在上一篇中我们介绍了 mpi4py 并行读/写 numpy npy 文件的方法，下面我们将介绍 mpi4py 软件包初始化相关的一些设置。
初始化及运行时设置
有在 C/C++/Fortran 等其它计算机语言下编写 MPI 并行计算程序经验的读者都知道，在使用 MPI 时除了要导入 MPI 的相应头文件之外，还要首先调用 MPI_Init/MPI_Init_thread 来初始化 MPI 环境，然后才能使用 MPI 库提供的各项功能，在结束 MPI 程序时一般还需要调用 MPI_Finalize 以结束 MPI 环境。但是在使用 mpi4py 时，我们一般并没有调用 mpi4py 中对应的函数 mpi4py.MPI.Init/mpi4py.MPI.Init_thread 和 mpi4py.MPI.Finalize，这是为什么呢？原来在导入和使用 mpi4py 时，mpi4py 软件包会做大量的初始化工作。在导入 mpi4py 时如果不做一些特定的设置，就会采用 mpi4py 的默认初始化设置，其中就包括对 mpi4py.MPI.Init/mpi4py.MPI.Init_thread 和 mpi4py.MPI.Finalize 的默认调用。这些默认的初始化设置在大多数情况下都是合适的，并不需要我们显式地进行设置，因此能够节省我们一部分工作，使我们可以简洁而方便地编写 Python 环境下的 MPI 并行计算程序。但是在某些情况下，我们需要进行一些特定的初始化设置，mpi4py 允许定制一些特定的初始化选项，我们只需在导入 mpi4py 的 MPI 模块之前进行相应的设置或调用相应的函数即可。下面是 mpi4py 提供的初始化及运行时设置函数：
mpi4py.rc(**kargs)
mpi4py 运行时设置（Runtime configuration）函数。可以设置的参数包括：initialize 是否在 import MPI 时自动调用 MPI.Init 函数以初始化 MPI 环境，默认为 True；threads 是否要求多线程支持，默认为 True；thread_level，要求的线程级别，默认为 'multiple'，可供选择的级别有 'multiple', 'serialized', 'funneled' 和 'single'；finalize，是否在程序退出时自动调用 MPI.Finalize，默认为 None，表示和 initialize 的值相同，也可以设置为 True 或 False；fast_reduce，是否使用树算法进行快速的规约操作，默认为 True；recv_mprobe，是否采用匹配的 probe 方法来接收消息，默认为 True；errors，错误处理策略，默认为 'exception'，表示发生错误时会抛出异常，还可以设置为 'default'，表示使用 MPI 的默认错误处理机制，或为 'fatal'，表示将所有的错误都设置成严重级别，此时程序遇到错误时一般会中止。
我们可以调用以上函数进行初始化及运行时设置，也可以直接设置 rc 的相应参数完成同样的设置工作。rc 的对应属性默认设置为：
rc.initialize = True
rc.threads = True
rc.thread_level = 'multiple'
rc.finalize = None
rc.fast_reduce = True
rc.recv_mprobe = True
rc.errors = 'exception'
想要改变某项设置，只需设置 rc 的对应属性为一个不同的值即可，如 rc.initialize = False。
其它相关函数
另外，下面是一些初始化及运行时相关的其它函数方法：
mpi4py.get_include()
返回 mpi4py 软件包的头文件目录。一些使用 mpi4py 的扩展模块的编译需要指定 mpi4py 的相关头文件路径，可以使用该函数返回头文件路径。例如，可以使用 Python distutils (或者 numpy 的 distutils）如下编译一个扩展模块：
import mpi4py
Extension('extension_name', ...
include_dirs=[..., mpi4py.get_include()])
mpi4py.get_config()
返回一个包含 MPI 相关信息的字典。
mpi4py.profile(name, **kargs)
MPI profiling 支持。name 是要导入的 profiler 库。其它可设置参数有：path，一系列由字符串表示的路径，用来搜寻所用的 profiler，logfile，profiler 所产生的日志文件前缀。
有关 mpi4py 中的 profiling 的使用将在下一篇中介绍。
例程
下面给出使用例程：
# ini.py
"""
Demonstrates the useage of initialization and runtime configuration options.
Run this with 2 processes like:
$ mpiexec -n 2 python ini.py
"""
# mpi4py.rc(initialize=False)
# or use the following way
# we must set the initialization and runtime configuration options
# before the import of MPI module
from mpi4py import rc
# the default of rc.initialize is True and rc.finalize is None
# change rc.initialize to False
# rc.finalize will also be False when it value is None
rc.initialize = False
from mpi4py import MPI
print 'Before call Init(), MPI.Is_initialized: %s' % MPI.Is_initialized()
print 'Before call Init(), MPI.Is_finalized: %s' % MPI.Is_finalized()
# now we have to call Init explicitly
MPI.Init()
print 'After call Init(), MPI.Is_initialized: %s' % MPI.Is_initialized()
print 'After call Init(), MPI.Is_finalized: %s' % MPI.Is_finalized()
comm = MPI.COMM_WORLD
rank = comm.rank
print 'I am Process %d...' % rank
# have to call Finalize explicitly to terminate MPI
MPI.Finalize()
print 'After call Finalize(), MPI.Is_initialized: %s' % MPI.Is_initialized()
print 'After call Finalize(), MPI.Is_finalized: %s' % MPI.Is_finalized()
运行结果如下：
$ mpiexec -n 2 python ini.py
Before call Init(), MPI.Is_initialized: False
Before call Init(), MPI.Is_finalized: False
Before call Init(), MPI.Is_initialized: False
Before call Init(), MPI.Is_finalized: False
After call Init(), MPI.Is_initialized: True
After call Init(), MPI.Is_finalized: False
I am Process 0...
After call Init(), MPI.Is_initialized: True
After call Init(), MPI.Is_finalized: False
I am Process 1...
After call Finalize(), MPI.Is_initialized: True
After call Finalize(), MPI.Is_finalized: True
After call Finalize(), MPI.Is_initialized: True
After call Finalize(), MPI.Is_finalized: True
以上介绍了 mpi4py 中初始化和运行时设置，在下一篇中我们将介绍 mpi4py 中的 profiling。