Message Passing Interface (MPI) é um padrão para comunicação de dados em computação paralela. Existem várias modalidades de computação paralela, e dependendo do problema que se está tentando resolver, pode ser necessário passar informações entre os vários processadores ou nós de um cluster, e o MPI oferece uma infraestrutura para essa tarefa.

Para iniciarmos o nosso estudo de MPI, implemente os desafios abaixo, entendendo como encadear sends e receives, e o impacto nos resultados.

Ping-pong¶

A ideia é medir a latência de comunicação ponto a ponto.

Implemente o ping-pong: rank 0 envia uma mensagem ao rank 1, que responde. Faça duas versões:

Bloqueante (MPI_Send/MPI_Recv)
Não-bloqueante (MPI_Isend/Irecv + MPI_Wait)

Rode os testes:

Mensagens de 16 B, 1 KB, 64 KB, 1 MB
Em 2, 3 e 4 nós

Dica!

Lembre-se, cada double ocupa 8 bytes, cada float ocupa 4 bytes, cada int ocupa 4 bytes, cada char, 1 byte.

Analise:

Para mensagens pequenas, o que domina: latência fixa ou tamanho da mensagem?
A partir de que tamanho de mensagem o gargalo passa a ser a largura de banda da rede?

Código base:

#include <mpi.h>        // Biblioteca principal do MPI para comunicação entre processos
#include <iostream>    
#include <cstring>      

int main(int argc, char** argv) {
    int rank;               // Variável que armazenará o "rank" (identificador) do processo
    MPI_Status status;      // Estrutura que armazenará o status da comunicação MPI
    char mensagem[100];     // Vetor de caracteres para armazenar a mensagem a ser enviada/recebida

    // Inicializa o ambiente MPI (todos os processos são iniciados)
    MPI_Init(&argc, &argv);

    // Descobre o "rank" do processo atual dentro do comunicador global (MPI_COMM_WORLD)
    MPI_Comm_rank(MPI_COMM_WORLD, &rank);

    // Se este for o processo de rank 0 (emissor inicial)
    if (rank == 0) {
        // Copia a string "Olá" para a variável mensagem
        std::strcpy(mensagem, "Olá");

        // Envia a mensagem para o processo de rank 1
        // Parâmetros: buffer, tamanho, tipo, destino, tag, comunicador
        MPI_Send(mensagem, std::strlen(mensagem) + 1, MPI_CHAR, 1, 0, MPI_COMM_WORLD);

        // Imprime no terminal que a mensagem foi enviada
        std::cout << "Processo 0 enviou: " << mensagem << std::endl;

        // Aguarda a resposta do processo 1
        // Parâmetros: buffer, tamanho máximo, tipo, origem, tag, comunicador, status
        MPI_Recv(mensagem, 100, MPI_CHAR, 1, 0, MPI_COMM_WORLD, &status);

        // Imprime a mensagem recebida
        std::cout << "Processo 0 recebeu: " << mensagem << std::endl;
    }

    // Se este for o processo de rank 1 (receptor inicial)
    else if (rank == 1) {
        // Recebe a mensagem enviada pelo processo 0
        MPI_Recv(mensagem, 100, MPI_CHAR, 0, 0, MPI_COMM_WORLD, &status);

        // Imprime a mensagem recebida
        std::cout << "Processo 1 recebeu: " << mensagem << std::endl;

        // Prepara a resposta "Oi"
        std::strcpy(mensagem, "Oi");

        // Envia a resposta de volta ao processo 0
        MPI_Send(mensagem, std::strlen(mensagem) + 1, MPI_CHAR, 0, 0, MPI_COMM_WORLD);

        // Imprime que a mensagem foi enviada
        std::cout << "Processo 1 enviou: " << mensagem << std::endl;
    }

    else {
        // Todos os outros processos apenas informam que estão ociosos
        std::cout << "Processo " << rank << " está ocioso neste exercício." << std::endl;
    }

    // Finaliza o ambiente MPI (todos os processos encerram)
    MPI_Finalize();

    return 0;
}

Carregue o modulo¶

spack load openmpi

Teste para ver se o modulo foi carregado corretamente¶

mpicc --version

Deve aparecer algo como:¶

gcc (GCC) 14.2.0
Copyright (C) 2024 Free Software Foundation, Inc.
This is free software; see the source for copying conditions.  There is NO
warranty; not even for MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.

Compile o programa:¶

mpic++ -FlagdeOtimização seu_codigo.cpp -o seu_binario

Script SLURM¶

#!/bin/bash
#SBATCH --job-name=mpi_hello
#SBATCH --output=saida%j.txt
#SBATCH --partition=express
#SBATCH --mem=1GB
#SBATCH --nodes=2
#SBATCH --ntasks=5
#SBATCH --cpus-per-task=1
#SBATCH --time=00:02:00
#SBATCH --export=ALL


# Faça load nos módulos dentro do nó de computação
source /etc/profile
. /opt/spack/share/spack/setup-env.sh
module use /opt/spack/share/spack/lmod/linux-rocky9-x86_64/Core
module --ignore_cache load openmpi/5.0.8-gcc-14.2.0

# Execute o seu binário com o MPI
mpirun -np $SLURM_NTASKS ./seu_binario

Submeta o job com SLURM:¶

sbatch SeuSlurm.slurm

Você deve ver algo como isso:¶

[liciascl@head-node mpi]$ cat saida.txt
/usr/bin/id: cannot find name for user ID 1018
/var/spool/slurmd/job06957/slurm_script: line 15: /opt/spack/share/spack/setup-env.sh: No such file or directory
Lmod has detected the following error: The following module(s) are unknown:
"openmpi/5.0.8-gcc-14.2.0"

Please check the spelling or version number. Also try "module spider ..."
It is also possible your cache file is out-of-date; it may help to try:
  $ module --ignore_cache load "openmpi/5.0.8-gcc-14.2.0"

Also make sure that all modulefiles written in TCL start with the string

Processo 2 está ocioso neste exercício.
Processo 3 está ocioso neste exercício.
Processo 0 enviou: Olá
Processo 0 recebeu: Oi
Processo 1 recebeu: Olá
Processo 1 enviou: Oi
Processo 4 está ocioso neste exercício.

Ignore os warnings, o ponto é que o Rank0 está conversando com o Rank1 conforme o código exemplo, agora é a sua vez! Faça as alterações no código exemplo e implemente as outras formas de comunicação entre nós usando MPI

Token em anel¶

A ideia é perceber o custo de coletar informações sequencialmente.

Implemente o token em anel: cada rank adiciona uma informação nova ao vetor e passa adiante. Execute em 2, 3 e 4 nós . Compare com o mesmo problema usando MPI_Gather.

Analise:

Como cresce o tempo do anel com o número de processos?
Qual o gargalo de percorrer todos em sequência?
Qual a vantagem de usar MPI_Gather?

Alternância¶

A ideia é entender como funciona uma distribuição de tarefas.

Rank 0 possui 13 tarefas cada uma com diferentes niveis de complexidade. Implemente uma distribuição dinâmica de tarefas, o worker que terminar primeiro recebe a próxima tarefa.

O que acontece quando as tarefas variam muito de custo?

O que você deve entregar:¶

Para cada exercício:

Código (disponível no repositório do github).
Tabela de resultados (parâmetros usados, tempos medidos).
Discussão: Análise dos resultados

Envie o seu relatório com as suas análises até as 23h59 de 08/09 pelo GitHub Classroom