使用 MPI4PY 快速失败

Question

在使用 mpi4py 运行 MPI 脚本时，我希望有以下行为：当任何进程抛出异常时，mpirun（及其产生的进程）应立即以非零错误代码退出。但是相反，我发现即使一个或多个进程抛出异常，执行也会继续。

我正在使用带有 OpenMPI 2.1.2 的 mpi4py 3.0.0。我正在使用 mpirun --verbose -mca orte_abort_on_non_zero_status 1 -n 4 python my_script.py. 我希望这会在睡眠被击中之前立即结束，但是，等级 != 0 sleep 的进程：

import time
import mpi4py

def main():
    import mpi4py.MPI
    mpi_comm = mpi4py.MPI.COMM_WORLD
    if mpi_comm.rank == 0:
        raise ValueError('Failure')


    print('{} continuing to execute'.format(mpi_comm.rank))
    time.sleep(10)
    print('{} exiting'.format(mpi_comm.rank)


if __name__ == '__main__':
    main()

我怎样才能获得我想要的行为（如果任何进程失败，则迅速失败）？

谢谢！

Answer 1

这似乎是 mpi4py 的一个已知问题。从https://groups.google.com/forum/#!topic/mpi4py/RovYzJ8qkbc，我读到：

mpi4py 为您初始化/完成 MPI。初始化发生在导入时，终结发生在 Python 进程即将完成时（我使用 Py_AtExit() C-API 调用来执行此操作）。由于 MPI_Finalize() 是集体的，并且在大多数 MPI 实现中可能会阻塞，因此您会遇到死锁。

解决方案是重写 sys.excepthook并MPI.COMM_WORLD.Abort在其中显式调用。

这是您修改后的代码：

import sys
import time
import mpi4py.MPI
mpi_comm = mpi4py.MPI.COMM_WORLD

def mpiabort_excepthook(type, value, traceback):
    mpi_comm.Abort()
    sys.__excepthook__(type, value, traceback)

def main():
    if mpi_comm.rank == 0:
        raise ValueError('Failure')


    print('{} continuing to execute'.format(mpi_comm.rank))
    time.sleep(10)
    print('{} exiting'.format(mpi_comm.rank))

if __name__ == "__main__":
    sys.excepthook = mpiabort_excepthook
    main()
    sys.excepthook = sys.__excepthook__