Hyper MPI中并不是每一个算法都支持所有的场景，以下几种场景属于部分算法支持：

场景一：节点进程不均衡（即ppn不均衡）

mpirun提交任务不指定ppn或者使用rankfile等情况下，可能出现节点进程不均衡的场景（和binomial tree相关的节点进程能感知到node层topo-aware算法(Bcast算法2，Allreduce算法2)可支持ppn不均衡的场景）；其余topo感知算法目前不支持进程在socket或node上不均匀分布的情况。

当用户指定算法不支持ppn不均衡场景时，会进行算法切换并给出如下提示信息：

Current algorithm don't support ppn unbalance case, switch to default algorithm.

场景二：socket进程不均衡

所有的socket-aware算法都要求socket进程数均衡；指定socket-aware算法且socket进程数不均衡时，会切换到node-aware算法并给出如下提示信息：

Warning: process number in every socket must be same in socket-aware algorithm, please make sure ppn must be even and '--map-by socket' included. Switch to corresponding node-aware algorithm already.

场景三：非对易操作

MPI标准支持用户在MPI_Allreduce内进行自定义数学操作，即不局限于求和（MPI_SUM）、乘积（MPI_PROC）等MPI内置的数学操作；用户在自定义数学操作时会出现操作本身不对易的情况，如矩阵乘法。Allreduce算法1和算法4支持此类操作。

当用户指定算法不是算法1或算法4时，Hyper MPI会根据数据大小切换成算法1（中小包）或者算法4（大包），并给出如下提示信息：

Current algorithm does not support non commutative operation, and switch to Recursive doubling or Ring Algorithm which may have unexpected performance.

场景四：超大datatype

MPI标准支持用户进行自定义数据类型，即不局限于整数类型（MPI_INT）、双精度型（MPI_DOUBLE）等MPI内置的数据类型；用户自定义的数据类型有可能过长导致出错。Allreduce算法1和算法4支持此类操作，提示信息如下：

Current algorithm does not support large datatype, and switch to Recursive doubling or Ring Algorithm which may have unexpected performance.

场景五：Allreduce算法8，socket内仅有一个进程

由于算法8实现的特殊性，当指定算法8且socket内仅有一个进程时，会被切换成算法7。

场景六：使用拓扑感知算法，但感知单元内进程号不连续

只有非拓扑算法、Allreduce算法2和Bcast算法2支持此场景；当指定算法不在这几个算法之列时，自动切换算法并给出如下提示信息：