有热心网友给出了下面的回答：

并行之前将数据broadcast到每个core,分别计算
你要写文件之前,需要将数据重新collect到同一个core来写文件,因为每个core的运算不可能同时结束,所以需要synchronization
如果涉及文件读写,基本框架是:

master读文件
broadcast/划分数据给children
所有children并行运算
collect数据到master(同步)
master写文件

而且给了一个c语言的例子：
谁可以将它转成fortran？
最好带输出文件的，最后写到一个文件里

#include "mpi.h"

#include <stdio.h>

int main(int argc, char *argv[] ) {


 int numprocs, rank, chunk_size,chunk_extra i,j;

 int max, mymax,rem;

 int matrix[800][800];

 int vector[800];

 int local_matrix[800][800];

 int result[800];

 int global_result[800];
 MPI_Status status;
 
 /* 初始化 */
 MPI_Init( &argc,&argv);
 MPI_Comm_rank( MPI_COMM_WORLD, &rank);
 MPI_Comm_size( MPI_COMM_WORLD, &numprocs);

 printf("Hello from process %d of %d \n",rank,numprocs);
    chunk_size = 800/numprocs;
 
 if (rank == 0) { /* Only on the root task... */
 /* 初始化矩阵和向量*/
  for(i=0;i<800;i++) {
   vector[i] = i;
     for(j=0;j<800;j++) {
    matrix[i][j] = i+j;
     }
  }
 }

 /* 分发向量*/
   /*  每个都要*/
 MPI_Bcast(vector,800,MPI_INT,0,MPI_COMM_WORLD);
   
 /* 分发矩阵 */
 /* 行数/处理器数目*/
   /* 每一块是800×chunk_size */ 
 MPI_Scatter(matrix,800*chunk_size,MPI_INT,local_matrix,800*chunk_size,MPI_INT, 0,MPI_COMM_WORLD);

   /*开始工作，即进行乘法，生成部分向量 */
   for(i=0;i<chunk_size;i++) {
  result[i]=0;
    for(j=0;j<800;j++) {
          result[i] += local_matrix[i][j]*vector[j];
  }
 }

   /*归约*/ 
 MPI_Gather(result,chunk_size,MPI_INT,global_result,chunk_size,MPI_INT, 0,MPI_COMM_WORLD);

 /*显示结果 */
 if(rank==0) {
  for(i=0;i<800;i++) {
   printf(" %d \t ",global_result[i]);
  }
   }

 MPI_Finalize();
 return 0;
}

 

问题找到了。我的程序串行的时候最大内存占到48%，并行运算，8个节点，我发现每个节点占内存占到了12%多，妈呀，内存占满了，然后再继续运算的话就退出了。
很奇怪，串行运算内存48%，8个节点同时运算的话每个节点占内存应该在8%吧？怎么会达到12%呢？