Метод 1: базовый параллельный цикл For

from mpi4py import MPI
comm = MPI.COMM_WORLD
size = comm.Get_size()
rank = comm.Get_rank()
# Define the range of the loop to be distributed among processes
start = 0
end = 100
step = (end - start) // size
# Distribute the loop iterations among processes
local_start = start + rank * step
local_end = local_start + step
# Perform the loop iterations locally
for i in range(local_start, local_end):
    # Your computation here
    print(i)
# Synchronize all processes before proceeding
comm.Barrier()

Метод 2: параллельный цикл for с балансировкой нагрузки

from mpi4py import MPI
import numpy as np
comm = MPI.COMM_WORLD
size = comm.Get_size()
rank = comm.Get_rank()
# Define the range of the loop to be distributed among processes
start = 0
end = 100
# Perform load balancing to distribute iterations evenly
iterations = np.arange(start, end)
local_iterations = np.array_split(iterations, size)[rank]
# Perform the loop iterations locally
for i in local_iterations:
    # Your computation here
    print(i)
# Synchronize all processes before proceeding
comm.Barrier()

Метод 3: параллельный цикл for с коллективной связью

from mpi4py import MPI
import numpy as np
comm = MPI.COMM_WORLD
size = comm.Get_size()
rank = comm.Get_rank()
# Define the range of the loop to be distributed among processes
start = 0
end = 100
# Perform collective communication to distribute iterations
all_iterations = None
if rank == 0:
    all_iterations = np.arange(start, end)
local_iterations = comm.scatter(all_iterations, root=0)
# Perform the loop iterations locally
for i in local_iterations:
    # Your computation here
    print(i)
# Synchronize all processes before proceeding
comm.Barrier()

Эти методы демонстрируют различные подходы к распараллеливанию цикла for с использованием mpi4py. Конкретный метод зависит от характера вычислений и желаемой балансировки нагрузки. Не забудьте настроить диапазон цикла и вычисления в соответствии с вашим конкретным вариантом использования.