Thư Viện Tính Toán Song Song Trên Hệ Thống Supernode

Nghiên cứu môi trường phát triển lập trình xử lý song song trên hệ đa xử lý supernode với thư viện hàm cơ bản và ứng dụng thực tiễn.

• Tác giả: Nguyén Thanh Sen
• Trường học: Đại Học Kỹ Thuật Hỗ Chí Minh
• Chuyên ngành: Công Nghệ Thông Tin
• Đề tài: Thư Viện Tính Toán Song Song Trên Hệ Thống Supernode
• Loại tài liệu: luận văn
• Địa điểm: Hồ Chí Minh

Tóm tắt

I. Giới thiệu Tổng quan Thư Viện Tính Toán Song Song

Bài viết này đi sâu vào thư viện tính toán song song trên hệ thống Supernode, một lĩnh vực ngày càng quan trọng trong bối cảnh dữ liệu lớn và nhu cầu tính toán hiệu năng cao. Các hệ thống Supernode, với kiến trúc phức tạp và khả năng xử lý song song mạnh mẽ, đòi hỏi các thư viện chuyên dụng để khai thác tối đa tiềm năng. Chúng ta sẽ khám phá các khái niệm cơ bản, thách thức, phương pháp tiếp cận và ứng dụng thực tế của các thư viện này, cũng như xem xét các công cụ phổ biến như MPI (Message Passing Interface), OpenMP, CUDA và các thư viện số học như BLAS, LAPACK, ScaLAPACK, PETSc. Mục tiêu là cung cấp cái nhìn tổng quan và sâu sắc, giúp người đọc hiểu rõ và áp dụng hiệu quả các thư viện tính toán song song trên hệ thống Supernode.

1.1. Khái niệm cơ bản về Tính Toán Song Song

Tính toán song song là phương pháp chia nhỏ một bài toán lớn thành nhiều phần nhỏ hơn, sau đó giải quyết chúng đồng thời trên nhiều bộ xử lý hoặc lõi. Điều này giúp giảm thời gian tính toán đáng kể so với cách tiếp cận tuần tự truyền thống. Các mô hình lập trình song song phổ biến bao gồm data parallelism (chia dữ liệu) và task parallelism (chia công việc). Theo tài liệu, việc xây dựng mã và thiết kế cho tính toán song song đòi hỏi sự hiểu biết sâu sắc về kiến trúc phần cứng và các kỹ thuật tối ưu hóa hiệu năng.

1.2. Kiến trúc Hệ thống Supernode và Đặc điểm

Hệ thống Supernode thường có kiến trúc phức tạp, bao gồm nhiều nút tính toán (node) được kết nối với nhau thông qua mạng kết nối tốc độ cao. Mỗi node có thể chứa nhiều bộ xử lý hoặc lõi, và có thể sử dụng bộ nhớ chia sẻ phân tán hoặc bộ nhớ phân tán. Việc giao tiếp giữa các node là một yếu tố quan trọng ảnh hưởng đến hiệu năng tổng thể. Bài viết đề cập đến các thành phần cấu tạo của hệ thống Supernode và cách chúng tương tác với nhau để thực hiện các tác vụ tính toán song song.

II. Thách Thức Tối ưu Hiệu Năng Tính Toán Song Song

Việc tối ưu hóa hiệu năng trong tính toán song song trên hệ thống Supernode là một thách thức lớn. Các yếu tố như cân bằng tải, giảm thiểu giao tiếp giữa các node, và quản lý bộ nhớ hiệu quả đều ảnh hưởng đến hiệu năng tổng thể. Độ phức tạp tính toán của thuật toán cũng là một yếu tố quan trọng cần xem xét. Việc lựa chọn mô hình lập trình song song phù hợp và sử dụng các công cụ phân tích hiệu năng là cần thiết để đạt được hiệu suất tối ưu. Theo tài liệu, việc phân tích hiệu năng giúp xác định các điểm nghẽn và tối ưu hóa mã nguồn.

2.1. Cân bằng tải và Phân phối công việc hiệu quả

Cân bằng tải là quá trình phân phối công việc đồng đều giữa các bộ xử lý hoặc lõi để tránh tình trạng một số bộ xử lý quá tải trong khi các bộ xử lý khác rảnh rỗi. Các kỹ thuật domain decomposition (phân chia miền) có thể được sử dụng để phân chia dữ liệu hoặc công việc một cách hiệu quả. Việc phân tích hiệu năng giúp xác định sự mất cân bằng tải và điều chỉnh phân phối công việc cho phù hợp.

2.2. Giảm thiểu Giao tiếp giữa các Node và Tối ưu hóa Bộ nhớ

Giao tiếp giữa các node là một yếu tố quan trọng ảnh hưởng đến hiệu năng trong tính toán song song trên hệ thống Supernode. Việc giảm thiểu lượng dữ liệu trao đổi giữa các node và tối ưu hóa cách thức giao tiếp có thể cải thiện đáng kể hiệu năng. Quản lý bộ nhớ hiệu quả cũng rất quan trọng, đặc biệt là trong các ứng dụng sử dụng bộ nhớ chia sẻ phân tán.

2.3. Ảnh hưởng của Độ Phức Tạp Tính Toán và Thuật Toán

Độ phức tạp tính toán của thuật toán sử dụng ảnh hưởng trực tiếp đến thời gian thực thi của tính toán song song. Cần lựa chọn thuật toán phù hợp với kiến trúc hệ thống Supernode và tối ưu hóa chúng để giảm thiểu độ phức tạp.

III. Giải Pháp Sử Dụng Thư Viện BLAS LAPACK ScaLAPACK

Các thư viện BLAS (Basic Linear Algebra Subprograms), LAPACK (Linear Algebra PACKage) và ScaLAPACK (Scalable LAPACK) cung cấp các hàm số học tuyến tính cơ bản và nâng cao, được tối ưu hóa cho hiệu năng cao trên nhiều kiến trúc phần cứng. Chúng là các công cụ quan trọng cho các ứng dụng khoa học và kỹ thuật yêu cầu tính toán song song. ScaLAPACK đặc biệt hữu ích cho các hệ thống Supernode, vì nó được thiết kế để mở rộng quy mô tốt trên nhiều bộ xử lý.

3.1. Thư viện BLAS và các hàm số học tuyến tính cơ bản

Thư viện BLAS cung cấp các hàm số học tuyến tính cơ bản như phép nhân ma trận-ma trận, phép nhân ma trận-vector, và các phép toán vector-vector. Các hàm này được tối ưu hóa cho nhiều kiến trúc phần cứng, và là nền tảng cho nhiều ứng dụng khoa học và kỹ thuật.

3.2. Thư viện LAPACK cho giải hệ phương trình tuyến tính

Thư viện LAPACK cung cấp các hàm giải hệ phương trình tuyến tính, tính giá trị riêng, và phân tích ma trận. Nó dựa trên BLAS và được tối ưu hóa cho hiệu năng cao trên các hệ thống đơn bộ xử lý hoặc đa bộ xử lý với bộ nhớ chia sẻ.

3.3. Thư viện ScaLAPACK cho tính toán song song trên Supernode

Thư viện ScaLAPACK là phiên bản mở rộng của LAPACK cho các hệ thống Supernode và các hệ thống tính toán song song khác. Nó sử dụng MPI để giao tiếp giữa các bộ xử lý và được thiết kế để mở rộng quy mô tốt trên nhiều bộ xử lý. ScaLAPACK cung cấp các hàm giải hệ phương trình tuyến tính, tính giá trị riêng, và phân tích ma trận trên các ma trận lớn được phân phối trên nhiều bộ xử lý.

IV. Phương Pháp Sử dụng MPI OpenMP CUDA trong tính toán

MPI (Message Passing Interface), OpenMP, và CUDA là các API và ngôn ngữ lập trình cho phép phát triển các ứng dụng tính toán song song. MPI là một tiêu chuẩn cho lập trình song song sử dụng truyền thông điệp giữa các bộ xử lý, trong khi OpenMP là một API cho lập trình song song sử dụng bộ nhớ chia sẻ. CUDA là một nền tảng lập trình song song của NVIDIA cho phép sử dụng GPGPU (General-purpose computing on Graphics Processing Units) cho các ứng dụng tính toán song song.

4.1. MPI và lập trình song song sử dụng truyền thông điệp

MPI là một giao thức chuẩn hóa cho phép các tiến trình khác nhau giao tiếp và phối hợp với nhau trong một chương trình song song. MPI cho phép các tiến trình gửi và nhận tin nhắn, đồng bộ hóa và chia sẻ dữ liệu, tạo ra các chương trình song song mạnh mẽ và linh hoạt. Các hàm cơ bản của MPI bao gồm MPI_Init, MPI_Comm_size, MPI_Comm_rank, MPI_Send, MPI_Recv và MPI_Finalize.

4.2. OpenMP và lập trình song song sử dụng bộ nhớ chia sẻ

OpenMP là một API lập trình song song dựa trên bộ nhớ chia sẻ, cho phép các luồng (thread) khác nhau truy cập và thao tác dữ liệu chung trong cùng một không gian bộ nhớ. OpenMP sử dụng các chỉ thị (directive) để đánh dấu các vùng mã song song, các vòng lặp song song và các phần mã cần đồng bộ hóa. Các chỉ thị quan trọng của OpenMP bao gồm #pragma omp parallel, #pragma omp for, #pragma omp critical và #pragma omp barrier.

4.3. CUDA và tận dụng sức mạnh của GPGPU cho tính toán

CUDA là một kiến trúc và nền tảng lập trình song song được phát triển bởi NVIDIA, cho phép sử dụng các GPU (Graphics Processing Units) để thực hiện các tác vụ tính toán thông thường. CUDA cung cấp một mô hình lập trình linh hoạt và mạnh mẽ, cho phép các nhà phát triển tận dụng sức mạnh tính toán của GPU để tăng tốc các ứng dụng khoa học, kỹ thuật và tài chính.

V. Ứng Dụng Mô phỏng Khoa Học và Phân Tích Dữ Liệu Lớn

Các thư viện tính toán song song trên hệ thống Supernode được sử dụng rộng rãi trong nhiều lĩnh vực, bao gồm mô phỏng khoa học, phân tích dữ liệu lớn, học máy song song, và trí tuệ nhân tạo song song. Ví dụ, chúng có thể được sử dụng để mô phỏng các hiện tượng vật lý phức tạp, phân tích dữ liệu tài chính lớn, hoặc huấn luyện các mô hình học máy lớn.

5.1. Ứng dụng trong Mô phỏng Khoa học và Kỹ thuật

Các ứng dụng mô phỏng khoa học và kỹ thuật thường liên quan đến việc giải các phương trình vi phân, mô phỏng các hệ thống phức tạp và xử lý lượng lớn dữ liệu. Các thư viện tính toán song song như ScaLAPACK, PETSc và MPI cho phép các nhà khoa học và kỹ sư thực hiện các mô phỏng phức tạp với độ chính xác cao và thời gian tính toán hợp lý.

5.2. Phân tích Dữ liệu Lớn và Khai phá thông tin

Phân tích dữ liệu lớn đòi hỏi khả năng xử lý và khai thác thông tin từ các tập dữ liệu có kích thước rất lớn. Các thư viện tính toán song song cho phép các nhà phân tích dữ liệu thực hiện các tác vụ như phân loại, hồi quy, phân cụm và khai phá các mẫu dữ liệu ẩn chứa trong các tập dữ liệu lớn.

5.3. Học máy Song song và Trí tuệ nhân tạo

Học máy song song và trí tuệ nhân tạo đòi hỏi khả năng xử lý các mô hình phức tạp và huấn luyện chúng trên các tập dữ liệu lớn. Các thư viện tính toán song song cho phép các nhà nghiên cứu và phát triển học máy tăng tốc quá trình huấn luyện mô hình, cải thiện độ chính xác và mở rộng khả năng của các ứng dụng trí tuệ nhân tạo.

VI. Kết luận Tương lai của Thư Viện Tính Toán Song Song

Các thư viện tính toán song song trên hệ thống Supernode đóng vai trò quan trọng trong nhiều lĩnh vực khoa học, kỹ thuật, và công nghiệp. Với sự phát triển của phần cứng và thuật toán, các thư viện này sẽ tiếp tục phát triển và đóng góp vào việc giải quyết các bài toán phức tạp và khai thác tiềm năng của tính toán song song.

6.1. Xu hướng Phát triển của phần cứng tính toán song song

Sự phát triển của phần cứng tính toán song song đang diễn ra theo nhiều hướng khác nhau, bao gồm việc tăng số lượng lõi xử lý trên mỗi chip, phát triển các kiến trúc GPU mạnh mẽ hơn và cải thiện băng thông và độ trễ của bộ nhớ. Các xu hướng này tạo ra những thách thức và cơ hội mới cho việc phát triển các thư viện tính toán song song hiệu quả.

6.2. Các hướng Nghiên cứu và Phát triển Thuật toán

Các nhà nghiên cứu và phát triển đang nỗ lực để tạo ra các thuật toán tính toán song song hiệu quả hơn, tận dụng tối đa kiến trúc phần cứng hiện đại và giảm thiểu chi phí giao tiếp giữa các bộ xử lý. Các thuật toán mới này sẽ cho phép giải quyết các bài toán phức tạp hơn với hiệu suất cao hơn.

Trích đoạn nội dung tài liệu

TH hàn Củ ¿ii ¬. ỦY BAN NHÂN DÂN TP.HCM SỞ KHOA HỌC CÔNG NGHỆ & MÔI TRƯỜNG THƯ VIỆN HÀM CƠ BẢN VÀ MỘT SỐ CHƯƠNG TRÌNH ỨNG DỤNG Chủ nhiệm để tài: TS. NGUYEN THANH SON Tháng 08 năm 2000 MỤC LỤC 7. 1077 1 Thư viện tính toán song song dang template 1.

Cấu trúc của thư viện 1. Hướng dẫn lập trình.ononseeirrieriirrrrrrirrrrmrrie Một số chương trình ứng dụng IL. Phân chia tam giác Delaunay. Định nghĩa bài toán.

Ý nghĩa bài toán 2.3, Giải thuật tuần t 2. Thiết kế giải thuật song song. Giải hệ phương trình tuyến tính. Giải hệ phương trình tuyến tính.

Tim mi sta sai tối ưu. Mục đích của việc xây dựng mã sửa sa 4. Mã sửa sai cơ số khác 2 và các phương pháp xây dựn 4. Thiết kế và thực thi trên DPPT.

Kết quả đo đạt trên Supernode. Bài toán N-Body. Giới thiệu bài toán 5. Thiết kế và thực thi trên DPPT.

Thực thi trên hệ thống đa xử lý Supernode 5. Đánh giá và kết luận VI. Bài toán xử lý ảnh Mandelbrot 6. Giới thiệu bài toán.

Thiết kế và thực thi trên DPPT. Đánh giá và kết luận.--------eeesrrrrre Những người tham gia thực hiện để tài Hệ thống da xử lý Supernode GIỚI THIÊU song và dụ ng tro ng môi trường lập trình song sử viện hàm cho người “Nghiên cứu Việc xây dựng thư nh ữn g yêu cầu được đặt ra của đề tài dụng cụ thể là một tro ng Phần thực hiện một số ứng hệ đa xử lý Supernode". nh xứ lý song song trên phát triển lập trì người và xây dựng môi trường các hà m và các h sử dụng hàm nhằm hỗ trợ , cấu trúc dữ liệu của hiệu quả hơn. Các hàm này đã này sẽ giới thiệu các hàm một các h dễ dàn g và ứng dụng của mình hỆ thống lập trình phát triển các tối ưu khi ứng dụn g được thực hiện trên thiết kế sao cho c vụ được các được thử nghiệm về bao quá t hết các ứng dụng, nhưng phần nào phụ n bàm chưa tạo cơ sở Supemode.

Tuy thư việ trậ n, v. Mụ c đíc h của thư viện hàm là ma trình phát như các phép toán về dụng xây dựng trong quá bài toán thường gặp dụ ng đượ c ngư ời sử hàm của các ứng u. Ngoài ra, ban đâu để tập hợp các thừ a hư ởn g tro ng nhiều ứng dụng khác nha triển ứng dụng trên hệ thống và có thể tiế t mộ t số ứng du ng đã được xây dựng bằng i thiệu một cách khá chỉ g đó gồm: Phân chia tam giác trong phần này cũng giớ ern ode. Cá c ứng dụn hiện trên hệ thống Sup n N-Body và công cụ DPPT và thực ến tín h, Tì m mã sửa sai tối ưu, bài toá ương trình tuy delaunay, Giải hệ ph Mandelbrot.

nh thường vấp phải các vấn dụ ng trê n hệ thố ng Supernode người lập trì Khi phát tri ển ứng ang để sau đây: sẵn các dạ ng cấu trác dữ liệu phức tạp (m không cung cấp các tác vụ gửi nhận œ Ngôn ngữ lập trình nhị phâ n, bả ng băm, ma trận,,.) và h liên kết, cây động, danh sác dữ liệu dạng này. tác vụ phân g hóa the o các h chi a để trị đòi hỏi phải có Mộtsố giải thuật được song son thu gom dữ liệu kết ø quá trình khác và tác vụ trình đến các phối dữ liệu từ một quá nh tính toán trên từng quá trình kết thúc. sau khi quá trì ật toán song, quả về một quá trình n cơ bắn trê n ma trận theo giải thu số tác vụ tín h toá a Yéucdu cần có một song. ng trên h hỗ trợ và địn h hư ớn g việc phát triển ứng dụ nhằm mục đíc n của MPI “Thư viện được xây dựng việ n lập trì nh tín h tod n song song dựa trên nê quả là một thư đã được xây dựng.

Th ư viện hệ thống Supernode. Kết mplate Lib rar y (S PC TL ) Paralle] Computing Te sách liên kết, ánh xạ và ma đặt tên là Supernode (m ản g độn g, dan h trúc đữ liệu thường gap phép tính định thức, ph ép khử Gauss này bao gồm các cấu trậ n: ph ép nhâ n, toán cơ bản trên ma , thay đổi các trận) và một số phép oà i nh ữn g tác vụ cơ bản như duyệt, thêm, bớt các và giải hệ phương trình tuyến tính. Ng ợc hỗ trợ tác vụ liê n quan đến việc trao đổi trúc dữ liệu này còn đư t triển tiếp để phục vụ cho nhiều phần tử dữ liệu, các cấu n này còn có thể phá quá trình. Thư việ phần tử đữ liệu giữa các lớp bài toán khác.

1 ` : nh oa CN TT— Đạ i Họ c KỸ Thuật TP. Hồ ChíMi Kh Hệ thống đa xử lý Supernode dạng, thể hiện các tính chất khác nhau Các ứng dụng được phát triển trong để tài khá đa bài toán tam lý trên các cơ sở dữ liệu lớn như đối với nhu câu tính toán. Một số có nhủ cầu xử một số ví dụ khác lại có nhu cầu tính toán lớn giac delaunay hay giải phương trình tuyến tính, Mandelbrot. Kết sai hay bài toán N-Body và trong việc xử lý điều khiển như bài toán tìm mã sửa ngoài các công cụ và hệ thống tiện ích việc quả thu được cũng rất đa dạng.

Điều đó cho thấy còn phụ thuộc hệ thống song song kết quả cũng xây dựng và phát triển các ứng dụng trên các như tính chất của bài toán. vào cách giải quyết vấn để của người sử dụng cũng Chí Minh Khoa CNTT— Dai Hoc Kỹ Thuật TP. Hồ Hệ thống da xổ lý Supernode I. THU VIEN TÍNH TOÁN SONG SONG DẠNG TEMPLATE 1.

Tổng quan mục đích Thư viện template cho tinh todn song song (gọi tắt là SPCTL) được xây dựng nhằm mắng hỗ trợ cho người lập trình trên hệ thống Supernode các cấu trúc dữ liệu căn bản (bao gồm động, danh sách liên kết, ánh xạ và ma trận) và một số tác vụ trên ma trận (phép nhân, tính định thức, phép khử Gauss, giải hệ phương trình tuyến tính). Để đạt được tính tùy biến cao toàn bộ thư viện được hiện thực dưới dạng cdc template trên ngôn ngữ C++. Các cấu trúc đữ liệu mà thư viện SPCTL hỗ trợ có các đặc tính sau đây: từ a_ Người lập trình có thể xây dựng cấu trúc dữ liệu từ những kiểu dữ liệu cơ bản cũng như các kiểu do người dùng định nghĩa. đổi œ Chúng có các tác vụ để duyệt qua toàn bộ cấu trúc đữ liệu cũng như thêm, bớt, thay từng phần tử dữ liệu.

này sang a Chúng có các tác vụ để gửi toàn bộ hay một phần cấu trúc đữ liệu từ một rank rank khác. gọi ia œ Người lập trình có thể chia nhỏ và phân phối cấu trúc đữ liệu ở một rank (thường rank root rank) đến các rank khác và có thể thu gom các phần tử dữ liệu từ một nhóm các vé m6t root rank. lấy định thức và giải Các phép toán trên ma trận (bao gồm phép nhân, phép khử Gauss, phép phép toán này được một hệ phương trình tuyến tính) được thiết kế theo hướng song song. hiện thực dưới dang cdc template ham (function template) trên ngôn được thư viện SPCTL 'Thư viện SPCTL được xây dựng trên nên các hàm MPI.

Để sử đựng kiểu dữ liệu MPI, rank, người lập trình phải nắm vững các khái niệm cơ bản của chuẩn MPI như hướng đối tượng của commaunicator,. và biết sử dụng ngôn ngữ C+t đặc biệt là các đặc điểm nó. 12, Cấu trúc của thư viện hỗ trợ việc phát triển ứng dụng Hệ thống Supernode được cai dat LAM 6. Thư viện SPCTL các template nên nó chỉ trên hệ thống Supernode bằng ngôn ngữ C++.

Vì thư viện ở dưới dạng matrix. Người lập trình phải khai bao gồm các heađer file *.h, map-h, báo đường dẫn đến các /ile này trong các chỉ thị #include. Khoa CNTT ~ Đại Học Kỹ Thuật TP. Hỗ Chí Minh Hệ thống đa xử lý Supernode thi ứng Môi trường LAM của hệ thống Supemode cung cấp các tiện ích để biên dịch và thực sau đó dụng.

Ở mọi nođe và ở cả máy host đều có thể biên dịch chương trình bằng lệnh hcp và thực thi nó bằng lệnh mpirun. Hướng dẫn lập trình ngôn ngữ C++ Các cấu trúc dữ liệu được viết dưới dạng các template lớp (class template) của sử dụng chỉ ra đặt trong các file *. Kiểu của các phần tử của các cấu trúc đữ liệu này do người .} hay một và có thể là các kiểu cơ bản của ngôn ngữ C++ (chat, short, int, long, float, double. ứng class/struct do người lập trình định nghữa.

Vì vậy người lập trình phải chỉ ra kiểu MPI tương .) hoặc tạo (MPI_CHAR, MPI_SHORT, MPI_INT, MPI_LONG, MPI_FLOAT, MPIL DOUBLE ra kiểu MPI mới thông qua một số hàm thư viện MPI. Có tất cả bốn class template: CArray biểu diễn một mảng động, CList biểu diễn một danh khóa sách liên kết, CMatrix biểu diễn một ma trận và CMap biểu diễn một ánh xạ của các cặp và kiểu và gid ti. Cd ba template ddu đều có hai tham số lớp cho biết kiểu của phần tử dữ liệu tương ứng thông số truyền cho các tác vụ thêm, bới, thay đổi. Template cuối có bốn tham số lớp với kiểu của khóa, thông số của khóa, giá trị và thông số của giá trị.

Lớp Tất cả các class (emplate nói trên đều xuất phát từ một lớp co sé 1a CMPIObject. thông tin đế CMPIObject đóng gói các thông tin về kiểu dữ liệu MPI của các phần tử dữ liệu, roøt rank — là xác định rank, communicator chứa cấu trúc dữ liệu và thông tin cho biết đâu là tổn tại trên tất rank mà tại đó thực hiện phân phối/thu gom dữ liệu. Mỗi ineiance của lớp này sẽ cả các rank tạo ra từ đoạn chương trình khai báo lớp đó. Sơ đỗ lớp của SPCTL (theo ký hiệu của UML) được biểu điễn trong hình vẽ Khoa CNTT- Đại Học Kỹ Thuật TP.

Hồ Chí Minh Hệ thống đa xử lý Supernode CMPIObiect # m_MPIType : MPI_Datatype # m_Comm: MPI_Comm # m_nRank: int # m_nRoot: int #m_nCommSize: int + CMPIObject(mtyne: MPI_Datatype) + GetMPIType( ): MPI_Datatype + SetMPIType(mtype: MPI_Datatype) + GetRank( ): int + IsRoot( ) + GetRoot( ): Ì + SetRoot(int: nRoot) + GetComm( }: MPI_Comm + GetCommSize( ): int + SetComm(int nRoot=0, MPI_Comm comm=MPI_COMM_WORLD} + SetComm(CMPIObject *other) 1 ' ' TYPE: class, ¡ TYPE: class, H TYPE: class, L ;—ARG_ TYPE:class ARG_TYPE:class ¡ ARG _TYPE:class ' t Clist L_.}—~~---=~—~ CMatrixL _ ~ KEY: class, ARG_KEY:class, 1 al: class, ARG_VAL:class ' ' t TP.