关于各种MPI的关系

个人接触的最多其实是CUDA，但因为最近工作需要用到MPI，又重新对MPI有了新的认识。本篇内容简单介绍MPI，并阐述mpicc、mpich等各种mpi的关系

MPI 实际上是 计算编程模型 + 通信语义接口规范

MPI 是一个并行编程标准，它既定义了模型，也定义了协议；并由多个实现完成实际运行支持。

cuda就不用多说了，深度学习离不开cuda；gpt3.5问世之后 nvidia 市价更是狂涨
一开始总是分不清openmp 与 openmpi 的关系，有一段时间以为是同一个东西, 这里简单两个表格区别三者

特性	MPI	OpenMP	CUDA
并行模型	分布式 + 消息传递	共享内存 + 多线程	GPU 并行 + SIMT
是否开放标准	✅ 是（MPI Forum）	✅ 是（OpenMP ARB）	❌ 否（NVIDIA 私有）
是否定义接口规范	✅ 是（API + 语义）	✅ 是（指令 + API）	✅ 是（NVIDIA 定义的 API 规范）
是否有官方实现	❌（由第三方如 MPICH 提供）	❌（由编译器支持）	✅ 有（NVIDIA 提供完整工具链）
是否跨平台	✅（理论）	✅（只要编译器支持）	❌（只能跑在 NVIDIA GPU 上）

常见的openmpi mpich mpi-intel 就是MPI的实现
一般使用 which mpicc 和 mpicc --show 检查真实路径与底层调用的编译器

实现名称	开源/商业	特色与用途
MPICH	开源	标准参考实现之一，稳定，兼容性好，适合教学与通用集群环境
Open MPI	开源	可扩展性强，模块化设计，社区活跃，支持多种平台和网络
Intel MPI	商业（有免费版）	对 Intel 编译器和硬件优化极好，常用于 HPC 与商业计算
MVAPICH2	开源	基于 MPICH，专为 InfiniBand 和高性能互连优化
Cray MPI	商业	Cray 超算平台专用，深度优化，通常预装
IBM Spectrum MPI	商业	IBM 平台专用，基于 Open MPI，适配 Power 架构
Microsoft MPI (MS-MPI)	开源	Windows 平台的主要 MPI 实现，适合开发和教育场景

还有一些如 mpicc mpif90 等，是MPI实现的编译器包装器 | 编译器包装器: 自动进行编译和链接过程、并进行一定的优化，以提高开发效率

MPI 实现	C 编译器包装器	C++ 编译器包装器	Fortran 包装器（77）	Fortran 包装器（90/95）
MPICH	`mpicc`	`mpicxx`	`mpif77`	`mpif90`
Open MPI	`mpicc`	`mpic++`	`mpif77`	`mpif90`
Intel MPI	`mpiicc`	`mpiicpc`	`mpiifort`	`mpiifort`
MVAPICH2	`mpicc`	`mpicxx`	`mpif77`	`mpif90`
Cray MPI	`cc`	`CC`	`ftn`	`ftn`
IBM Spectrum	`mpixlc`	`mpixlcxx`	`mpixlf77`	`mpixlf90`
MS-MPI	`mpicc.exe`	无官方包装器	无	无


gcc main.c \
  -I/usr/local/mpi/include \
  -L/usr/local/mpi/lib \
  -lmpi \
  -o myprog

# 简化
mpicc main.c -o myprog

MPI 生态	Python 类比	说明
`MPI`	NumPy API 或 Python 标准规范	标准定义了怎么通信，就像 NumPy 定义了数组操作接口
`MPICH`	NumPy 的 C 实现 / python解释器（PyPy、CPython）	提供标准的实现，底层做了优化
`MPICC`	`python setup.py build_ext` 中调用的 C 编译器包装器	`mpicc` 是 gcc 的包装器，自动链接 MPI 库，避免你手动加 `-I` 和 `-L`