🅿️ phyem任务

phyem任务往往属于并行任务。所以，在开始次教程前，请完成 🖇️ 并行运算 教程。

请下载此phyem任务教程需要用到的样板文件到你的电脑：

• my_example_phyem_program.py

• my_phyem_job.sh

其中，my_example_phyem_program.py 文件是一个简单的phyem程序模板。 而上述 my_phyem_job.sh 文件是一个并行任务配置文件。它与 🖇️ 并行运算 教程中使用的 my_parallel_job.sh 配置文件没有本质区别。

🧪 phyem程序模板解析

如果你查看 my_example_phyem_program.py 文件你将看到以下内容：

import sys
ph_dir = '/home/libdgmp'    # 在GigaRiver里，phyem已经被放置在此文件夹中。
sys.path.insert(0, ph_dir)  # 将phyem所在文件夹添加至搜索路径里，这样python将能够找到phyem
import phyem as ph          # 将phyem导入

from time import sleep
sleep(10)   # 等待10秒，延长程序运行时间以便于squeue查看任务进度。

print(ph)
import socket
hostname = socket.gethostname()
print(f"ph is imported correctly in RANK#{ph.config.RANK} at {hostname}.")

# You can call phyem package by calling ph now.

其中前面4行为phyem库的导入。phyem库已经被安装到了GigaRiver的所有节点，你只需要将这4行代码添加进你的代码，你就可以直接使用phyem库。

注意：phyem是一个并行库，允许并行运算。但是如果你进行了基于phyem的二次开发，且你自己的代码只能进行串行运算，即不是并行代码， 那么你将只能将任务提交成单线程任务，即 🧮 任务提交和结果下载 教程中介绍的任务。

🛡️ phyem任务配置文件解析

phyem任务的配置文件本质上就是一个普通的任务配置文件。比如 my_phyem_job.sh 包含以下内容：

#!/bin/bash

#SBATCH --job-name=phyem_job
#SBATCH --partition=P0
#SBATCH --nodes=1
#SBATCH --ntasks=4
#SBATCH --mem=8G
#SBATCH --time=6-23:59:59
#SBATCH --output=output.out
#SBATCH --error=error.err

mpirun python3 my_example_phyem_program.py

它与 🖇️ 并行运算 教程中使用的 my_parallel_job.sh 配置文件相比没有区别，除了这里我们通过

mpirun python3 my_example_phyem_program.py

运行的是 my_example_phyem_program.py。

但是，如果你基于phyem进行二次开发，且你开发的内容无法进行并行， 那么你只需使用 --ntasks=1 即可。同时，你可以不需要使用 mpirun。 比方说，假如你的串行（非并行）phyem程序为 my_single_process_phyem_program.py, 在配置文件的程序运行命令处，你只需要使用

python3 my_single_process_phyem_program.py

因为直接调用python3等同于启动单进程的python3运算。

⚾ 任务上传、提交、结果下载等

这部分内容同普通任务类似，请参考 🧮 任务提交和结果下载 教程。

在成功使用 sbatch 命令执行

$ sbatch my_phyem_job.sh

后，请使用 squeue 监视程序运行状态。在程序运行完成后，查看此次运行生成的 output.out 文件。 你能根据 my_example_phyem_program.py 中的代码解释 output.out 中的内容么？

Important

一样，请确保只通过 sbatch （或 srun）来提交phyem任务。切勿在终端直接运行phyem（或任何其他）任务。

至此GigaRiver的用户教程全部结束🔚。

↩️ Back to ✅ Tutorial.

🌊 Back to GigaRiver.