main.py是Python主程序，比如是一个统计模拟程序，需要执行很多次，可以通过HPC Pack提交到服务器集群运行。
一、main.py示例
为了进行分布式计算，main.py大致如下
#===============================
import sys
#读取参数，可用于区别输出结果的文件名
i = sys.argv[1]
#输出路径，输出到当前路径（HPC Pack提交作业时指定的working directory）
path = sys.path[0]
#打开输出结果的文件
file_handle = open(path +"/out" + str(i) +".txt", "w")
#your simulation code here
#程序中不要使用任何并行包
#以下假定输出sys.path
for line in sys.path:
file_handle.write(line+'\n')
file_handle.close()
#===============================
main.py和所需的数据文件，请存放在Z盘，以下假设在Z:\DjobTest目录。
二、测试main.py是否可以正确运行
进入Windows的“命令提示符”窗口（注意请勿双击桌面上的Anaconda Prompt图标进入）
进入main.py所在目录，输入cd Z:\DJobTest，并回车
再输入C:\ProgramData\Anaconda3\python.exe main.py 10，并回车，该命令将给出当i=10时的main.py的计算结果。
该示例程序会在Z:\DjobTest目录输出一个out10.txt。观察是否正确执行，是否输出了正确的结果。测试正确后进入下一步。如果提示出现mkl-service package failed to import的错误，请参见本文后面的解决方案。
注意：在测试时，请减少程序计算量，以方便快速出结果，节省测试时间。
三、分布式作业的建立及注意事项
（一）创建用于测试的分布作业
1. 打开Job Manager
鼠标点击Start -> Microsoft HPC Pack 2019 -> HPC Job Manager，找开HPC 2019作业管理器。
2. 新建参数扫描作业（Parametric Sweep Job）
在窗口右侧单击“新建参数扫描作业”（New Parametric Sweep Job）
3. 作业属性设置
作业模板（Job template）：Core（可用的模板名称，请联系管理员！）
起始值（Start value）：1
最终值（End value）：2
增量值（Increment value）：1
命令行（Command line）：C:\ProgramData\Anaconda3\python.exe main.py *
工作目录（Working directory）：\\ufs\<sharename>$\<username>\DJobTest
其中，\\ufs\<sharename>$\<username>可以通过print(os.getenv("HOMESHARE"))获得，也可以直接在cmd窗口输入命令set，然后查看HOMESHARE的值。
4. 最后选择提交（Submit），将创建2个测试任务，并开始计算。
提交后，可以在HPC Pack 2019 Job Manager中查看作业运行状态、所分配的资源、错误输出等信息。
注意：测试分布程序时，请务必创建少量任务。测试通过后可正式提交分布运算任务，最好不要超过100个任务。
（二）注意事项
1. 请务必使用网络路径
作业属性的“工作目录”，必须指定为main.py和所需数据文件所在的目录，而且必须是网络路径，也就是要把“Z:”改成UNC路径，可以通过print(os.getenv("HOMESHARE"))获得，也可以直接在cmd窗口输入命令set，然后查看HOMESHARE的值。
2. 结果务必输出到磁盘上
进行分布计算时，请务必将结果写入到工作目录（或Z盘其他目录）。
3. 建议每次最多建立100个任务，否则建立任务的时间可能会大大超过任务计算的时间！
4. Python程序中请勿使用任何并行包。
四、关于加载安装在USER_SITE目录的Python包
用户可能会通过pip install --user命令，将包安装到USER_SITE目录，在提交并行作业时，如果想加载该目录下的包，需要通过以下语句将USER_SITE目录加入到搜索路径中
import sys,os,site
mypath=site.getusersitepackages()
mypath=mypath.replace('Z:',os.getenv('HOMESHARE'))
sys.path.append(mypath)
五、关于使用自己建立的Python环境
上述示例中使用的是Anaconda的base环境（C:\ProgramData\Anaconda3\python.exe）。有的时候你可能需要使用自己建立的python环境，方法如下：
（一）建立Python环境
1. 双击桌面上的Anaconda Prompt
2. 建立虚拟环境并激活
conda create -n <环境名称>，比如conda create -n mypython
conda activate <环境名称>，比如conda activate mypython
3. 安装你所需的包
用conda install安装，如conda install geopandas
以上会自动安装python
如果想要安装指定版本的python，请在安装其他包之前，先安装python
conda install python=3.8.8（指定某个python版本）
然后再安装其他包
上述安装好的环境保存在“Z:\User\Documents\Python\Conda\envs\<环境名称>”目录。
（二）HPC Pack中使用自建的Python环境
在新建参数扫描作业（Parametric Sweep Job）后，命令行（Command line）由“C:\ProgramData\Anaconda3\python.exe main.py *”改成
\\ufs\<sharename>$\<usernaem>\User\Documents\Python\Conda\envs\<环境名称>\python.exe mymain.py *
注意其中的“\\ufs\<sharename>$\<usernaem>”就是“Z:”的网络路径，可以通过print(os.getenv("HOMESHARE"))获得，也可以直接在cmd窗口输入命令set，然后查看HOMESHARE的值。
