问题标签 [petsc]

我正在使用 Petsc，我想组合一个分布式 Vec，以便每个进程都有一个完整的 Vec 副本。我有一个最小的例子，它从一个数据数组开始，从中构造一个 MPI Vec，然后尝试使用 VecScatter 来组合来自多个进程的向量。当我这样做时，本地向量只接收存储在第 0 个进程上的值，它不接收来自其他进程的信息。如何组合分布式向量以生成完整的局部向量？

输出：

我需要解决一大组（独立的）Ax = b线性问题。这不能并行化（或者更具体地说，这是每个处理器的责任）。

Ax = b集合很小（最多说 10x10）但很密集（通常所有项都不为零），并且 A 矩阵和 RHS 向量都是完全不同且独立的。

使用 PETSc 解决大量小 Ax=b 问题的最有效/实用的方法是什么？

即，始终修改单个A矩阵和单个b向量并为每个系统求解的成本是多少？

这是一个有趣的问题，似乎没有明显的解决方案。在将指针分配为 16 元素长PetscReal向量、用数据填充它并从中提取数据后，deallocate()抛出此错误：

我完全不知道这个错误是如何出现的，因为设置了数组崩溃的方式。

以下是与此问题相关的所有代码片段：

几件事：

1. adj_local_area被正确填充并且其边界不会被覆盖。如果您打印出填充数组的行的文字值，您会看到：

   /li>

2. 其他几个数组以相同的方式分配、填充和释放。没有问题。如果我注释掉deallocate(adj_local_area)，代码运行良好，直到它尝试退出子例程并清除堆 - 它崩溃并显示相同的消息。

3. 我最初认为这是一个类型的事情（例如，real*8被写入real*4向量中），但是放入数组中的值都是PetscReal，与向量本身的类型相同（我相信PetscReal是按照我的配置编译real*4的）。

有任何想法吗？如果您需要更多代码，请告诉我，我可以提供。

在我的 Fortran 程序中，我只在根处理器调用外部函数。我进行了一些检查以确保该功能正常工作。如果它不起作用，那么我stop程序并调用PetscFinalize. 例如：

但是，我注意到在运行时，如果出现错误external_function，程序会挂起并且没有正确完成。

我的问题是：在根处理器处终止程序的适当方法是什么？

我正在运行一个使用 2 个并行组的 OpenMDAO 代码。我已经在虚拟 python 环境中安装了 PETSc4py 和 mpi4py。运行代码时出现以下错误。错误如下：“内存不足。分配：0，由进程使用：236814336”这是完整的错误消息：

我使用以下代码调用该过程：

下面是 IDF 优化的代码：

IDF 优化的 MDA 在这里：

我正在尝试在 windows 的 windows 子系统中运行的 Ubuntu 上安装 PETSc，但官方网页上详述的步骤导致编译错误。

首先，我克隆了 PETSc 存储库并运行了配置命令：./configure --with-cc=gcc --with-cxx=g++ --with-fc=gfortran --download-openmpi --download-fblaslapack，它起作用了。（我之前已经安装了 OpenMPI，但是如果没有--download-openmpi开关，configure 命令不起作用。）然后我执行了 ./configure 代码（make PETSC_DIR=/mnt/c/Stuff/Petsc/petsc PETSC_ARCH=arch-linux2-c-debug all）输出的 make 命令并得到了这个错误：

（完整的 make 输出在这里，上面的错误只是一小部分。）显然 PETSc make 例程找不到 MPI，但我已经安装了它：运行which mpicc给出了预期的/usr/bin/mpicc. 有人有想法吗？谢谢您的帮助！

我目前正在使用一个名为 petsc4py ( https://pypi.org/project/petsc4py/ ) 的 python 模块。我的主要问题是，典型的智能感知功能似乎都不适用于这个模块。

我猜这可能与它是一个 C 扩展模块有关，但我不确定为什么会发生这种情况。我最初认为智能感知无法查看“.so”文件，但似乎 numpy 能够对array对象执行此操作，在我的情况下，该对象位于一个名为的文件multiarray.cpython-37m-x86_64-linux-gnu中（查看下面的示例）。

有谁知道为什么我在 petsc4py 模块中看到这种行为。我（或 petsc4py 的开发人员）可以做些什么来让智能感知工作吗？

例子：

在此示例中，当尝试使用Vecpetsc4py 中的对象时，doingu_p.duplicate()找不到函数，建议只是重复之前的函数。但是，使用arrayfrom numpy，u_n.copy()效果很好。

当我在旧的 Intel Xeon 平台（X5650@2.67GHz）上运行我的代码时，并行效率似乎不错，80%~95% 的速度提高了两倍的处理器使用率。但是，当我在 AMD 2990WX 平台上运行相同的代码时，我无法通过任何数量的线程获得任何加速。

我很困惑，为什么我的新 AMD 平台的并行效率如此糟糕，我几乎不知道我的代码中的错误设置在哪里。

我有一个基于 PetSc 库的 C 代码来求解一个非常大的稀疏线性方程，我代码中的并行部分由 PetSc 提供，它自动涉及 MPI（我只是将矩阵构建任务安排到每个进程中，不添加任何其他通信程序）。

计算平台系统均为Centos7，MPI库版本均为MPICH3，PetSc版本均为3.11。XEON 平台上的 BLAS 包含在 MKL 中，而 AMD 平台上的 BLAS 包含在 BLIS 库中。

当程序在AMD平台上运行时，我用它top来检查处理器的运行情况，发现CPU使用率实际上随着运行设置的不同而不同：

对于 32 个进程：

对于 64 个进程：

至强平台：

带mac8文件：

我已经初始化ts = PETSc.TS().create()并尝试通过一些初始分布来解决ts.setSolution(u)并得到一个类型错误。

似乎它想要该类型Vec，但作为_DMDA_Vec_array.

设置如下：

1. 创造dmda = PETSc.DMDA().create(<...>)
2. 创建一个全局向量x = dmda.createGlobalVec()
3. 得到我们的 IC 向量：ic = dmda.getVecArray(x)
4. 填充 IC 矢量
5. 尝试ts.setSolution(ic)但它不喜欢那ic是一个_DMDA_Vec_array对象

到目前为止，我发现了两件事：

1. ic = dmda.getVecArray(x)正在做它应该做的——创建一个_DMDA_Vec_array对象
2. 在常规 PETSc 中，等效于使用该函数DMDAVecGetArray()，然后在填充值后，运行该函数DMDAVecRestoreArray()将对象转换_DMDA_Vec_array回.Vects

_DMDA_Vec_arrayPython 中用于Vec键入的等效协议/工作流是什么？

我有一个使用并行 PETSc 稀疏矩阵格式的 Fortran 代码mpiaij。

我想对这些矩阵进行一些分析，所以我想将它们读入 python。

我尝试了 Fortran 中的二进制输出和 petsc4py 中的二进制输入，但显然它们不兼容。Petsc HDF5 输出会创建不可读的 HDF5 文件，因此我现在只能使用 ASCII 格式。

在 ascii 中，矩阵如下所示：

有没有一种优雅的方法可以将它解析成 python？