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
& c5 ~/ N& v. {* x4 n& E6 ]9 _6 @- {
DeepSeek DeepEP:MoE 训练/推理加速,开源通信库背后的工程哲学6 c+ b. l2 N4 y3 J& C+ T# M/ I
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。' P2 b' P0 x, O7 m
+ Z3 {, q! l0 V% Y. W( O0 f) X
一、DeepSeek 开源第二天,DeepEP 亮相5 R3 l0 M& e! t# ~+ ]+ k
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。
+ d( n- g) c) {
5 r' D& B* k) {0 [. O2 Z l& n. ZMoE 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。. j8 [) C, F. d
' z1 h) H! U& a0 g" A6 s
二、DeepEP 技术亮点:超越速度的深度优化% O+ k/ p7 n( a( L2 w: l
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)。 `, [3 S% U6 ?# U v% q
' h. |, K* l5 Z
全到全 GPU 内核:奠定通信基石$ s5 ~" [* E) |# Z3 Z- X
1 [! |% x: }6 ^# H. 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。
' b! M. p% ~# z+ L2 O, F" }2 H1 G7 K$ `: r9 {
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。% O0 W7 r/ d) W3 e k i- A
' j. k+ `& `3 G3 {- 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。"
" S0 ~) o/ b- h; P
* z5 o! o w) y$ s) L3 S1 }非对称带宽优化内核:精细化资源管理, F8 e( @, _( K5 U. c3 V6 U" b; k
3 U5 j, K0 }# R% X# \* q/ M/ c; UDeepSeek-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 E3 x$ w4 R, @: g) }. C0 W4 s( |- v' j+ W7 S5 l3 J
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。; H+ e/ j) z# K* U2 p
7 ^, C- w# n0 T5 o( W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。 U' C! h" c3 @1 V# m J A+ r
0 b' D8 s+ Z. U% V" q
"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。"+ H' F. c/ Q+ F% B* ?
6 G% q+ B2 E( d
低延迟内核:推理性能的保障
- \; X) F1 P: X# C
7 Y# d9 v( ?5 y& M6 X6 b7 V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。! E& M, @0 E3 s1 ?( r# G9 G
l% A6 H1 b* f2 V! _# T P; 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。
8 W! F, a+ o4 v) G
- I; g. z5 V$ E' s0 M) s. s( Y u"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。"
1 j4 G" F* y, }" P9 B& w
) P# S5 x; V( T' L3 c, U: g通信计算重叠:系统级优化6 A- T* ^8 h# x/ O% G
. {# ^+ D' B- l& @" fDeepEP 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 m6 l" K$ O3 h6 |% |# Z
: v. @# ~* m% k$ B% x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。
! D% d9 }0 e3 J8 \: X' c2 d& E. B e5 P1 R: S% w/ J5 r
"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。* e3 [; r1 H, j3 k& v( L
5 X) V$ z0 f# `/ H' h" E$ Z
三、DeepEP 性能数据解读:以实测为依据1 O) H9 F, v( D5 ?7 n/ K: z
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。* K+ h( u+ m9 i* y3 W* f
3 f A1 Z. O1 V& ?4 ]% _& v1 I普通内核性能:逼近理论极限' s4 }+ k5 ?. W2 T
/ m; y1 t; w/ {2 i
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。
3 s8 _+ H; m7 }0 u
! C* ^2 p8 x% N. y( }
9 e! ~7 D4 ?; E5 `' h这些数据清晰地表明:) R, d. n# a5 {3 t
/ D1 G& H7 V/ ^! G% }: P: `
* DeepEP 能够充分利用 NVLink 和 RDMA 的带宽资源。& Q% p' o+ Z* \+ f/ U3 a, u
* 在节点内部,DeepEP 的吞吐量几乎达到了 NVLink 的理论上限。
; m8 C' v; i( i: j7 z; T$ c# V( B* 在节点之间,DeepEP 的吞吐量也接近了 RDMA 的理论上限。
4 Q; N. L# Z9 W* j( d* 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。
3 b- Q# _5 \" \0 C" }低延迟内核性能:微秒级延迟
p" e; l( P0 x4 I* s: G2 t& Z2 f7 y9 U# ?. q+ f# j
低延迟内核的测试数据同样证明了 DeepEP 的出色设计:
: A M* x; e. L2 W; v& k2 J7 d' x. d7 [
9 f' F% X4 K5 d; u6 k8 u6 \
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。. X' P" V; ^6 @3 M: [: z
3 l4 D0 N3 P0 L3 W. e! A/ P四、DeepEP 的工程哲学:实用主义与开放协作
) h& H- s4 V U( JDeepEP 的设计和实现,体现了 DeepSeek 团队一贯的工程哲学:9 k, s9 [/ B4 j7 o' o
; G7 r5 v! h+ M# N( j0 z
以问题为导向,实用至上
6 x1 R( T+ @* G ~' X- W) X5 a: i
* n! I6 _! W- o4 K9 E* 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。/ [4 r( }, ^/ G% f) a% @$ k# s5 z
! Y" s9 ~3 L) {1 b: r- A; S
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。
" o/ E# }* ~8 f/ q$ H. N/ _ u: u& N' R% U4 m) B
"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。", m5 W* w n. O4 q" U. o
/ z$ L$ U* o$ E# SPTX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。
2 f L# c( ?* b$ J9 i/ U
$ c" d) u; s$ z+ `/ M开放协作,共同进步
4 B" V0 S J' V4 _0 I& G) i: L0 Z4 e2 C# w0 t# K
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。* Y6 l! F# o4 M+ z q; f
2 J2 P8 \) n9 v4 @
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。
) Y0 _0 P0 L/ O" ^* g k1 I! E0 e4 t5 d I
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。( j8 ^, V8 Y2 s: t8 p# H7 _; K
5 T3 h) R% W* H3 y* ?软硬件协同,深入底层9 w# ]; c, n, b l; }; s
1 t. X9 d" `' {- x
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。; I( w g0 r7 ~+ v- j
$ S1 A- m1 o1 Q( ]5 l; n0 H! oDeepEP 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。6 s) Z% ? B8 w+ e2 m9 C/ {
% s- d( h6 _( `( [. |$ s' T9 h五、DeepEP 的网络配置与优化) {+ a" v8 f% Y- t; }1 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。
& t4 W0 Y, h1 k. l; f* ~; r' R3 d7 b. Y0 L$ v K3 N
流量隔离3 F; O* e' e+ M1 q, u. Y
; o* a- C1 A b t+ o7 C( B qDeepEP 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。8 ~' W3 @# y/ G) p+ ^( N+ j& W
9 q3 }/ `5 B: a5 ^
"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。". j8 G3 s5 z5 J% w) b
; I1 r, `& d; y$ j
自适应路由
, p9 z+ @+ T4 q% D# \
' X) c% t. P; y* 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。
) c- d& E1 \4 s x6 f, b
' }! l- W" a& Z) [' k7 N" YDeepSeek 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。! c8 ~2 g. K4 }- a8 g
0 Z! l+ T6 w" E: x
"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 I) y: c1 p, q9 R- v! M0 P, v! m2 I2 j6 m0 N" u
拥塞控制( o$ a8 U" \, w/ V ]
3 M! r8 ]7 Q* W5 h6 L; }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。
# {4 b1 O! h! e2 k. G( O% V/ z
- N+ L+ z; C4 ]& I: w; p0 ~, \6 \总结:DeepEP 的深远意义2 I* K9 Q1 x) n1 |( T
, [& m3 ^6 b! w* b8 s) x! XDeepEP 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 ]9 e' ~/ l* ^8 n4 w8 E' g
2 i4 ^# W0 \* N$ w9 C2 }4 l/ i
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。
' ^; w5 t" e% X: h P2 `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。0 C% Q; d2 e/ h/ e
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。
, n X, k9 G; C3 ~# \+ ], aDeepEP 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。+ c) {2 P5 }1 b
$ L; D, m- @3 T
原文链接 |
评分
-
查看全部评分
|