TA的每日心情 | 开心 2020-4-8 10:45 |
---|
签到天数: 227 天 [LV.7]分神
|
本帖最后由 xiejin77 于 2025-2-26 09:45 编辑
2 s& ]! U$ J& \! R; w( @4 G
. U' W2 A f& b% k8 O% H! ~0 VDeepSeek DeepEP:MoE 训练/推理加速,开源通信库背后的工程哲学# k2 q7 m+ j; c! Y
在发布了 DeepSeek-V3 相关的研究成果之后,DeepSeek 团队开源了其关键组件之一:DeepEP。DeepEP,全称 Deep Expert Parallelism,是一个专为混合专家(MoE)模型和专家并行(EP)训练及推理而设计的通信库。它的发布,不仅展示了 DeepSeek 团队在分布式系统和高性能计算方面的深厚积累,更体现了一种以实际问题为导向、开放协作的工程哲学。2 k4 N6 H% @% a: N+ ^+ ?
" E# v9 P( `0 y5 B一、DeepSeek 开源第二天,DeepEP 亮相
/ ?3 w& l7 W w6 lDeepSeek-V3 相关研究成果,在经济性和性能之间取得了卓越的平衡。其背后离不开两个关键因素:一是精妙的 Mixture-of-Experts (MoE) 架构设计;二是高效的底层系统支持。DeepEP 正是后者中的关键一环,它为 MoE 模型的大规模分布式训练和低延迟推理提供了必要的通信基础设施。
( e" v* b; s; d# X
3 }% i# g( h* y. iMoE 模型的核心思想是将一个大型模型分解为多个“专家”网络,每个专家负责处理输入的不同方面。这种结构使得模型可以在保持计算效率的同时,拥有庞大的参数容量。然而,这也带来了新的挑战:专家网络通常分布在不同的 GPU 上,模型参数和中间激活值需要在 GPU 之间频繁交换。通信效率直接影响着训练速度和推理性能,成为 MoE 模型能否成功的关键。DeepEP 的出现,正是为了解决这一核心问题。
2 C7 {1 x8 ^! {* U+ P% b
" @( W8 t# n) C7 Z, C; a, a9 {二、DeepEP 技术亮点:超越速度的深度优化# |2 D. c7 r6 S- o! _) T7 p
DeepEP 的设计目标不仅仅是提供高速通信,更是在多个层面上进行了深度优化,使其成为 MoE 模型训练和推理的理想选择。这个其中尤其是第三点,对于非延迟内核的RDMA支持,这个其实涉及到一个非常隐蔽的设定。从本质上来说,是规避了对于大模型训练的英伟达的IB体系,甚至是Mellanox的依赖。这一点对于禁运都是有非常大意义的(利好菊厂、中兴之类的甚至还有国内生产RDMA网卡的创业企业)。
' t n \0 C/ t- a4 K+ K
4 f9 E0 T7 [1 m! O( S$ t8 M全到全 GPU 内核:奠定通信基石0 F3 }' t7 X- |: ^
' n+ P& v0 g7 q, i1 V) x$ O
MoE 模型和专家并行训练都依赖于高效的全到全 GPU 通信。DeepEP 提供了针对此场景专门优化的通信内核。这些内核充分利用 GPU 之间的互连带宽,实现了高吞吐量的数据交换,这是所有后续优化的基础。
& L( e% p3 S# K+ ~) d3 E9 N. _# ^8 w+ {
除了支持常规的 FP32/BF16 数据类型,DeepEP 还特别支持 FP8 等低精度操作。在许多情况下,低精度计算可以在不显著影响模型精度的情况下,显著减少通信量,从而进一步提高训练和推理效率,特别是在带宽受限的环境中。
0 w1 B" W" D" q* t% }- ]4 ]' N5 ]* H; U8 {% x ~
"DeepEP 是一个为混合专家 (MoE) 和专家并行 (EP) 量身定制的通信库。它提供高吞吐量和低延迟的全到全 GPU 内核,也称为 MoE 调度和组合。该库还支持低精度操作,包括 FP8。" Y6 W2 F- n, {0 Z- ]4 \
# W. B* x; {" \7 ?3 w非对称带宽优化内核:精细化资源管理
9 X0 G) V% B" w' `( e4 V6 v
7 F# u0 I; E3 z7 DDeepSeek-V3 论文中提出的组限制门控算法(Group-Restricted Gating)是 相关的核心创新之一。为了充分发挥这一算法的优势,DeepEP 提供了一组专门针对非对称带宽环境优化的内核。 a& [3 i( G O' I d
+ B2 B/ o: D& {) M* b9 C. q% c& z7 u在实际的硬件部署中,NVLink 和 RDMA 之间的带宽往往存在差异。NVLink 通常用于 GPU 之间的直接高速互连,提供极高的带宽;而 RDMA 则用于跨节点通信,带宽相对较低。DeepEP 的这些内核能够智能地感知并利用这种非对称性,高效地将数据在 NVLink 域和 RDMA 域之间进行转发。: ~" |2 b8 |' n1 e0 O& ]3 a- C. Z; i! S
; z( N( c0 S0 V# S& R这种精细化的资源管理不仅提高了吞吐量,还支持 SM(流式多处理器)数量控制。这意味着用户可以根据实际任务的需求,精细地调整计算资源的分配,进一步优化性能。8 }( H& `1 j/ F% Q9 m, R* O
0 X6 N( w! p7 n' A$ q9 j"为了与DeepSeek-V3论文中提出的组限制门控算法保持一致,DeepEP 提供了一组针对非对称域带宽转发(例如将数据从 NVLink 域转发到 RDMA 域)进行优化的内核。这些内核提供高吞吐量,使其适合训练和推理预填充任务。此外,它们还支持 SM(流式多处理器)数量控制。"
) k; O8 @( t$ I7 e7 |' P5 l5 e- J
0 S3 H' T$ y& s0 d; j低延迟内核:推理性能的保障
2 f/ O8 ?1 `6 m5 t, I' l5 r! V9 C4 x2 n- {5 y
对于在线推理服务而言,低延迟是至关重要的性能指标。DeepEP 专门为延迟敏感的推理解码任务设计了一组低延迟内核。这些内核通过直接使用 RDMA 通信,绕过 NVLink,从而尽可能地减少通信延迟。
/ ~$ M$ {5 s9 j2 v7 N
+ t5 C. q8 k+ u# A- C5 \- J! Q在推理阶段,模型逐个生成 token,每次生成都需要进行通信。DeepEP 的低延迟内核能够将每次通信的时间压缩到微秒级别,从而显著提升整体的推理速度,降低用户感知的响应时间。/ Z5 Q- ]3 U1 q1 y: N& p: w9 B- Q0 v3 J
2 {! |7 ~; {! x! k {( `
"对于延迟敏感的推理解码,DeepEP 包含一组具有纯 RDMA 的低延迟内核,以最大限度地减少延迟。"/ B2 f& B0 R+ ]9 z7 { b6 u
! B5 f) m0 T4 p/ q8 {1 V' u" M4 H通信计算重叠:系统级优化4 z& ~ ~. |, z( r4 t. ? F' ?
i( i+ c- g7 q! ^/ a9 j4 _
DeepEP 引入了一种基于钩子的通信计算重叠机制,这是一种系统级的优化策略。传统的通信库通常需要占用一定的 SM 资源来进行通信调度和管理,这在一定程度上会影响计算效率。DeepEP 的创新之处在于,它的通信机制完全不占用任何 SM 资源,将宝贵的计算资源全部用于模型本身的计算。
) T0 Y0 [9 u+ ~3 \" @' @' H' f3 ^5 D. H2 L0 p( f3 w% @1 W. k
这种机制通过精心设计的钩子函数,将通信操作与计算操作异步地交织在一起。当 GPU 执行计算任务时,通信操作在后台并行进行,从而实现了计算和通信的高度并行,最大化了硬件资源的利用率。9 G! B2 T/ u: G" l; r6 g
+ L1 i1 V9 S2 j3 y, l# o5 u0 @"该库还引入了一种基于钩子的通信计算重叠方法,该方法不占用任何 SM 资源。" "NOTES: the actual tensor will not be received only if you call hook(), it is useful for double-batch overlapping, but without any SM occupation" DeepEP还提供了双批次(Double-Batch)重叠的方法,通过return_recv_hook控制,允许用户精细的控制通信和计算的时间。
2 L: O, k/ ?" Z/ R; @3 y4 ^/ R
# [/ _; n+ ]$ n% d/ m三、DeepEP 性能数据解读:以实测为依据, Z* M: @# y7 l; ?
DeepSeek 团队在 H800 GPU 上对 DeepEP 进行了详尽的性能测试,并公开了测试数据。这些数据有力地证明了 DeepEP 在不同场景下的卓越性能。9 U" T- M4 y* Z
8 z, J- j. h* M' D9 c+ p1 R8 c
普通内核性能:逼近理论极限
+ h: ?6 P4 Z* r$ J3 O* [5 F( p$ S
# h) f! N4 N; r6 T7 j: b; k" D在 H800 硬件环境(NVLink 最大带宽约 160 GB/s,连接到 CX7 InfiniBand 400 Gb/s RDMA 网卡,最大带宽约 50 GB/s)下,DeepEP 的普通内核展现出了接近理论带宽极限的吞吐量。
5 G$ ]* H* ]. J& u- w9 {# S5 e, |( i4 e0 R# K' q$ D# E8 \
D t" a+ R% W0 k这些数据清晰地表明:0 X. n* K3 L: M0 }) I
5 D/ [2 w8 ~; t ]% V1 o* DeepEP 能够充分利用 NVLink 和 RDMA 的带宽资源。
3 f; @, `! R- S. V* 在节点内部,DeepEP 的吞吐量几乎达到了 NVLink 的理论上限。
3 ?, F1 `4 v. j. v# `( A8 v* 在节点之间,DeepEP 的吞吐量也接近了 RDMA 的理论上限。- t# m$ O8 k5 x) A" z
* 无论是在节点内还是节点间通信,DeepEP 都展现出了极高的效率。
' t) r5 I: ^4 @低延迟内核性能:微秒级延迟
& m: Z4 \5 p7 [
# I- x& N2 G+ c低延迟内核的测试数据同样证明了 DeepEP 的出色设计:
9 _1 w9 E% Y$ B. K- c& Z' y# Z+ z7 D0 {: U) k' T
$ L+ B3 t+ a; x5 j( b; b这些数据表明,DeepEP的低延迟内核在保持高带宽的同时,将通信延迟控制在微秒级别,为实时推理应用提供了强有力的支持。. U7 ]; X3 k0 m. a( I
% v6 l4 L3 T! L& S& C9 o; r
四、DeepEP 的工程哲学:实用主义与开放协作
B! m4 N8 M8 @' h4 ~$ Q/ jDeepEP 的设计和实现,体现了 DeepSeek 团队一贯的工程哲学:
* X5 C7 P1 G4 H S/ h0 I; _7 @% v5 P: Q
以问题为导向,实用至上
$ Z- c* W9 f. a6 j
4 l$ t8 v' V0 T" e8 ~* J$ rDeepSeek 团队并不追求理论上的完美或“炫技”,而是始终以解决实际问题为出发点。他们深入理解 MoE 模型训练和推理的痛点,针对性地设计和优化 DeepEP。0 M8 K. d$ M+ f( _- _4 Q
! B9 b! }! Q) a" I# |+ a" o& p
一个典型的例子是,DeepSeek 团队发现并使用了行为超出文档范围的 PTX 指令 ld.global.nc.L1::no_allocate.L2::256B。虽然这个指令在官方文档中没有明确定义,但 DeepSeek 团队通过充分的实验验证了其在 Hopper 架构上的正确性和性能优势,并将其应用到 DeepEP 中。% r- g/ r% j. |2 B9 f7 n
[4 Z/ Q, F& O# H
"为了实现极致性能,我们发现并使用了行为超出文档范围的 PTX 指令:ld.global.nc.L1::no_allocate.L2::256B。此指令将导致未定义的行为:使用非连贯只读 PTX 修饰符访问易失性 GPU 内存 .nc。但正确性已 .L1::no_allocate 在 Hopper 架构上测试以保证,并且性能会好得多。如果您发现内核在其他一些平台上无法运行,您可以添加 DISABLE_AGGRESSIVE_PTX_INSTRS=1 并 setup.py 禁用此功能,或者提交问题。"
% O; W& ~! y9 w; ~1 @* L& C3 h7 X
0 n/ W5 b8 L0 A& C2 |PTX是底层的汇编,与硬件结构相关;发现其未公开的隐藏指令,事实上只能是尝试出来的。在实践中基于频繁的使用迭代,发现隐藏指令,这种不拘泥于常规、以实用为导向的精神,正是 DeepEP 能够实现卓越性能的关键。它体现了一种“黑客”精神:在现有条件下,充分利用一切可利用的资源,解决实际问题。
! ? t c* h. {; h( u$ z4 i1 C' ~1 {
开放协作,共同进步% I* ]1 S& Y, i- ~% j# k
, l! U% d( y9 B( a! P7 ?DeepSeek 团队不仅在技术上精益求精,更有着开放、协作的精神。他们将经过实践验证的 DeepEP 开源,与整个 AI 社区分享他们的成果。( a9 Q' J3 ^, i3 _" t. ?1 l
( T H) Q* S z
DeepEP 采用 MIT 许可协议,这意味着任何人都可以自由地使用、修改和分发 DeepEP 的代码,无需担心版权问题。这种开放性将极大地促进 MoE 模型的研究和应用,降低 MoE 模型的开发门槛。
( k* X5 l- \7 F( F: o; l/ D+ ~4 p0 P/ I8 t, B) m$ n
DeepSeek 的做法与一些闭门造车的做法形成了鲜明对比。他们不仅公布了结果,更重要的是公开了实现这一结果的关键技术(DeepEP),让整个社区都能从中受益。
; F8 K9 a' [& `. x b
# c8 X% ?: o. }6 w, g$ q软硬件协同,深入底层" `/ B. J% h- t6 N$ U
: x# L5 x/ q, J. }' \7 g$ m S: I
DeepEP 的成功,也体现了 DeepSeek 团队对软硬件协同优化的深刻理解。他们不仅仅停留在算法层面,而是深入到底层硬件和系统,充分挖掘硬件的潜力。1 k& X: J4 J# V
7 a, i( W$ o3 z! ^7 w$ ]
DeepEP 对 NVLink 和 RDMA 的精细化利用,对 SM 数量的控制,以及对底层 PTX 指令的使用,都表明了 DeepSeek 团队对硬件特性的深刻理解。这种软硬件协同的优化思路,是实现极致性能的必由之路。
+ V- Z$ o5 D8 Q( u4 d+ S
5 c' J8 }5 z+ [2 Q五、DeepEP 的网络配置与优化
. [0 g6 a. z: K$ _0 _$ e3 Z" z+ WDeepEP 在网络层面也进行了多项优化,以适应复杂的集群环境,并充分利用网络带宽。这里也有一个隐蔽设定,还是接续第二部分的,在剥离所谓的IB功能依赖。DS的工程师团队在用英伟达体系训练的时候,在HPC的论文中可以说是边用边骂,但一边骂一边还得用……开源这个项目,事实上是剥离了IB的不少复杂功能依赖,尤其是流量隔离和拥塞控制之类的。这也是工程师思维,花里胡哨的功能依赖是需要简化的。; M4 y6 R. e: R, j9 o
2 s$ M& C. U) g) g
流量隔离
2 L s! c" V. Y: Q* O! M: P0 D' T; a
DeepEP 利用 InfiniBand 的虚拟通道 (VL) 特性,实现不同类型流量的隔离。通过将不同工作负载(如使用普通内核的工作负载、使用低延迟内核的工作负载,以及其他工作负载)分配到不同的虚拟通道,可以有效避免相互干扰,提高整体网络性能。DeepEP 通过环境变量 NVSHMEM_IB_SL 来控制虚拟通道的分配。 这种精细化的流量管理,可以确保关键任务(如 MoE 训练)获得足够的带宽资源,不受其他任务的影响。/ ^7 X/ l2 P- z2 p5 O. A1 F
; O( ^2 s1 T1 U% u4 P"为了防止不同类型的流量之间发生干扰,我们建议在不同的虚拟通道之间划分工作负载,如下所示: * 使用普通内核的工作负载 * 使用低延迟内核的工作负载 * 其他工作量 对于 DeepEP,您可以通过设置环境变量来控制虚拟通道分配NVSHMEM_IB_SL。"
j z0 |" \8 G5 r* C3 `2 x) _
' L+ Z7 }5 x: S' b1 e. h% u自适应路由1 ~' H6 l. i" ?9 y
1 {, Q0 s' d% G& f+ P( }* c$ o* j自适应路由是 InfiniBand 交换机提供的一项高级功能,可以将流量动态地分布在多条路径上,从而提高网络的鲁棒性和吞吐量。DeepEP 的低延迟内核支持自适应路由,可以有效消除因路由冲突导致的网络拥塞,降低延迟。
- {! c: K0 L' ~& K; O: P
$ L6 \0 a' R% Z, fDeepSeek 团队根据实践经验,建议在网络负载较重的环境中启用自适应路由,以获得更好的稳定性和吞吐量;而在网络负载较轻的环境中,则可以使用静态路由,以减少路由计算的开销,进一步降低延迟。) `3 }- M- ?! d6 Z, ?. h( ~3 e4 k
: T2 U2 A* d2 x5 Q' J$ f+ B
"对于低延迟内核,启用自适应路由可以完全消除路由冲突导致的网络拥塞,但也会引入额外的延迟。我们建议采用以下配置以获得最佳性能: * 在网络负载较重的环境中启用自适应路由 * 在网络负载较轻的环境中,使用静态路由"( [+ F+ X' m: y, Z6 ~, s
2 H) T& M' i/ c拥塞控制
6 P3 {+ w9 d: V- `! @4 q1 o4 ?
+ [' m$ E' O8 Q6 a4 L0 zDeepSeek 团队在生产环境中没有观察到明显的网络拥塞,因此 DeepEP 目前默认禁用了拥塞控制。这反映了 DeepSeek 团队务实的态度,避免引入不必要的复杂性。当然,如果未来需要,DeepEP 也保留了启用拥塞控制的灵活性。
. z/ B/ k' Z4 B0 ^9 _: V6 r; y% [, R8 e
总结:DeepEP 的深远意义3 y- x/ [1 R. P' `9 E
! S* E9 c* F0 M& K& Y% Q
DeepEP 不仅仅是一个高性能的通信库,它更代表了一种先进的工程理念:$ ^ K4 z! P" N7 [
3 l; o3 F) M6 B8 C U& y
以实际问题为导向: DeepEP 的所有设计决策都紧密围绕 MoE 模型训练和推理的实际需求,不追求“炫技”,而是注重解决实际问题。
, U0 p, Q& I+ {6 U软硬件协同优化: DeepEP 深入底层硬件,充分利用硬件特性,实现极致的性能。
6 ]6 k. i: H$ J7 q开放协作: DeepEP 的开源,将降低 MoE 模型的开发门槛,促进整个 AI 社区的发展。
5 |: r* @5 Z- e% }5 W5 R/ _4 B, gDeepEP 的发布,是 DeepSeek 团队的重要贡献。它将加速 MoE 模型的研究和应用,推动 AI 技术向更高效、更经济的方向发展。DeepEP 的成功,也再次证明了开放协作的力量,以及实用主义工程哲学的重要性。我们有理由相信,DeepSeek 团队未来将继续秉持这种精神,为 AI 社区带来更多的惊喜。1 e$ a' V. h6 d2 _
" q8 V# i5 I" F/ o S1 D+ z原文链接 |
评分
-
查看全部评分
|