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 3 n# s) k. l9 y# G" g
$ N9 T; s, v, r: G; {DeepSeek DeepEP:MoE 训练/推理加速,开源通信库背后的工程哲学2 O" `0 {; y z: e- W. K( c3 K
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。
% P9 h2 l: v" a) e: T' [
, Y6 D3 ~8 o* ]# [% J5 r% G一、DeepSeek 开源第二天,DeepEP 亮相
/ z3 E9 c* t2 [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。% n/ {7 n& J$ ~; F9 R
% e4 u+ r, l; M3 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。9 p( t4 H# o( F" d& N2 w
7 s9 ?2 M# N% i/ j( @/ q
二、DeepEP 技术亮点:超越速度的深度优化+ a4 R2 Z1 H, {8 q, h
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)。 J4 O( n# r! c0 r
" h- _9 k8 A5 ]( E1 f全到全 GPU 内核:奠定通信基石
T) [7 \! [$ E& U( ~: E
( a4 S7 d( z" HMoE 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。" O. d3 _- a& B8 F; k* d
6 M m& B8 V+ T# j" H
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。
7 A: j" j$ r s) T ]
. V( F# k' K6 ` @" 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。"
3 ]3 t, n4 o, @5 l6 p0 G7 j& j' P1 ~9 m
非对称带宽优化内核:精细化资源管理
; }. q+ Y( H0 l
+ o: O) p) }2 A+ e+ I% gDeepSeek-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。
O3 q! Q" X2 x; h$ H2 r& s7 ^
+ H( C. o. ^; O: H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。& t3 O8 `$ ?$ |7 e- q9 s6 ]2 l
7 B' G3 ~# B1 {0 D7 Q# T
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。1 ^$ J2 E/ d' c3 f( ?
, S/ l- Z* F r6 e- L
"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。"' n8 p9 l# ]0 H& a; X
$ O/ l3 r9 o1 J- s' N& N% ~7 P
低延迟内核:推理性能的保障
. ?- a$ w" Y& _ B; c/ o
. X8 U' d4 R- t# T/ Q0 r; s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。8 G- r, U, q" P! x( y" G
- {& H0 U6 O5 k7 ]6 ?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。5 Q B) y4 Q- ^ `
$ ^! A: g N' ]+ g3 k5 N/ J& F% w! V"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。"( Z2 q, P! w$ A. ?
4 s* S; X4 f2 m: H+ _/ y) ]: n通信计算重叠:系统级优化
$ q- s$ N9 c1 S0 e/ [9 }3 P& V' ]* @6 l. Z3 S3 p- d
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。
) ]8 |- a- f& G
% B. `7 N- i) `+ ?2 S( e5 d& V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。' e: y) i" T% I! _9 j @
2 p) ?; `* t A2 B S2 U" L& E0 L
"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。
& r" ~# L, }5 F% a% f) B# Z" w) r5 _4 P! f6 u! C2 F
三、DeepEP 性能数据解读:以实测为依据/ r3 H7 i2 R% k, R) B
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。
& P' F1 v$ f0 N8 ?1 y0 P6 k2 e0 a6 ` q
普通内核性能:逼近理论极限
+ L& Y2 o2 b" O1 C3 O N4 h( C) q5 O2 L
" G8 M/ d2 D8 g/ ~% E# ?% {- |' R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。
& e s3 k$ L# v4 P3 C- y: U
0 @/ m" a7 a! L6 P4 Y- O
5 Z3 N) ]& D T8 W# D# z这些数据清晰地表明:" a& b" {, C2 g) l
h! _! m M6 q! d" P: ~3 D
* DeepEP 能够充分利用 NVLink 和 RDMA 的带宽资源。
$ G& A; Q+ |/ V7 J3 r* 在节点内部,DeepEP 的吞吐量几乎达到了 NVLink 的理论上限。
( n4 U" B6 O5 E5 b- S/ Y* 在节点之间,DeepEP 的吞吐量也接近了 RDMA 的理论上限。
* d" R" S- h* ~' u$ y* 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。
% v$ B* G# Z- i+ F- T0 V低延迟内核性能:微秒级延迟
5 l4 j1 |* [4 K2 D1 U! r3 N
0 K1 N" M# k1 s3 S5 w低延迟内核的测试数据同样证明了 DeepEP 的出色设计:- ^6 i& n& X' S0 P$ h
! _6 G& X+ D" Y' S& \" k" ]! ?9 ?# f# ^) r3 I# }" d6 [
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。
- Z; X; Z- F/ o! h$ W
% C+ J! w* I& F四、DeepEP 的工程哲学:实用主义与开放协作
( g' J" R9 [/ g5 O: B& a) R/ b" C% DDeepEP 的设计和实现,体现了 DeepSeek 团队一贯的工程哲学:3 V, b J* u7 [( T) o7 R( O
- ]$ o0 } }6 O0 u1 G% W以问题为导向,实用至上5 ^. R3 C; L0 v r* Y! l/ _
- \+ _' E( z6 X: V$ nDeepSeek 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。& k. Y7 {- B( V; c
! d9 m; ?9 A9 ]( f1 V/ D
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。
! s( h0 I/ B/ w
/ A! k- W0 l7 p9 Z, |/ I"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。"
* L4 \ i! K* i8 a2 {
; Z7 Y# B H1 @' n$ tPTX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。! V' u7 j" R# _2 j: O" [2 n
3 ` g9 o5 u4 L* q( c
开放协作,共同进步9 g: f$ Z2 m/ B4 M& I8 i U
( X: m. e' g% k# j$ GDeepSeek 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。! t6 P' o$ E P
3 l. D" K0 |0 q! R; p
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。
, W! X! u6 C ^
5 Y- p$ r( @; ~2 ]. N" _$ `& FDeepSeek 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。
3 Y/ ]: `& v/ c$ v$ Y5 @5 }3 t4 }0 r" F6 n2 x- Q
软硬件协同,深入底层8 l Q6 v& J/ h, Z* C0 {3 d% Z
9 w& K. o% _) b# D3 @0 P% ?3 b: QDeepEP 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。
) y' _+ Y0 ?7 s8 r7 \% n" o v) o( u9 O$ |
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。2 i- W+ B. j2 h5 v1 q
9 `5 n- C3 `% H! R: t u' O" F五、DeepEP 的网络配置与优化
+ O1 g# b9 U9 r7 q8 w5 hDeepEP 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。
! V# E) w; O9 W' W
6 d) s9 ~; G! ]2 A9 I, u! ]+ F" S流量隔离1 E- r) A' c4 m9 z$ k/ @
: v! a6 |1 C( p: ]6 ^- Y2 b- x3 G) fDeepEP 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。
2 g9 I( i! {" ?, ?. x% e! q, B. J
* Z* B$ J- ^( X: 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。"
+ P w2 H7 u& X% [4 Q' [ ]
; i, \/ }/ C% ~$ N% n自适应路由
* F/ ~' Z+ z0 @5 I: t0 I" a- ~- j- S
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。: ^/ B) o% G( F# @1 |8 ?
! G) e, s% k+ \# sDeepSeek 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。. @# P6 z$ B% ?6 C* n. k
! |. z$ o6 P' w/ q5 X+ l8 T, L' Y"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"
1 s0 E, w( ~/ e8 b# \& p: X& P7 Y) k3 o5 Z! c3 @& B4 g
拥塞控制
3 ^$ q2 E4 T; y5 g3 b
8 C% N0 p( ^# h, z4 A$ f; |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。+ f Z* Q: u) G. U5 i3 N6 f- e; p9 A
/ A& f0 V8 y5 `9 f( K" i总结:DeepEP 的深远意义9 r4 t' i5 |9 i% m: S
7 Y/ A9 B2 m$ J2 m
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:, ?* _4 [ e* ]! M" s; P
2 F* q$ ~9 A. \0 j/ G
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。: t+ }+ E* M0 ]0 _
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。
2 M9 q9 G( r; d- A) }, W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。6 r2 ?# K t% P) \5 k
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。
- N" C6 f/ N2 r( |) i# d0 D( f6 S# [; B* H6 ~
原文链接 |
评分
-
查看全部评分
|