对于三层嵌套循环的并行问题

Kieran · 发表于 2021-5-18 05:27:01

大家好。

我想对三层嵌套循环，做并行处理。就是每层循环都用一次MPI并行。但运行程序总是报错，说程序在规定时间内，没有完成，被自动停止了。我限定程序运行1小时，我觉得应该是可以运行完成，因为我也写了串行版本的程序，不到10分钟就完成了。

我猜可能是我的程序出现了死锁的情况，导致程序卡某个地方，一直不往下运行。最后到了1小时的运行实现，被停止了。但我反复查看，也没找到程序中哪里出了问题。

我把我的程序（并行和串行版本）放在附件里了。下面是并行版本程序的编译文件，投掷任务文件和报错文件内容。

编译文件

[Fortran] 纯文本查看 复制代码

#!/bin/bash
module switch PrgEnv-cray PrgEnv-intel
#==========================================================#
ftn -fp-model strict -no-wrap-margin -traceback example_parallel.f90 -o example_parallel

投掷任务文件

[Fortran] 纯文本查看 复制代码

#!/bin/bash
#SBATCH --partition=workq
#SBATCH --job-name="code"
#SBATCH --nodes=8
#SBATCH --time=1:00:00
#SBATCH --exclusive
#SBATCH --err=std.err
#SBATCH --output=std.out
#----------------------------------------------------------#
module switch PrgEnv-cray PrgEnv-intel
export OMP_NUM_THREADS=1
#----------------------------------------------------------#
echo "The job "${SLURM_JOB_ID}" is running on "${SLURM_JOB_NODELIST}
#----------------------------------------------------------#
srun --ntasks=64 --cpus-per-task=${OMP_NUM_THREADS} --hint=nomultithread ./example_parallel

报错文件

[Fortran] 纯文本查看 复制代码

slurmstepd: error: *** STEP 20294161.0 ON nid00191 CANCELLED AT 2021-05-17T02:02:24 DUE TO TIME LIMIT ***
slurmstepd: error: *** JOB 20294161 ON nid00191 CANCELLED AT 2021-05-17T02:02:24 DUE TO TIME LIMIT ***
srun: got SIGCONT
srun: forcing job termination
srun: Job step aborted: Waiting up to 302 seconds for job step to finish.

能否麻烦大家帮我查看下，我的程序哪里出了问题吗？

多谢大家啦。

[其他行业算法] 对于三层嵌套循环的并行问题