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 0 h. {' j1 d; T2 F6 j0 _( V( Q
. }* B1 s$ I u+ G, \DeepSeek DeepEP:MoE 训练/推理加速,开源通信库背后的工程哲学
) C' Q# R Z5 Q# Q A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。9 ~/ J- A1 N7 j" e
. L9 a6 m" e s+ P8 J一、DeepSeek 开源第二天,DeepEP 亮相/ I! d# Q: S7 k" U) q9 A
DeepSeek-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。8 T1 X" ]' g3 t
5 M0 `& z3 n7 V! N
MoE 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。
9 t* N i0 P; X8 K/ Z# A
8 l2 p5 ^% t4 e# B3 P1 ^' k二、DeepEP 技术亮点:超越速度的深度优化0 R1 a8 ~7 h% k! L( N
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)。0 o) B. [( R( {" c9 H
$ y+ c6 D3 V, W, R& P
全到全 GPU 内核:奠定通信基石6 }) C5 f2 w1 p( ]2 t$ u
1 B9 T7 z* @% @# x9 H/ AMoE 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。
9 O' ]' m+ ~& y' `/ j; U
& y1 S, E! q6 y; P4 S3 z! I% ]9 B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。
G3 w4 |* Q$ p
3 B3 l" w5 J+ W7 V5 k. P0 x5 j! K"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。"
- W5 t$ p0 o$ S
- ]5 A, V4 N% U非对称带宽优化内核:精细化资源管理% V" a' \# l) z x. u6 `! e0 t
& o( D. T ^' H% @$ p
DeepSeek-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。
2 b$ a0 m$ M" B( k$ j1 v9 l- R3 a e k4 `% t
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 O7 Z V6 n; C4 }' z
4 H$ {- e. `! P
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。
) v* s" W/ h$ Q- z# Z6 U. Q5 L& Z4 f% Q; T
"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。"6 u* H' Z, S1 w, E, G6 v, b) b9 r* W
, P9 r& o. m+ q' t低延迟内核:推理性能的保障 i& i4 j' r1 V4 J1 Z
( t- C) E* r8 s" p+ r
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。
5 q' X! n6 D8 i. Z% r5 A
: x+ c- n4 j: f5 a# J# j) |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。
1 K+ |! j8 A& _* H+ S3 X! h! N o6 W- o/ [4 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。"( N* ~5 [6 A7 h) X3 v
' }8 _' x* F" W5 `
通信计算重叠:系统级优化
7 i- o* g4 h9 [& U: P) I5 M) U9 x: m/ a
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。, q3 B3 x/ I$ b& n- q2 j
+ {2 ]8 D& I+ j/ f5 R) 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。1 g6 {' V8 T. |: s) R
& C- P P8 E- Q8 o% e% ]( m8 s9 p"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。3 ?& D+ w$ ^- V2 B
; C4 u5 d+ B2 r4 t6 _+ \8 f% M8 J4 @
三、DeepEP 性能数据解读:以实测为依据
+ p9 e. F% c4 e4 UDeepSeek 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。
, g. T( U1 m' [' m7 h8 W. A+ _ m
普通内核性能:逼近理论极限
- G. k! R4 ^* w1 I9 b
, e+ o. Z# F* j1 v( n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。; W# m' {7 B- {) B+ w
1 |1 r* W/ U% e( ?9 x5 G$ L3 L t
. i% h: ^- S: f" i这些数据清晰地表明:/ i+ \: s# i7 W0 X3 ]' m
0 m A) v9 X' J: u
* DeepEP 能够充分利用 NVLink 和 RDMA 的带宽资源。 b8 ?9 o8 v% n- G, w1 j! e0 V- Z
* 在节点内部,DeepEP 的吞吐量几乎达到了 NVLink 的理论上限。
* r% m3 z9 A& j- b9 Y* 在节点之间,DeepEP 的吞吐量也接近了 RDMA 的理论上限。
# r# r* T1 N) V2 P$ v; T6 N* 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+ W' G; ^5 e
低延迟内核性能:微秒级延迟& H2 b4 k G# _% x# J7 _( t0 w& x' y; s
2 j0 S% J0 v6 {7 S( o6 L低延迟内核的测试数据同样证明了 DeepEP 的出色设计:/ a5 d4 R8 h3 e1 ^) h4 U
' } ]& r5 T% ?6 O; ?# u4 k
2 e& a2 t1 [7 f- X! [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。
8 ~* ~' J+ l! _. T+ ~* R* i5 V! w- \
! Z$ h5 m3 c2 {5 D2 W0 h四、DeepEP 的工程哲学:实用主义与开放协作
, f9 \4 d; Q. _: `$ N- wDeepEP 的设计和实现,体现了 DeepSeek 团队一贯的工程哲学:5 q. s2 d0 [ P: ~( ^
) o" ]$ }" c+ Q6 \/ G以问题为导向,实用至上: _% b$ ^/ }+ m" s
2 a/ _5 {8 i- X1 m% KDeepSeek 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。
" e7 N* W5 I4 P' Q7 z
- S7 a; x& }/ T. ]( z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。
2 F) l- v! X$ B: m Q& O j) P
* }# F8 x! u9 Q8 M0 N4 W"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。"2 Z9 w% F5 s$ D! M* e8 Q
3 `" d* B, q, }6 L; y; r6 MPTX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。7 p+ z7 a( ]5 O$ i: b
6 h* n6 M/ T6 V+ h
开放协作,共同进步. K% f4 k, k8 |$ z4 n7 ~
$ |% A& c* |% o5 `! O: ^, QDeepSeek 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。
- E6 j' h/ ?" Y* q) }
4 l8 S( S- O( l7 I2 D; b% CDeepEP 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。% w) u1 w1 [ O( T
5 o* e* u- K$ b& i- K
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。
; u* k$ E& w, X: D2 u* @6 ]2 S9 f+ k* M! h& u1 G. t
软硬件协同,深入底层
- @$ ~5 ^7 c5 K# J- D) k/ O' l/ L8 M9 f
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。% `8 j' L( z3 @+ Q" |
1 N% _' K+ ?; }! {, vDeepEP 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。4 J6 P- D5 r" B' l H* y/ O6 h$ R1 R
4 \$ \$ v/ |* d8 x$ t: f五、DeepEP 的网络配置与优化' d% M4 i- E S$ u4 ~
DeepEP 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。9 A9 N3 k! }( v: j2 w' Z
% `/ d8 M' ?. Y% f( F流量隔离( W1 Q' a3 s+ y6 i3 u
: V: ?9 {; D, Q. g) e) t+ jDeepEP 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。9 W; U' B+ }* D0 }; D& e
, r: E: {2 i4 K2 R/ \1 ?' Z( u
"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。"
, \; A# l* Q$ b) f" J: V6 F# C* C" G# a; ?: p5 }
自适应路由
% S8 J" p) I [) m% v: U% x" g3 n2 N6 M3 _4 g7 L* P2 k8 G
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。, u; ?' B5 ]* v
^+ s5 c, U( }, D/ G- [
DeepSeek 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。1 z- ~5 ]2 I9 Q4 O& v5 x7 k$ n$ y+ R
- W/ G5 `$ x- z z"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"( \4 M' L0 W. g4 @
2 L! W r7 T* T4 r5 H2 g! j3 W拥塞控制' V8 @* r) G) \" e4 E
8 O7 m* d2 @2 {! 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。! I: H7 ` @: G; Q" y
: x7 T6 e5 ?* k
总结:DeepEP 的深远意义" g# L! d' R g
b3 m* H; R" E. f7 q" jDeepEP 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:
. u2 p* d& T3 ?: g! H) O
! X: Z6 s! Z& S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。) Z2 ?1 a; ?2 |
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。$ J, x8 u# D* a0 u! `
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。7 w4 w( P: s, C& }% }
DeepEP 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。
$ w$ x. Z* t# h1 {. }6 \) x+ t9 i: ]/ e5 X# ]7 H
原文链接 |
评分
-
查看全部评分
|