我有两个问题-
Q1。除了检查点/回滚之外，还有更有效的方法来处理 MPI 中的错误情况吗？我看到如果一个节点“死亡”，程序会突然停止。有没有办法在节点死亡后继续执行？（如果以准确性为代价，则没有问题）
Q2。我在“http://stackoverflow.com/questions/144309/what-is-the-best-mpi-implementation”中读到，OpenMPI 具有更好的容错性，最近 MPICH-2 也提出了类似的功能..有人知道它们是什么以及如何使用它们吗？是“模式”吗？他们可以在第一季度所述的情况下提供帮助吗？
请回复。谢谢你。
MPI——所有的实现——都能够在出错后继续运行一段时间。默认是死 - 也就是说，默认错误处理程序是 MPI_ERRORS_ARE_FATAL - 但可以设置（例如，参见这里的讨论）。但该标准目前并没有超出这个范围。也就是说，在这样的错误之后很难恢复和继续。如果您的程序足够简单（某种主从类型的设置），则可以继续这种方式。
MPI 论坛目前正在研究将成为 MPI-3 的内容，错误处理和容错将成为新标准的重要组成部分（有一个致力于该主题的工作组）。然而，在这项工作完成之前，从 MPI 中获得更强容错的唯一方法是使用早期的非标准扩展。 FT-MPI是一个开发了非常强大的 MPI 的项目，但不幸的是它基于 MPI1.2；该标准的一个非常早期的版本。这里的说法是他们现在正在使用 OpenMPI，但我不知道结果如何。有基于 MPI2的MPICH-V ，但这比我认为您正在寻找的更多基于检查点重启。
更新添加：容错没有进入 MPI-3，但工作组继续其工作，并且期望不久之后会产生一些结果。