在Python中运行批量同步并行模型（BSP）

BSP并行编程模型有几个好处——程序员不需要明确关注同步，死锁变得不可能，关于速度的推理比传统方法容易得多。SciPy中有一个指向BSPlib的Python接口：

import Scientific.BSP

我写了一个小程序来测试BSP。该程序是一个简单的随机实验，“计算”投掷

n

骰子产生

k

总和的概率：

from Scientific.BSP import ParSequence, ParFunction, ParRootFunction
from sys import argv
from random import randint
n = int(argv[1]) ; m = int(argv[2]) ; k = int(argv[3])

def sumWuerfe(ws): return len([w for w in ws if sum(w)==k])
glb_sumWuerfe= ParFunction(sumWuerfe)
def ausgabe(result): print float(result)/len(wuerfe)
glb_ausgabe = ParRootFunction(output)
wuerfe = [[randint(1,6) for _ in range(n)] for _ in range(m)]
glb_wuerfe = ParSequence(wuerfe)

# The parallel calc:
ergs = glb_sumWuerfe(glb_wuerfe)
# collecting the results in Processor 0:
ergsGesamt= results.reduce(lambda x,y:x+y, 0)

glb_output(ergsGesamt)

该程序运行良好，但是：它只使用一个进程

---

我的问题：有人知道如何告诉这个Pythonb BSP脚本使用4（或8或16）个进程吗？我认为这个BSP实现可以使用MPI，但是通过

mpiexe-n4randexp.py

启动脚本不起作用。

一件小事，但是科学的Python！=在你的问题上有点奇怪

如果下载ScientificPython源代码，您将看到README.BSP、README.MPI和README.BSPlib。不幸的是，在线网页上并没有太多关于这些信息的提及

BSP的README.BSP非常明确地说明了要使BSP真正并行工作需要做什么：

为了使用该模块 Scientific.BSP使用多个 真正的处理器，你必须编译 BSPlib或MPI 接口。请参阅README.BSPlib和 有关安装详细信息，请参阅README.MPI。 BSPlib接口可能更简单 高效（我没有做过广泛的研究） 测试），并允许使用 另一方面，BSP工具集MPI是 更广泛地提供，因此可能 已在您的计算机上安装。 如果要认真使用，您可能应该 同时安装并比较 您自己的应用程序。应用 程序不必修改为 仅在MPI和BSPlib之间切换 在计算机上运行程序的方法 多处理器计算机必须是 改编

要以并行模式执行程序， 使用mpipython或bsppython 可执行文件。MPI或MPI的手册 BSPlib安装将告诉您如何 定义处理器的数量

README.MPI告诉您如何获得MPI支持：

以下是获得MPI所需的操作 对科学Python的支持：

1） 构建并安装科学Python 与往常一样（即“python setup.py 安装“在大多数情况下”）

2） 转到Src/MPI目录

3） 键入“python compile.py”

4） 移动生成的可执行文件 “mpipython”到您计算机上的目录
系统的执行路径

因此，您必须显式地构建更多BSP内容，以利用真正的并行性。好消息是你不应该改变你的计划。这样做的原因是，不同的系统安装了不同的并行库，而位于这些并行库之上的库必须具有这样的配置/构建步骤，以利用任何可用的资源