MPI: old learning

Tutorials · MPI Tutorial

其实这个问题背后很有意思。mpi属于hpc领域，和现在的hadoop生态本来就不属于一块。

个人觉得一个技术能否流行起来，主要取决于三点:自身性能，易用性，环境。

性能上，mpi适用于计算密集型，在对计算要求比较高的地方，确实比hadoop/spark用的广，比如机器学习，生物计算。但是属于io密集型就不会有优势，很多大数据任务属于这种情况。

易用性上，mpi无论是编写和运行环境都比hadoop生态圈要求高，这点应该是mpi的短板。

环境上，hadoop生态圈更加完整，从文件系统，sql，流式处理等等，mpi也有，但是不够丰富。环境上，最重要的一点就是需要有大公司推动，有小公司创新的地方。这点上hadoop背靠java生态圈，加上各种应用多，可以讲故事的地方多，容易获得资本市场的关注。

综上看出mpi只有计算密集任务上有优势，其他都是劣势。

不过随着今天计算，存储，网络三者的性价比在变化，他们所代表的两个领域正在发生融合

/* Initialize and Finalize */
int MPI_Init(int *argc, char ***argv)
int MPI_Finalize()
/* MPI comm size and rank */
int MPI_Comm_size(MPI_Comm comm, int *size)
int MPI_Comm_rank(MPI_Comm comm, int *rank)
/* MPI send and recv */
int MPI_Send(const void *buf, int count, MPI_Datatype datatype, int dest,
int tag, MPI_Comm comm)
int MPI_Recv(void *buf, int count, MPI_Datatype datatype, int source, int tag,
MPI_Comm comm, MPI_Status *status)