在上一篇中我们介绍了 mpi4py 中的数据类型解析，下面我们将介绍 mpi4py 中的 Op 对象。
MPI 内置定义了很多算符，可以用在 Reduce，Allreduce，Reduce_scatter，Scan，Exscan 等操作上，但是这些内置定义的算符通常只能使用 MPI 预定义数据类型。不过 MPI 支持自定义操作算符，可以用自定义的算符完成更通用的操作，或者操作自定义的数据类型。
mpi4py 中的 MPI.Op 类提供了对操作算符的基本抽象，MPI 中的预定义算符，如 MPI.MAX, MPI.SUM, MPI.REPLACE，MPI.NO_OP，MPI.OP_NULL 等都是 MPI.Op 类的对象，MPI.Op 类提供了相应的方法来创建新的操作算符。MPI.OP 类的相关方法接口如下：
方法
MPI.Op.Create(type cls, function, bool commute=False)
由函数 function 创建一个自定义算符，commute 指明该操作是否满足交换律。function 的原型接口为 func(a, b, dt)，其中 a，b 是操作的数据，dt 是数据类型。在 mpi4py 中，如果使用的是以大写字母开头的方法，如 Allreduce，则传递进来的 a 和 b 是 MPI.memory 对象，dt 是一个 MPI.Datatype 对象；如果使用的是以小写字母开头的方法，如 allreduce，则传递进来的 a 和 b 都是 Python 对象，而 dt 为 None 。
MPI.Op.Free(self)
释放该算符对象。注意：只能释放自定义算符，否则会抛出 MPI.Exception。
MPI.Op.Is_commutative(self)
该算符是否满足交换律，是返回 True，否则返回 False。也可以通过属性 is_commutative 获取。
MPI.Op.Reduce_local(self, inbuf, inoutbuf)
将 inbuf 和 inoutbuf 中的数据执行本地规约操作，结果存放在 inoutbuf 中。不支持 MPI.IN_PLACE。
MPI.Op.__bool__(self)
返回 True 如果该算符不是 MPI.OP_NULL，否则返回 False。
MPI.Op.__call__(self, x, y)
以参数 x 和 y 调用该算符。
属性
MPI.Op.is_commutative
该算符是否满足交换律，是返回 True，否则返回 False。同调用 MPI.Op.Is_commutative 方法的结果。
MPI.Op.is_predefined
该算符是否为预定义的算符。
例程
下面给出使用例程。
# op.py
"""
Demonstrates the usage of MPI.Op.
Run this with 2 processes like:
$ mpiexec -n 2 python op.py
"""
import numpy as np
from mpi4py import MPI
comm = MPI.COMM_WORLD
rank = comm.rank
def mysum_obj(a, b):
# sum of pythn objects
return a + b
def mysum_buf(a, b, dt):
assert dt == MPI.INT
assert len(a) == len(b)
def to_nyarray(a):
# convert a MPI.memory object to a numpy array
size = len(a)
buf = np.array(a, dtype='B', copy=False)
return np.ndarray(buffer=buf, dtype='i', shape=(size / 4,))
to_nyarray(b)[:] = mysum_obj(to_nyarray(a), to_nyarray(b))
def mysum(ba, bb, dt):
if dt is None:
# ba, bb are python objects
return mysum_obj(ba, bb)
else:
# ba, bb are MPI.memory objects
return mysum_buf(ba, bb, dt)
commute = True
# create a user-defined operator by using function mysum
myop = MPI.Op.Create(mysum, commute)
print 'myop.is_commutative: %s' % myop.is_commutative
print 'myop.is_predefined: %s' % myop.is_predefined
# call the op on different objects
print 'myop(1, 2) = %s' % myop(1, 2)
print 'myop([1], [2]) = %s' % myop([1], [2])
print 'myop(np.array([1]), np.array([2])) = %s' % myop(np.array([1]), np.array([2]))
a = np.arange(3, dtype='i')
b = np.zeros(3, dtype='i')
# use the user-defined myop in allreduce
comm.Allreduce(a, b, op=myop)
# or
# comm.Allreduce([a, MPI.INT], [b, MPI.INT], op=myop)
print 'Allreduce: b = %s' % b
print 'allreduce 2: %s' % comm.allreduce(2, op=myop)
print 'allreduce [2]: %s' % comm.allreduce([2], op=myop)
inbuf = np.arange(4*rank, 4*(rank+1), dtype ='i')
inoutbuf = np.array([10, 10, 10, 10], dtype='i')
myop.Reduce_local(inbuf, inoutbuf)
print 'Reduce_local with myop: %s' % inoutbuf
# free the user-defined op
myop.Free()
# use the predefined op
print 'isinstance(MPI.MAX, MPI.Op): %s' % isinstance(MPI.MAX, MPI.Op)
print 'MPI.MAX.is_predefined: %s' % MPI.MAX.is_predefined
inbuf = np.array([1, 2], dtype='i')
inoutbuf = np.array([2, 0], dtype='i')
MPI.MAX.Reduce_local(inbuf, inoutbuf)
print 'Reduce_local with MPI.MAX: %s' % inoutbuf
try:
# try to free the predefined op
MPI.MAX.Free()
except MPI.Exception as e:
print e.error_string
运行结果如下：
$ mpiexec -n 2 python op.py
myop.is_commutative: True
myop.is_predefined: False
myop(1, 2) = 3
myop([1], [2]) = [1, 2]
myop(np.array([1]), np.array([2])) = [3]
Allreduce: b = [0 2 4]
allreduce 2: 4
allreduce [2]: [2, 2]
Reduce_local with myop: [10 11 12 13]
isinstance(MPI.MAX, MPI.Op): True
MPI.MAX.is_predefined: True
Reduce_local with MPI.MAX: [2 2]
myop.is_commutative: True
myop.is_predefined: False
myop(1, 2) = 3
myop([1], [2]) = [1, 2]
myop(np.array([1]), np.array([2])) = [3]
Allreduce: b = [0 2 4]
allreduce 2: 4
allreduce [2]: [2, 2]
Reduce_local with myop: [14 15 16 17]
isinstance(MPI.MAX, MPI.Op): True
MPI.MAX.is_predefined: True
Reduce_local with MPI.MAX: [2 2]
MPI_ERR_OP: invalid reduce operation
MPI_ERR_OP: invalid reduce operation
以上介绍了 mpi4py 中的 Op 对象，在下一篇中我们将介绍 mpi4py 中的客户端-服务器编程。