关于指定算法模式的若干说明
关于MPI_Allreduce指定算法的说明
目前MPI_Allreduce集合操作，在选用算法3、6、8时需要加上以下选项，保证进程数在socket上平均分布（socket-aware类算法不支持socket间进程数不均衡），命令如下：
--map-by-socket --rank-by-core
在选用算法5、6时，因节点内为K-nomial算法，需要引入调节K-nomial tree结构的K值参数，示例命令如下：
-x UCX_BUILTIN_DEGREE_INTRA_FANOUT=3
-x UCX_BUILTIN_DEGREE_INTRA_FANIN=8
在选用算法7、8时，因节点内与节点间都采用K-nomial算法，需要引入调节K-nomial tree结构的K值参数，示例命令如下：
-x UCX_BUILTIN_DEGREE_INTER_FANOUT=7 -x UCX_BUILTIN_DEGREE_INTER_FANIN=7
-x UCX_BUILTIN_DEGREE_INTRA_FANOUT=3 -x UCX_BUILTIN_DEGREE_INTRA_FANIN=8
为提高性能，也可加入以下选项：
--bind-to core -x UCX_TLS=sm,rc_x
综上，在调用MPI_Allreduce时，推荐选用的算法8，其中K值需根据具体的节点及ppn数目调节，运行命令示例如下（ARM）：
mpirun -np 16 -N 2 --hostfile hf --mca btl ^vader,tcp,openib --map-by socket --rank-by core --bind-to core -x UCX_TLS=sm,rc_x -x UCX_BUILTIN_ALLREDUCE_ALGORITHM=8 -x UCX_BUILTIN_DEGREE_INTER_FANOUT=7 -x UCX_BUILTIN_DEGREE_INTER_FANIN=7 -x UCX_BUILTIN_DEGREE_INTRA_FANOUT=3 -x UCX_BUILTIN_DEGREE_INTRA_FANIN=8 osu_allreduce
关于MPI_Bcast指定算法的说明
目前，MPI_Bcast集合操作，在调用算法3时，因为节点间K-nomial算法，需要加上调节K值的参数，命令示例如下：
-x UCX_BUILTIN_DEGREE_INTER_FANOUT=7
在调用算法4时，因为节点内与节点间都采用了K-nomial算法，需要加上两个调节K值的参数，命令示例如下：
-x UCX_BUILTIN_DEGREE_INTER_FANOUT=7
-x UCX_BUILTIN_DEGREE_INTRA_FANOUT=3
为提高性能，也可加入以下选项：
--bind-to core –x UCX_TLS=sm,rc_x
综上，在调用MPI_Bcast时，推荐选用算法3，其中K值需根据具体的节点及ppn数目调节，运行命令示例如下(ARM)：
mpirun -np 16 -N 2 --hostfile hf --mca btl ^vader,tcp,openib --bind-to core -x UCX_TLS=sm,rc_x -x UCX_BUILTIN_BCAST_ALGORITHM=3 -x UCX_BUILTIN_DEGREE_INTER_FANOUT=7 osu_bcast
关于MPI_Barrier指定算法的说明
从算法地图中可知，Barrier的算法是Allreduce算法的子集，因此可对照MPI_Allreduce指定算法说明部分，不再赘述。
推荐命令
在调用Hyper MPI跑应用时，会同时调用MPI_Allreduce、MPI_Bcast操作，此时的推荐算法命令示例如下（ARM）：
mpirun -np 16 -N 2 --hostfile hf --mca btl ^vader,tcp,openib --map-by socket --rank-by core --bind-to core -x UCX_TLS=sm,rc_x -x UCX_BUILTIN_BCAST_ALGORITHM=4 -x UCX_BUILTIN_ALLREDUCE_ALGORITHM=8 -x UCX_BUILTIN_DEGREE_INTER_FANOUT=7 -x UCX_BUILTIN_DEGREE_INTER_FANIN=7 -x UCX_BUILTIN_DEGREE_INTRA_FANOUT=3 -x UCX_BUILTIN_DEGREE_INTRA_FANIN=8 ./wrf.exe
特性支持与功能回退说明
并不能要求所有的算法支持所有的场景，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。
当用户指定算法不能支持ppn不均衡场景时，会进行算法切换并给出提示如下信息：
“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标准支持在MPI_Allreduce内用户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，HMPI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：
“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内仅有一个进程场景
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提示：
“Current algorithm demand rank number is continous. Switch default algorithm whose performance may be not the best”。