Linux下编译MUMPS：从源码到可执行文件的完整实践

1. 为什么要在 Linux 上自己编译 MUMPSMUMPSMUltifrontal Massively Parallel sparse direct Solver是一套面向稀疏矩阵的并行直接求解器做有限元、计算流体、结构仿真、电磁场这类工程计算时经常会遇到 Axb 里 A 是几十万甚至上百万阶稀疏矩阵的情况。直接法相比迭代法优势在于对病态矩阵更稳、多右端项复用分解结果效率高而 MUMPS 正是这个领域被引用最多的开源实现之一。它支持实数/复数、单精度/双精度、对称/非对称矩阵还能通过 OpenMP、MPI、BLAS/LAPACK、ScaLAPACK、Scotch、METIS 等组件把性能拉满。那为什么不直接用 apt 装Ubuntu 仓库里确实有libmumps-dev但版本往往落后编译选项固定遇到需要 int64 索引、需要和 PETSc 或自研求解框架对接、需要 Debug 符号定位数值问题时发行版包就不够用了。自己从源码编译你能控制整数位宽、是否开 OpenMP、链接哪套 BLAS、安装路径和 RPATH后续排查链接错误也心里有数。这篇面向的是在 Linux 本地或工作站上从零把 MUMPS 编译成可执行库并验证可用的完整流程。适合已经会基本 CMake 和 GCC 命令、但没亲手编过 MUMPS 的工程师。我会给出可复制的依赖安装、CMake 配置、编译命令以及一个真正能跑通的最小验证程序。编译过程中最容易卡住的几个报错我也会逐个拆开讲。需要说明的是编译本身是纯本地行为不涉及任何网络访问工具如果你在配置 AI 辅助编码环境时需要统一管理模型调用可以了解下 TaoToken 这类聚合入口但本文重点始终放在 MUMPS 编译本身。2. 编译前的依赖准备与 TaoToken 环境说明MUMPS 本身不复杂复杂的是它依赖的数学库链条。核心依赖分三层底层 BLAS/LAPACK 提供稠密矩阵运算中间层 Scotch/METIS 提供图划分以降低填充上层 MPI/ScaLAPACK 提供分布式并行。你可以按需裁剪但第一次编译建议先把基础组合跑通再逐步加组件。在 Ubuntu 22.04 上最省事的依赖安装方式是用 apt 装 OpenBLAS、LAPACK、Scotch、METIS 和 OpenMPIsudo apt update sudo apt install -y build-essential cmake git gfortran \ libopenblas-dev liblapack-dev libscotch-dev libmetis-dev \ libopenmpi-dev openmpi-bin装完后确认版本避免后面 CMake 找不到gcc --version cmake --version mpirun --version ldconfig -p | grep -E openblas|scotch|metis如果你追求极致性能可以换成 Intel oneAPI 的 MKL 和 icx/icpx 编译器。oneAPI 安装后需要 source 环境脚本让编译器进入 PATHsource /opt/intel/oneapi/setvars.sh which icx icpx mpiicx这里有个容易忽略的点oneAPI 自带的 MPI 和系统 OpenMPI 可能冲突编译时要么统一用 Intel MPI要么统一用系统 OpenMPI不要混用否则链接阶段会出现符号重复或找不到MPI_Init的问题。关于 TaoToken它在这里的角色是当你在调试编译脚本、让 AI 帮你读 CMake 报错、生成 CMakePresets 或写验证程序时可以通过统一的 API 入口调用不同模型省去在多个平台间切换。它的 API 地址是 https://taotoken.net/api 模型对话入口在 https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 。这些只是辅助工具和 MUMPS 编译没有强绑定你完全可以只用本地终端完成全部工作。依赖装好后建议先验证 OpenBLAS 能被链接echo int main(){return 0;} t.c gcc t.c -lopenblas -o t ./t echo BLAS link OK这一步能过说明基础工具链没问题可以进入源码编译阶段。3. 可复制的 MUMPS 源码编译配置MUMPS 官方源码在 mumps-solver.org但手动处理它的依赖顺序比较繁琐。社区维护的 mumps-superbuild 把 MUMPS 及其依赖Scotch、METIS、ScaLAPACK 等用 CMake ExternalProject 串起来一条命令就能拉齐非常适合第一次编译。下面这套流程我在 Ubuntu 22.04 GCC 11 上实测可用。先拉源码并切到稳定 taggit clone https://github.com/scivision/mumps-superbuild.git cd mumps-superbuild git checkout v5.8.2.0接着创建CMakeUserPresets.json把编译选项固化下来。这个文件放在仓库根目录CMake 会自动读取。下面这份配置开启了单双精度、复数、OpenMP、Scotch关闭了 METIS 和 ScaLAPACK先用最小依赖跑通{ version: 6, cmakeMinimumRequired: { major: 3, minor: 20, patch: 0 }, configurePresets: [ { name: linux_default, hidden: true, inherits: default, binaryDir: ${sourceDir}/out/build/${presetName}, cacheVariables: { CMAKE_INSTALL_PREFIX: ${sourceDir}/out/install/${presetName}, CMAKE_BUILD_TYPE: Release, BUILD_SINGLE: true, BUILD_DOUBLE: true, BUILD_COMPLEX: true, BUILD_COMPLEX16: true, MUMPS_parallel: true, MUMPS_openmp: true, MUMPS_scotch: true, MUMPS_metis: false, MUMPS_scalapack: false, BUILD_SHARED_LIBS: true } }, { name: linux_gcc_release, hidden: false, inherits: linux_default, displayName: Linux GCC Release, generator: Unix Makefiles, cacheVariables: { CMAKE_C_COMPILER: /usr/bin/gcc, CMAKE_CXX_COMPILER: /usr/bin/g, CMAKE_Fortran_COMPILER: /usr/bin/gfortran } } ], buildPresets: [ { name: linux_gcc_release, configurePreset: linux_gcc_release } ] }几个关键参数解释一下。MUMPS_intsize64控制整数索引位宽默认 32 位矩阵规模超过约 20 亿非零元才需要开 64 位普通工程问题保持默认即可。BUILD_SHARED_LIBS设为 true 生成.so方便后续动态链接如果你要做静态部署改成 false。MUMPS_scotch开启后会用 Scotch 做填充减少对稀疏直接法性能影响很大建议保留。配置和编译cmake --preset linux_gcc_release cmake --build --preset linux_gcc_release -j$(nproc)编译过程会依次构建 METIS/Scotch如果开启、BLAS 接口、MUMPS 主体最后安装到out/install/linux_gcc_release。整个流程在 8 核机器上大约 5 到 10 分钟。完成后检查产物ls out/install/linux_gcc_release/lib ls out/install/linux_gcc_release/include你应该能看到libdmumps.so、libmumps_common.so、libpord.so以及对应的头文件。到这里MUMPS 库就编译好了。4. 验证 MUMPS 库可用的测试请求编译成功不等于能用必须写一个最小程序实际调用一次求解确认链接、符号、运行时库路径都对。下面这个 C 程序构造一个 3x3 的稀疏矩阵用 MUMPS 求解 Axb然后打印解向量。新建test_mumps.c#include stdio.h #include stdlib.h #include dmumps_c.h #define JOB_INIT -1 #define JOB_END -2 #define USE_COMM_WORLD -987654 int main(void) { DMUMPS_STRUC_C id; int n 3, nz 5; int irn[5] {1, 2, 3, 1, 2}; int jcn[5] {1, 2, 3, 2, 3}; double a[5] {2.0, 2.0, 2.0, 1.0, 1.0}; double rhs[3] {1.0, 2.0, 3.0}; id.comm_fortran USE_COMM_WORLD; id.par 1; id.sym 0; id.job JOB_INIT; dmumps_c(id); id.n n; id.nz nz; id.irn irn; id.jcn jcn; id.a a; id.rhs rhs; id.icntl[0] -1; id.icntl[1] -1; id.icntl[2] -1; id.icntl[3] 0; id.job 6; dmumps_c(id); if (id.infog[0] 0) { printf(MUMPS error: %d\n, id.infog[0]); return 1; } printf(Solution: x1%.4f x2%.4f x3%.4f\n, rhs[0], rhs[1], rhs[2]); id.job JOB_END; dmumps_c(id); return 0; }编译并运行注意把路径换成你自己的安装目录MUMPS_DIR$PWD/out/install/linux_gcc_release gcc test_mumps.c -o test_mumps \ -I${MUMPS_DIR}/include \ -L${MUMPS_DIR}/lib \ -ldmumps -lmumps_common -lpord -lscotch -lscotcherr \ -lopenblas -lpthread -lm \ -Wl,-rpath,${MUMPS_DIR}/lib ./test_mumps如果输出类似Solution: x1... x2... x3...且没有报错说明 MUMPS 库已经可以正常调用。这里-Wl,-rpath很关键它把库路径写进可执行文件避免运行时找不到.so。如果你不想用 rpath也可以设置环境变量export LD_LIBRARY_PATH${MUMPS_DIR}/lib:$LD_LIBRARY_PATH验证通过后你就可以在自己的求解框架里链接这套库了。如果后续需要让 AI 帮你生成更复杂的调用代码或解析 MUMPS 的 info 数组含义可以通过 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 获取 API Key再配合接入文档使用。5. 编译与运行中的常见报错排查这一节把我在编译 MUMPS 时真实踩过的坑列出来对照报错定位会快很多。报错一CMake Error: Could not find SCOTCH即使你装了libscotch-devCMake 有时仍找不到因为 Scotch 的头文件路径和库名在不同发行版里不一致。解决办法是在 preset 里显式指定SCOTCH_INCLUDE_DIR: /usr/include/scotch, SCOTCH_LIBRARY: /usr/lib/x86_64-linux-gnu/libscotch.so如果关闭了MUMPS_scalapack却仍提示找不到 scalapack这是 mumps-superbuild 里config.cmake.in生成MUMPSConfig.cmake时的已知问题它会把未启用的组件也写进依赖。处理方式是在 CMake 配置时加-DMUMPS_scalapackOFF并清理out/build缓存后重新配置不要复用旧缓存。报错二undefined reference to MPI_Init这是 MPI 编译器没对上。如果你用系统 OpenMPI编译验证程序时要用mpicc而不是gccmpicc test_mumps.c -o test_mumps -I${MUMPS_DIR}/include -L${MUMPS_DIR}/lib -ldmumps -lmumps_common -lpord -lscotch -lscotcherr -lopenblas如果用的是 Intel oneAPI则用mpiicx。混用会导致符号找不到。报错三error while loading shared libraries: libdmumps.so: cannot open shared object file运行时找不到库两种解法编译时加-Wl,-rpath,${MUMPS_DIR}/lib或者运行时export LD_LIBRARY_PATH${MUMPS_DIR}/lib:$LD_LIBRARY_PATH。推荐前者部署时更省心。报错四INFOG(1) -9或-10这不是编译错误是运行时 MUMPS 报的。-9通常表示内存不足-10表示矩阵结构有问题比如 irn/jcn 索引越界或重复。检查你的稀疏矩阵输入MUMPS 的索引是 1-based不是 0-based这点和很多 C 库不同容易写错。报错五local proxy failed或401如果你在配置 AI 辅助工具时遇到这类报错通常是 API Key 或 Base URL 配置不对。以 Cline 或 Claude Code 这类工具为例需要同时确认三件套Base URL 填https://taotoken.net/apiKey 从控制台获取Model ID 按文档填写。三者缺一都会报 401 或代理失败。控制台在 https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 配置文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 。报错六reading choices解析失败这类报错一般出现在调用模型接口时返回体格式不符合预期检查请求是否带了正确的Content-Type: application/json以及模型名是否拼写正确。和 MUMPS 编译无关但如果你在同一台机器上同时做编译和 AI 辅助开发容易混淆日志来源建议分开终端窗口。排查时养成一个习惯先看 CMake 配置阶段的输出再看编译阶段的第一个 error不要被后面连锁报错带偏。MUMPS 的报错往往第一个才是根因。6. 把编译好的 MUMPS 接入你的求解流程库编译并验证通过后下一步是把它接入实际项目。如果你用 CMake 管理自己的工程可以在CMakeLists.txt里这样引用set(MUMPS_DIR /path/to/out/install/linux_gcc_release) find_library(DMUMPS_LIB dmumps PATHS ${MUMPS_DIR}/lib REQUIRED) find_library(MUMPS_COMMON_LIB mumps_common PATHS ${MUMPS_DIR}/lib REQUIRED) find_path(MUMPS_INCLUDE_DIR dmumps_c.h PATHS ${MUMPS_DIR}/include REQUIRED) target_include_directories(your_target PRIVATE ${MUMPS_INCLUDE_DIR}) target_link_libraries(your_target PRIVATE ${DMUMPS_LIB} ${MUMPS_COMMON_LIB} openblas)如果你用 PETSc编译 PETSc 时加--with-mumps-dir${MUMPS_DIR}就能让 PETSc 自动发现这套 MUMPS后续用-pc_type lu -pc_factor_mat_solver_type mumps直接调用。对于长期做稀疏求解、需要反复调试编译参数和求解器配置的场景可以考虑用 Coding Plan 统一管理模型调用额度入口在 https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 适合把 AI 辅助编码和本地编译流程结合起来用。最后给一个实用建议把编译好的 MUMPS 安装目录打包备份记录下当时的 CMake preset 和编译器版本。稀疏求解器的性能对 BLAS 实现和编译优化等级很敏感Release 和 Debug 版本的结果可能差几倍保留一份可复现的构建记录比事后重新猜参数省事得多。编译完成后先用小矩阵验证正确性再上大规模问题测性能这个顺序不要颠倒。