在上一篇中我们介绍了 mpi4py 中的组管理 API， 下面我们将介绍通信子管理 API。

访问通信子信息的操作属于本地操作，即其不需要在整个通信子范围内进行全局通信，但创建通信子的操作必须使用全局信息，因此要发生进程间通信。

通信子的创建和取消

MPI.Comm.Create(self, Group group)

在已有通信子 comm 环境下，利用 group 组创建新的通信子 newcomm，但不会复制原通信子中添加的属性信息。处于 comm 所关联组内的所有进程都会执行这个调用，对那些不在组 group 中的进程，返回的 newcomm 值为 MPI.COMM_NULL。注意：如果 group 不是 comm 所关联组的子集或者不同进程中变量 group 所包含的组内容不同，则会发生错误。

MPI.Comm.Dup(self, Info info=None)

完全复制当前通信子，包括其中添加过的属性信息。也可以通过属性的回调复制函数控制具体的复制行为。

MPI.Comm.Split(self, int color=0, int key=0)

将与 comm 相关联的组分解为不相交的子组，每个组中的进程具有不同的 color 值。每个组内进程的 rank 按照 key 参数所指定的方式定义，新通信域中各个进程的顺序编号根据 key 的大小决定，即 key 越小，则相应进程在原来通信域中的顺序编号也越小，若两个进程的 key 相同，则根据这两个进程在原来通信域中的顺序号决定新的编号。最后通过 newcomm 为每个子组创建一个相关联的通信子返回。执行过程中，某些进程可指定未定义的 color 值 MPI.UNDEFINED，此时其 newcomm 将返回 MPI.COMM_NULL。

MPI.Comm.Free(self)

将通信子对象标记为无效（设置为 MPI.COMM_NULL）以供回收。该函数适用于组间和组内通信。删除通信子对象时，对其属性可通过预定义的删除回调函数控制具体的删除方式。

访问通信子信息

MPI.Comm.Get_size(self)
MPI.Comm.Get_rank(self)

分别返回当前通信子新关联组内包含的进程数和本地进程的 rank 值。注意：此信息也可以通过属性 size 和 rank 分别获取。

MPI.Comm.Compare(type cls, Comm comm1, Comm comm2)

如果 comm1 和 comm2 引用自同一个对象，则返回值为 MPI.IDENT，如果与二者相关联的组内进程顺序和 rank 都相同，则返回 MPI.CONGRUENT，如果各组成员相同，但进程的 rank 值不同则返回 MPI.SIMILAR，否则返回 MPI.UNEQUAL。

通信子对象属性

group

通信子所关联的组。

info

通信子的 info 对象。

is_intra
is_inter

是否是组内通信子/组间通信子。

name

通信子的名字。

size
rank

通信子新关联组内包含的进程数和本地进程的 rank 值。

is_topo
topology

是否是拓扑通信子/拓扑通信子的类型。

下面给出这些与通信子相关的 API 的使用例程。

# comm_manage.py

import numpy as np
from mpi4py import MPI


comm = MPI.COMM_WORLD
rank = comm.Get_rank()
size = comm.Get_size()

# duplicate an existing communicator
comm_dup = comm.Dup()
print 'comm_dup:', comm_dup
comm_dup.Free()

# get the group associated with comm
grp = comm.Get_group()
# produce a group by exclude ranks 0 in `grp`
grp_excl = grp.Excl([0])
comm_excl = comm.Create(grp_excl)
if rank != 0:
    print 'rank of comm %d -> rank of comm_excl: %d' % (rank, comm_excl.rank)

# split comm into two new communicators according to `color`
color = rank % 2
comm_split = comm.Split(color=color, key=rank)
print 'size of comm_split: %d' % comm_split.size
print 'rank of comm %d -> rank of comm_split: %d' % (rank, comm_split.rank)

if rank == 0:
    print 'MPI.IDENT:', MPI.IDENT
    print 'MPI.CONGRUENT:', MPI.CONGRUENT
    print 'MPI.SIMILAR:', MPI.SIMILAR
    print 'MPI.UNEQUAL:', MPI.UNEQUAL

if rank != 0:
    print MPI.Comm.Compare(comm, comm_excl)

运行结果如下：

$ mpiexec -n 4 python comm_manage.py
comm_dup: <mpi4py.MPI.Intracomm object at 0x219d2f0>
comm_dup: <mpi4py.MPI.Intracomm object at 0x28f82f0>
rank of comm 1 -> rank of comm_excl: 0
size of comm_split: 2
rank of comm 1 -> rank of comm_split: 0
comm_dup: <mpi4py.MPI.Intracomm object at 0x1f7f2f0>
rank of comm 2 -> rank of comm_excl: 1
size of comm_split: 2
rank of comm 2 -> rank of comm_split: 1
3
comm_dup: <mpi4py.MPI.Intracomm object at 0x1ab12f0>
rank of comm 3 -> rank of comm_excl: 2
size of comm_split: 2
rank of comm 3 -> rank of comm_split: 1
3
3
size of comm_split: 2
rank of comm 0 -> rank of comm_split: 0
MPI.IDENT: 0
MPI.CONGRUENT: 1
MPI.SIMILAR: 2
MPI.UNEQUAL: 3

上面我们介绍了 mpi4py 中的通信子管理 API， 在下一篇中我们将介绍组间通信相关方法。