

---

我找到了解决办法。正如所怀疑的，问题在于内存损坏

我在使用MPI运行Valgrind时犯了一个初学者错误。我跑：

valgrind <options> mpirun -np 2 <programname>

valgrind mpirun-np 2

而不是

mpirun -np 2 valgrind <options> <programname>

mpirun-np2-valgrind

因此，我在“mpirun”本身上运行valgrind，而不是在预期的程序上。当我正确运行Valgrind时，它发现了代码中一个不相关部分的内存损坏

---

感谢另一个堆栈溢出Q/A帮助我解决了这个问题：

未定义的行为可以有多种形式，如果没有其他代码，这将很难判断。其他代码是一个非常大的程序，因此不可能通读所有代码并查找无效的读/写错误。我的问题主要是关于在使用MPI时查找此类错误的一般策略。我使用Valgrind找到了解决方案（如下所列）。如果这些类型的MPI问题（和解决方案）还有其他潜在的原因，我们有兴趣了解它们。