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 ?8 _ f( E* {# n' Y6 r( K1 t' Q5 V" u3 _- N
DeepSeek DeepEP:MoE 训练/推理加速,开源通信库背后的工程哲学
) o& ^8 ]2 e/ F6 h. [/ x' g( b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。
% [' x Z# [2 B7 Q! G4 v: J3 z3 t% o# g/ A
一、DeepSeek 开源第二天,DeepEP 亮相
7 H1 A; F4 M7 E4 G' @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。
0 W6 y! Z8 v/ S% a; K/ `2 d
2 N8 l C' o8 l5 n1 KMoE 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。
% b- f) D. D( N: d9 `% a0 y8 _) N) s3 X( T
二、DeepEP 技术亮点:超越速度的深度优化. E9 d2 B& E1 P$ t
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)。
' V2 P& I3 L$ W0 q+ l0 g) K% ^2 V. E& O4 b/ L5 Q/ ~
全到全 GPU 内核:奠定通信基石
5 E) G" r. Z, k2 j( N
! g" |- I2 [, k( N! i5 y7 iMoE 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。. B1 u4 l: c, [9 r3 J( d- @+ ?
+ t# z4 n$ O) o$ w; |) p. c: R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。3 g: R, B$ f5 `: M$ T
5 a: m6 I9 i% o6 w ]"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。"
$ g% F: ?8 _; G' Z7 A& Q3 a8 e2 b' o2 |( p
非对称带宽优化内核:精细化资源管理 P8 Q) [& u- G" [
1 U e/ t9 _$ j( A& Q+ ZDeepSeek-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。! `' z" l8 }, Y8 b8 C% E
1 V# p& _1 C7 \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。
: N$ R1 ?, H% R2 [/ k9 J# O
, U( k, X& B) s. L+ a5 ^' B# A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。
! j8 w k5 p0 B
% h+ {2 [$ ^- j6 N6 o"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。"
7 ?& i7 I- c0 I+ Q1 |/ z
9 X- T' J& ^3 S: ?; G4 e3 u3 `低延迟内核:推理性能的保障7 v0 M; h/ Q1 r$ f( A
4 c- V; I- P W. 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。
# Q2 r* q: w3 A1 j9 d, g# i' M; m c6 i' f X
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。
: {# Q% K: `% W7 V+ j' j9 O2 J7 d, X% }1 p# h( g) 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。"
[2 g0 [: A1 V# l" Y/ ^0 b; _5 _
0 z9 R' q$ t# y/ a$ c通信计算重叠:系统级优化( q2 u6 u; A8 q6 M* @9 _0 D
6 h' q" y+ B v5 C9 }4 T) t1 ODeepEP 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。
- o4 H: a0 ^/ R- H& n# I/ I. P, W
) ]5 A% Q3 c" W. {" {* u. x) O6 |+ }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 ]0 l8 n" [4 X' s% I& P- @# W; d
( U4 j% ~; M* `+ V* U! J"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。# X2 p# b" K% a$ \' ?1 A
( ?) C. ~; @+ T0 |" I
三、DeepEP 性能数据解读:以实测为依据
* T) f, B& |2 Y2 A* X$ ^4 x+ `$ R2 iDeepSeek 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 h |( e5 _$ r
* ^8 m+ v6 _' {- b
普通内核性能:逼近理论极限3 X- m) k) E2 O" D% i
8 Y: v3 x5 q0 \+ n' ?; q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, ?: o* V s) q4 L
5 w2 e+ V; |' k5 b+ j) C( D$ e4 C. [3 r! ` F, a, ^( O5 f5 l. r4 G1 {" ^
这些数据清晰地表明:" U7 U# i& P* k0 Q
! p% {( p/ S1 ~. y6 t! k* f7 Z5 ] m. h* DeepEP 能够充分利用 NVLink 和 RDMA 的带宽资源。
# e8 K! w6 K7 ?3 s* 在节点内部,DeepEP 的吞吐量几乎达到了 NVLink 的理论上限。- F" G( V5 v" s. l2 ?- C5 k2 S
* 在节点之间,DeepEP 的吞吐量也接近了 RDMA 的理论上限。& m6 k, ?2 ~9 t
* 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。
! I) _* j7 H5 D& k3 a低延迟内核性能:微秒级延迟
0 |0 A# N2 C/ A/ i5 q/ [& ]3 Q4 _+ l7 }8 j5 h
低延迟内核的测试数据同样证明了 DeepEP 的出色设计:
' y2 ]# U+ K: V6 b9 f5 H
) J" {3 C5 ]7 u6 C2 M% w+ v7 b" e7 F- Z D
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。
2 _# _/ v8 {, H* k2 \
) E% a0 G4 l& ~0 c# i四、DeepEP 的工程哲学:实用主义与开放协作
! N" U1 w. d8 a1 t+ }$ zDeepEP 的设计和实现,体现了 DeepSeek 团队一贯的工程哲学:
0 {+ g) p& f# b, i7 o# l- k/ w7 U
% u- O2 a! W3 B7 [8 ~7 C6 @8 ~以问题为导向,实用至上
6 e9 l6 b5 v& a
T+ G% [1 A! F9 s5 h6 a) o% oDeepSeek 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。
5 u4 C$ L1 z0 g- F* q. Z& v6 w2 Q2 o5 }. W' O8 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。
9 W% L7 N3 ?* r' R G$ _- I
+ m9 ~0 p) N& v4 W7 T& Z L3 T1 E"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。"
3 R/ o6 T4 G& v0 t/ C; h. E7 n
1 d3 n, R0 E* }6 ]. dPTX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。& \/ d8 N9 |7 c; M7 j) m- b
& E+ G1 L# z u" K$ w- U! p开放协作,共同进步% N: @% T9 I5 v F
: u" B4 h6 ?) @% @
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。4 e8 Y: h7 |/ K a
K0 u4 t6 f* ~ N. d& ?
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。; U4 K9 {8 O" q! f4 J
. b. [8 v( _3 F7 Q8 mDeepSeek 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。! S6 N6 A4 Y: U2 a
( [1 n! `, ^+ x" O( y# w: k软硬件协同,深入底层( w3 i9 P7 D+ S& d: x7 p3 ~
0 v2 d+ g4 h- Y* G4 NDeepEP 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。
' W* `8 I$ c" l6 E& G" ^) m4 Y% J* V2 Y* a# L& o) @+ ]: f
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。: e3 K" d( l$ B9 k5 o+ _, v
$ ?0 R: U$ [: n* }$ m- L
五、DeepEP 的网络配置与优化
+ m# I% M/ L4 v4 pDeepEP 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。
' n, e0 [& R: q' x; z S* u6 N+ m% @' A# |
流量隔离' }1 U e- g* b5 b; X& h! }
6 s9 n4 B9 }4 [$ n$ d3 G$ I
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。2 x1 Z2 i& Z: v8 Z
0 A9 d7 w1 \! o/ I. [ q+ K1 l6 q1 g
"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。"- G/ }) j# @0 [" U5 j6 a9 ^6 Q
" v4 f% n7 C% k) Y7 n/ c自适应路由6 J6 E2 B1 ~1 q# l! G. b
" Z4 f% k' K, n
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。9 E" Q& X4 V# `, V" H! V2 R3 O
; @" I1 J* @/ f% z+ H6 p' S) A
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。, t% o8 c! F1 b
: p. ~, r2 G- j+ s8 S"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"7 c8 U' [! x- \; V
) ~1 P9 L/ e% u f+ T1 V拥塞控制
9 k; r# n( z. T. J) U3 T
7 h5 J+ s6 E" e! d& y$ KDeepSeek 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: W. v6 k( ^+ p8 z. S, H
2 A( Y1 c4 T$ o% u总结:DeepEP 的深远意义* T, x4 i) T( @/ Z8 U
5 d7 T. W, V1 bDeepEP 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:' }8 e4 f6 V/ {
2 g: J2 z0 T9 u9 {, r
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' q. H( C5 m' @; l
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 ?* e# d. S; e# |, n% e$ h) R% s( E v
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。
' t0 T( b. \0 X" lDeepEP 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。3 z2 ^7 g+ O/ c# u
* p+ L3 C8 f8 G7 C* g2 m
原文链接 |
评分
-
查看全部评分
|