MS-MPI与MPI4PY在Windows集群环境下无法正常运行求助

问题场景 #

局域网由1台Windows 10 Pro管理节点和3台Windows 11 Pro工作节点组成，所有节点均已安装：

• MSMPI Microsoft MPI Startup Program Version 10.1.12498.52
• MPI4PY v.3.1.5
• Python 3.11.5

测试代码mpitest.py在各节点本地运行正常：

from mpi4py import MPI
comm = MPI.COMM_WORLD
rank = comm.Get_rank()

print("I am the process ",rank)

本地执行命令：

mpiexec python mpitest.py

但集群运行时出现异常：mpitest.py已放置在所有节点的C:\目录，仅管理节点C:\下有hosts.txt（内容为工作节点IP）：

xxx.xxx.xxx.1
xxx.xxx.xxx.2
xxx.xxx.xxx.3

执行集群启动命令后，管理节点无报错、处于等待状态，未收到各节点输出：

mpiexec -machinefile hosts.txt python mpitest.py

注：节点间Ping通信正常，已关闭防火墙及防护软件。

排查步骤 #

1. 验证账户一致性与远程权限 #

MSMPI依赖Windows本地账户进行远程身份验证，需确保：

• 所有节点使用相同用户名、密码的本地账户（不可用Microsoft账户），且该账户拥有管理员权限。
• 用psexec测试远程执行能力，比如在管理节点运行：

  psexec \\xxx.xxx.xxx.1 python --version
  

  若无法执行，说明账户权限或远程执行服务存在问题。

2. 修正hosts.txt格式 #

• 若需要管理节点参与计算，需将管理节点的IP/主机名加入hosts.txt；仅工作节点运行时，可在每个IP后指定进程数，比如xxx.xxx.xxx.1:1（每个节点跑1个进程）。
• 确保文件为纯文本格式（记事本保存为ANSI或UTF-8无BOM），无多余空格、换行。

3. 指定Python完整路径 #

集群节点的Python路径可能存在差异，执行命令时需指定完整路径，避免环境变量不一致导致的问题：

mpiexec -machinefile hosts.txt "C:\Python311\python.exe" C:\mpitest.py

4. 启用MSMPI调试日志 #

添加调试参数生成日志，查看远程连接细节：

mpiexec -machinefile hosts.txt -logfile mpi_debug.log python mpitest.py

查看mpi_debug.log，可定位连接失败、进程启动失败等具体原因。

5. 检查MSMPI服务状态 #

在所有工作节点的服务管理器中，确认Microsoft MPI Service服务已启动，且启动类型设为自动。若服务未运行，手动启动后重新测试。

6. 确认文件路径与权限一致性 #

• 验证所有节点的mpitest.py确实在C:\根目录，且指定账户拥有读取、执行权限。
• 在工作节点手动执行python C:\mpitest.py，确认本地运行无问题。

内容的提问来源于stack exchange，提问作者horus