WSE 与 PE：把数据放在拥有它的计算节点旁边

先把一个大问题拆成小所有者

假设六个整数为2、4、6、8、10、12，总和是42。我们让三个教学节点各持有两项，局部和分别是6、14、22。这里的“全局数组”是数学视图，实际数据可以分散在不同所有者。某节点要使用另一个节点的结果，必须通过明确的数据移动或通信得到它，不能凭空读取一个全局变量。

Cerebras的WSE由大量PE组成。公开CSL材料把PE程序、本地数据和PE之间的通信放在显著位置。初学时可以先想成许多小工作台，每个工作台附近有自己的材料，工作台之间按安排传递消息。这只是帮助建立所有权和通信直觉；真实路由、任务激活和资源限制需要对应SDK及架构文档。

复制同一程序，不等于把工作分开

公开多PE教程先展示在多个PE复制相同工作，再进一步展示跨PE共同完成一个计算。这两个阶段不能混淆。如果三个PE都处理完整六项输入，每个都得到42，再把它们相加得到126，就重复计算了三次。真正的数据并行分解需要明确每项由谁负责，以及最终结果怎样合并。

例一使用三个独立vector保存三份不重叠数据，然后显式收集局部和。它是普通C++逻辑模型，不是Cerebras fabric simulator。模型没有模拟PE指令、路由、时钟或通信阻塞；它验证的是数据分区和局部结果合并的数学关系。

本地容量迫使程序做预算

如果一个教学PE可给这次问题使用六个元素位置，而输入、输出和通信缓冲分别需要三、二、二，总需求七，已经超预算。不能因为输入只有三个元素就认为一定放得下。中间状态、双缓冲、暂存结果和协议数据也消耗空间。例二对这类预算做显式检查。

真实PE的本地存储还要考虑代码与实现资源，容量及布局受目标代际和SDK约束。教材不把某代产品的固定数字当所有设备共同性质。工作分配策略应该先满足容量与通信合同，再讨论增加并发；平均分配元素数也不一定平均分配计算量。

通信是算法的一部分

局部和6、14、22可以由host回读合并，也可以通过PE之间的某条通信算法合并。这两种方案的结果可能相同，但数据流、同步和性能含义不同。报告时要说清最终合并发生在哪里，不能把host完成的一步写成设备内完成。

沿一条三节点链传递累积值时，第一个发6，第二个加14后发20，第三个加22得42。链式依赖便于理解，却并非一定是性能最优方案。更复杂树形或集合通信需要更完整的路由和同步设计；先做对简单路径，才能清楚评估进一步并行化的收益与代价。

将图变成可验证程序

先在纸上写每个节点的输入、输出、发送内容和结束条件，再写CPU reference。测试至少包括一个节点、空分区、不能整除的长度、零值和负值。消息数量也应成为合同：等待两条消息的接收端，必须确实有两条对应发送。

学习本章时可以直接运行原创C++例子，核对数学与容量推理。真实CSL代码、fabric simulator运行和WSE硬件执行分别是后续不同层次的验证。我们只查公开资料，不需要读取任何私有项目源码或SDK结果，就能建立这个基本模型。

// Original CPU teaching model; not a device simulator or benchmark.
#include <iostream>
#include <vector>
#include <numeric>
#include <stdexcept>

void require(bool ok) { if (!ok) throw std::runtime_error("model check failed"); }

int main() {
 const std::vector<std::vector<int>> local{{2,4},{6,8},{10,12}};
 std::vector<int> partial;
 for(const auto& values:local) partial.push_back(std::accumulate(values.begin(),values.end(),0));
 const int total=std::accumulate(partial.begin(),partial.end(),0);
 require(partial==std::vector<int>({6,14,22}) && total==42);
 std::cout<<"partials="<<partial[0]<<' '<<partial[1]<<' '<<partial[2]<<" total="<<total<<'\n';
}

clang++ -std=c++20 -Wall -Wextra -Wpedantic -Werror -pthread 41-a.cpp -o example && ./example

partials=6 14 22 total=42

// Original CPU teaching model; not a device simulator or benchmark.
#include <iostream>
#include <stdexcept>

void require(bool ok) { if (!ok) throw std::runtime_error("model check failed"); }

int main() {
 const int input=3,output=2,communication=2,capacity=6;
 const int required=input+output+communication; const bool fits=required<=capacity;
 require(required==7 && !fits);
 std::cout<<"required="<<required<<" capacity="<<capacity<<" fits="<<fits<<'\n';
}

clang++ -std=c++20 -Wall -Wextra -Wpedantic -Werror -pthread 41-b.cpp -o example && ./example

required=7 capacity=6 fits=0