MPI_Allgather的负缩放

我正面临一个问题,因为我在C中编写并行分子动力学算法,其中所有核心计算最小的碰撞时间,然后通过MPI_Allgather将碰撞伙伴传递给所有其他核心以查看最早的碰撞.
我已经内置了一个时间测量功能,以查看我的程序的不同部分是如何缩放的.这表明,对于8个节点(192个核心),Allgather在100k时间步长上需要2000秒,而在20个节点(480)上需要5000秒.

我在Cray系统上使用带有以下标志的Cray编译器：

add_definitions(-DNDEBUG)
    set(CMAKE_C_FLAGS "-O3 -h c99,pl=./compiler_information,wp")
    set(CMAKE_EXE_LINKER_FLAGS "-h pl=./compiler_information,wp")

代码的一部分如下所示：

MPI_Barrier(cartcomm);

    START(scmcdm_Allgather); // time measure
        MPI_Allgather(v_min_cpartner,1,mpi_vector5,min_cpartners,cartcomm);
    STOP(scmcdm_Allgather); // time measure

其中mpi_vector5是一个包含5个双精度数的连续数据类型：

MPI_Type_contiguous(5,MPI_DOUBLE,&mpi_vector5);

这是正常的行为吗？我该如何优化？

更新：
感谢您的评论,我实施了另外两种解决问题的方法：

>如果它们在给定的时间步长内实际发生冲突(只有少数几个),则所有内核首先发送一个整数值,然后只有发生冲突的内核将其传递给核心0,然后核心0广播最小值.

这里第一步很慢,所有核心都与核心0通信.MPI是否有可能跳过这一步并有一个集体通信例程,其中只有部分核心参与？ (即最小的)

>我使用了具有碰撞时间和等级的double_int对来使用minloc函数,而不是使用vector5进行通信.具有最小冲突时间的核心然后广播vector5.

到目前为止,这个解决方案是最快的,但它仍然是负面扩展(8个节点上1600个,20个节点上3000个).

还有其他想法吗？