摆烂了整整一年。

工作的事情，真的影响心情。

目录

• NCCL
• • 相关系列
  • 简述
  • 背景
  • 集合通讯
  • • P2P，点对点通信
    • CC, 集合通信
    • • Broadcast, 广播
      • Scatter，单发多收
      • Gather，多发单收
      • All Gather
      • Reduce
      • All Reduce
      • Reduce-Scatter
      • All to All
      • 可能存在的问题
      • 代码结构
      • • 编译
        • 测试
        • 其他
        • • 1、Group
          • 2、Sendrecv
          • 相关系列

            NCCL

            相关系列

            【分布式】NCCL部署与测试 - 01

            【分布式】入门级NCCL多机并行实践 - 02

            【分布式】小白看Ring算法 - 03

            【分布式】大模型分布式训练入门与实践 - 04

            简述

            NCCL（NVIDIA Collective Communications Library）是一种由NVIDIA开发的高性能通信库，专门用于加速多GPU系统中的并行计算工作负载。NCCL旨在优化多GPU之间的数据传输和通信，以实现更快的并行计算速度。

            也就是说NCCL可以加速GPU通信，降低通信开销

            NCCL具备以下通信模式（后文有详细介绍）：

            点对点通信：允许两个特定的GPU之间直接交换数据。

            群集通信：NCCL还支持集体通信，这些操作涉及多个GPU之间的数据交换

            NCCL还具有的其他功能

            拓扑感知通信：识别多GPU系统的拓扑结构，并优化通信以最大程度地减少通信延迟和带宽消耗。

            异步通信：允许计算操作与通信操作并行执行，从而提高了系统的效率。

            那么也就是说我们可以通过一下几个方向来了解什么是NCCL

            本章节只放了集合通讯相关和一些零碎的内容，后续再讲其他的。

            背景

            是什么限制了并行计算应用？

            1 并行计算任务的效率

            • 可供使用的并行数量
            • 分配给每个处理器的任务

              2 各个任务之间的通信开销

              • 通信量
              • 计算与通信的重叠程度

                集合通讯

                任务之间有哪些通讯模式

                Point-to-point communication （P2P, 也就是点对点）

                • 单一发送方，单一接收方
                • 高效通信相对好实现

                  Collective communication（CC, 集合通信）

                  • 多个发送方和/或接收方
                  • 模式有broadcast, scatter, gather, reduce, all-to-all, …
                  • 很难做到高效

                    P2P，点对点通信

                    P2P是HPC 中最常见的模式，其中通信通常是与最近的邻居

                    

                    CC, 集合通信

                    

                    Broadcast, 广播

                    

                    Scatter，单发多收

                    

                    Gather，多发单收

                    

                    All Gather

                    

                    Reduce

                    

                    All Reduce

                    

                    Reduce-Scatter

                    

                    All to All

                    

                    可能存在的问题

                    1. 有多个发送方和/或接收方会加剧通信效率低下

                       • 对于小额传输，延迟占主导地位，更多参与者会增加延迟

                       • 对于大型传输，带宽是关键，瓶颈很容易暴露出来

                       • 可能需要拓扑感知实现以实现高性能

                       • CC通常是阻塞/不重叠的

                    2. 使用场景

                       • 深度学习 (All-reduce, broadcast, gather)

                       • 并行FFT 傅里叶变换(Transposition is all-to-all)

                       • 分子动力学 (All-reduce)

                       • 图形分析(All-to-all)

                    3. 如何扩展？需要高效的通信算法和谨慎的实现

                       • 通信算法依赖于拓扑

                       • 拓扑可能很复杂 - 并非每个系统都是一棵肥树

                       • 大多数集合体都适合在环上实现带宽优化，并且许多拓扑可以解释为一个或多个环[P. Patarasuk and X. Yuan]

                    代码结构

                    仓库：NCCL Github

                    测试仓库：Nccl-test Github

                    编译

                    可直接参考Readme。

                    默认有cuda环境不用设置，如果有多个cuda环境，需要在make的时候指定CUDA_HOME。

                    git clone https://github.com/NVIDIA/nccl.git
                    cd nccl
                    make src.build CUDA_HOME=
                    

                    直接编译：

                    make -j src.build
                    

                    测试

                    运行时可以从nccl-test入手。同样参考Github的README即可。

                    NCCL和nccl-test都是使用makefile编写的链接。

                    git https://github.com/NVIDIA/nccl-tests.git
                    cd nccl-tests
                    make CUDA_HOME=/path/to/cuda NCCL_HOME=/path/to/nccl
                    

                    测试时：

                    Run on 8 GPUs (-g 8), scanning from 8 Bytes to 128MBytes :

                    $ ./build/all_reduce_perf -b 8 -e 128M -f 2 -g 8
                    

                    Run with MPI on 10 processes (potentially on multiple nodes) with 4 GPUs each, for a total of 40 GPUs:

                    $ mpirun -np 10 ./build/all_reduce_perf -b 8 -e 128M -f 2 -g 4
                    

                    其他

                    1、Group

                    通过任意一个nccl-test，我们可以看到大部分原语操作都要在前后包裹ncclGroupStart()和ncclGroupEnd()。这个搭配是成对的，并且可以嵌套完成。Start开始以后，会根据你调用接口的同步异步模式进行差异处理，最后调用End才是真正执行。

                    如果是同步模式，则Start以后会立即调用，如果是异步模式，则会直接把这一组操作加入任务队列。

                    NCCL_API(ncclResult_t, ncclGroupStart);
                    ncclResult_t ncclGroupStart() {
                      ncclResult_t ret = ncclSuccess;
                      NVTX3_FUNC_RANGE_IN(nccl_domain);
                      NCCLCHECK(ncclGroupStartInternal());
                      TRACE_CALL("ncclGroupStart()");
                      return ret;
                    }
                    NCCL_API(ncclResult_t, ncclGroupEnd);
                    ncclResult_t ncclGroupEnd() {
                      ncclResult_t ret = ncclSuccess;
                      NVTX3_FUNC_RANGE_IN(nccl_domain);
                      NCCLCHECKGOTO(ncclGroupEndInternal(), ret, exit);
                      TRACE_CALL("ncclGroupEnd()");
                    exit:
                      return ret;
                      }
                    

                    2、Sendrecv

                    另外，代码中实际存在的原语只有：

                    （在src/collectives/目录下）

                    • all_gather.cc
                    • all_reduce.cc
                    • broadcast.cc
                    • reduce.cc
                    • reduce_scatter.cc
                    • sendrecv.cc

                      也就是说，实际应用场景下，其他的模式全都是用sendrecv.cc实现的，包括all-to-all等。

                      相关系列

                      【分布式】NCCL部署与测试 - 01

                      【分布式】入门级NCCL多机并行实践 - 02

                      【分布式】小白看Ring算法 - 03

                      【分布式】大模型分布式训练入门与实践 - 04

                       
                       中国免费企业建站  北京企业网站设计制作  网站设计答辩常问问题  网站收录入口  如何免费制作一个网站  上海专业网站建设价格