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
/ l8 P+ U1 |$ w8 w( C8 J' \6 |/ x1 `1 ^2 S' b
DeepSeek DeepEP:MoE 训练/推理加速,开源通信库背后的工程哲学: [8 ?0 `, W0 g% o9 ^( v/ D+ _% n' v0 J
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。
+ ?/ C& R p; M) [& ]6 ]! m( E% o- q9 K3 c8 j( {
一、DeepSeek 开源第二天,DeepEP 亮相1 M& `0 n; m4 e5 N5 e
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 n2 R, o' O/ i
# C- J+ M# R' nMoE 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。 _+ d- o4 h$ ]
6 D1 a4 P# S8 `* p7 G- D二、DeepEP 技术亮点:超越速度的深度优化' I, g9 z* U8 k$ o
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)。: q o3 r, E. X! R( N) w
0 w0 W" j$ ~7 ^/ ^+ a全到全 GPU 内核:奠定通信基石
+ i0 P! p" e# l2 a& e0 f2 I7 b8 r( b/ {
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。
: d2 a. o, G) h' H: R' N9 B! X8 o5 \7 s' z0 g3 i$ y# l0 g" 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。
$ q! J$ g+ g! m3 t# \" G0 m8 m1 g
1 k/ }2 I4 L1 Z. @- ?: ^: ]( 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。"/ N+ ^, [% x4 Z, S& t2 l( z0 T3 {) `& O
; B1 A9 T4 l) _2 C; {; J
非对称带宽优化内核:精细化资源管理9 P* H0 w- d- B) m
+ X' ]6 v$ M3 ]) V9 |9 fDeepSeek-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。
) j2 `% l) c. u% v, k! `+ m1 x7 `7 {, f" |6 {4 d$ K
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。
" Z1 U8 S4 J/ l0 l4 r2 w
% n! A1 X% n" x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。 M h0 t8 X+ N% U7 f8 b
2 t" X: N2 Y& s* Q. c5 d/ v"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。", I) u- t6 E! \, @8 d
' W9 d0 |! U5 X* I' \
低延迟内核:推理性能的保障
2 u0 u# z V$ \" L% T8 R$ _+ E& `( f) O7 B/ |
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。1 w+ g8 o( u$ }2 e+ T; }
5 e% }& s! x' E" K; _( o+ D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。
: }9 \8 [% |6 U! B4 P6 ]9 R a8 [" P) D4 @
"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$ G. A4 l! G# u ]1 e
* }3 i2 c6 G; ] a+ A) T% C! u通信计算重叠:系统级优化
3 B4 E& ?/ R1 S0 b. a# B, l( a& B8 e$ k/ @; w7 E- I& F
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。
* I" X& G8 I6 E7 w" s. _# m& ^ s+ _
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。% a8 B; M B% y
! t, W+ J7 I4 t$ k" `5 c1 L# a: D"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。" Q3 u8 o& \- Y9 t- \
! n1 |. }: T$ T0 K: u
三、DeepEP 性能数据解读:以实测为依据
3 E( V% U9 M+ `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。5 l7 B# [8 u! |* @' r7 ?# s! P1 Q
8 T8 @: |, w# ?( [$ W' P普通内核性能:逼近理论极限
; F- s8 ~3 M- D% H: E& Z k
6 ]% h. m3 l6 C6 Q1 k# A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。4 R; r5 C' b: \5 u
9 f& P6 Z6 `' c! }! U
4 L" {( Q! u3 W; h& c: i4 [2 X这些数据清晰地表明:
1 v: ]( ?* R2 o# L. e) S) N8 o( M- Y. y6 x* M0 ^
* DeepEP 能够充分利用 NVLink 和 RDMA 的带宽资源。3 P9 z3 n# P, C& K* z$ ~& G$ T
* 在节点内部,DeepEP 的吞吐量几乎达到了 NVLink 的理论上限。
( G! C3 g4 {2 O. }( e1 P9 e4 K* 在节点之间,DeepEP 的吞吐量也接近了 RDMA 的理论上限。0 n: j/ d( a! j0 g
* 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。 C; F5 \$ J1 j3 p; s, e% @- A
低延迟内核性能:微秒级延迟
3 C, p+ @' a2 J
% f! ~6 K; w$ F' D8 u低延迟内核的测试数据同样证明了 DeepEP 的出色设计:7 Y O0 z' _ e2 A0 ?7 t' d5 X
V; E5 J3 w" x( k$ K' a
: Q7 w9 ^- E3 Z3 \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。
! b+ d& g' L0 v& L# r( y
' d# z7 m( a" f4 D$ B9 |, M四、DeepEP 的工程哲学:实用主义与开放协作
0 \9 G1 E+ q) ~5 ?* r, oDeepEP 的设计和实现,体现了 DeepSeek 团队一贯的工程哲学:
$ S4 E( v+ t. u& \7 v& ^' c: C# d% O0 Q1 N% U+ k
以问题为导向,实用至上
5 D7 {5 P; v- {4 T3 J' b' R* @; P- W
' C, b) f8 ?: G D# |2 b8 D* YDeepSeek 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。8 K- W; I! @# G
: _: n: F2 \1 ^+ P( m8 J8 c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。5 ~7 N% Z! F# y7 b$ X: }
! _! r- X- n6 U; h! X* ]
"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。"
; H0 a+ B4 d! b, A2 O" z; x& o( R# t
& K2 A. j$ S5 FPTX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。. c) K' q: L9 M( g' H
1 w; F$ Z! }% u( ]7 l0 R' e
开放协作,共同进步
/ ~0 U5 \* D* K% A( l, W
- {( x8 j: V4 ]- Y( t4 xDeepSeek 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。( L: k' D: V) B& J
* v C6 r# b6 y f* A( a, P9 [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。! O$ N, z1 e3 F! G0 C7 j4 R: n" e
5 Y) U; P: J8 A6 n0 dDeepSeek 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。6 \3 {7 m" H( q5 Z4 {6 Y
( @$ i" Q. N: e% l9 ?
软硬件协同,深入底层
/ O- Q0 J0 O, J- C: j1 L
" g# s7 |$ d7 l% ]' E! M0 _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。
( T8 k1 Y4 L/ v+ V! F& q+ L* S" `: D) V6 p% x% H `" S. V
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。& o/ X4 O4 S! U: g
! V5 z' V# B4 n+ f% R, u五、DeepEP 的网络配置与优化& P) R$ t: s/ W' w/ h6 K
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。
8 U9 i7 S, m# G9 p3 @0 S
7 M; m a& }& C9 \) V- c% P7 l7 i流量隔离5 _, A* Q. l# J4 C
+ J9 g7 O" z' z- _2 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。
# N3 z3 ^$ ^# U3 g" n" X0 T, C8 z% Q+ ~ 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。"
# S# Y# f7 w$ z2 P' U& r9 @* B; O' ], Z% b" z' _8 Q
自适应路由 O% ^6 D" |# G& E2 {" @- z
. F G8 J7 _8 E; C! v* f
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。
2 L! z- o4 b- U5 H2 B6 d# Y
% e- M( O' ]9 I6 X4 A* W) dDeepSeek 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。
: @8 h( i5 Y+ z" s( }' o& y
- w' q- P8 P) E2 O$ u3 e- S8 g( B I"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"
' Y9 O) _) t4 L+ T
, W" j% {: K: O! ?拥塞控制
4 Y- D- L: J' h! v) Y5 e$ _4 R# U) U
DeepSeek 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。
- [$ j- R1 _; [1 D8 Q" B
; D' f. q2 q& i1 v4 K! z总结:DeepEP 的深远意义
4 Q5 {$ G3 j6 u8 s K# Z- \# J3 Y
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:+ \5 |- t0 |" h( f
1 ~0 K: n2 U/ R' r% f5 K2 |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。
& {7 A% _# c3 v, [: `8 `) v+ f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。$ z- Q% \/ k4 }
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。/ c5 ?" ]# b9 h9 e$ i7 f
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。# t* k9 K5 O w9 R) f
% t; {6 x: J& R原文链接 |
评分
-
查看全部评分
|