COMSOL 无法在 Linux 集群上运行

问题描述

我发现 Linux 上的分布式集群作业没有启动，并收到来自 MPI 的错误消息。

解决方法

COMSOL 无法在 Linux 集群上运行的根本原因可能是未正确检测到网络接口和光纤。在 Linux 系统中，COMSOL 6.0 自带 Intel MPI 2021.2 并行库。您可以通过以下步骤查看是否存在 Intel MPI 的不兼容：

当您发现 Intel MPI 无法在集群上运行时，应该首先确保您的提交脚本配置正确。此外，您还可以通过调用以下命令来运行 MPI 测试

comsol hydra mpitest -nn 2 -f hostfile

或者，如果您使用 Slurm 等作业调度系统，可以测试

#SBATCH --nodes=2  
#SBATCH --ntasks-per-node=1 
...
comsol hydra mpitest -nn 2 -nnhost 1 

以确定 MPI 是否确实是问题所在。您还可以添加开关 '-mpidebug 10' 来获取额外的调试输出。

为了解决这个问题，您可以尝试以下建议 A. 和 B.。如果 A. 适合您的情况，我们仍然推荐您继续尝试 B.，因为此选项可以提供更好的性能。

A. 回退到 TCP 通讯协议

导出环境变量 FI_PROVIDER，并将其设置为 'sockets'。在 Slurm 中，可以通过以下命令完成

#SBATCH --export=FI_PROVIDER=sockets

或者，您可以直接在 Linux 系统中使用

export FI_PROVIDER=sockets 

或

setenv FI_PROVIDER sockets

并确保将此环境变量移交给集群作业。

这种方法的缺点是通信会回退到 TCP 通讯协议，如果您的光纤更快，这可能会减慢并行运算的效率。

B. 安装更高版本的 Intel MPI

您可以从这里下载 Intel MPI 2021.6，然后安装。如果您没有集群的管理员权限，可以将其安装到您自己的家目录。

然后，使用附加开关启动 COMSOL

-mpiroot <Intel 2021.6 installation directory>/intel/oneapi/mpi/2021.6.0 

在 Slurm 上，您可以调用以下命令

#SBATCH --nodes=2  
#SBATCH --ntasks-per-node=1 
...
comsol hydra mpitest -nn 2 -nnhost 1 -mpiroot <Intel 2021.6 installation directory>/intel/oneapi/mpi/2021.6.0

备注：

• 您也可以指向其他基于 MPICH2 的 MPI 安装（但不能指向 OpenMPI 等）
• 在 COMSOL 5.6 中，您也可以通过 -mpiroot 指向 IMPI 2021.6。

按类别浏览