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
: V/ s& @; @; \: z/ w( X
# { D/ `$ t9 k9 S& r4 f) CDeepSeek DeepEP:MoE 训练/推理加速,开源通信库背后的工程哲学/ l- W- v2 R6 x
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。
6 E4 A/ }. |* H
% ]( `4 m0 o! Q" _+ s一、DeepSeek 开源第二天,DeepEP 亮相
/ r8 n5 }! {1 S) w( ADeepSeek-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。
. E5 R* O% v7 N/ Z( l2 ~
N0 H7 ~( J& n# SMoE 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。, P& i1 U# m N+ s+ j5 B2 U. ?
2 ~5 J! C$ o+ f( C/ Q& }5 L二、DeepEP 技术亮点:超越速度的深度优化4 D, t- T" @4 e! e- _' @
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)。. k- T" r( { f3 {. Q
- L+ ~/ ?1 A# a) u- L1 Y2 `; K
全到全 GPU 内核:奠定通信基石
: r! f% S! h4 K% p( `
( A1 j/ R9 V6 ^% jMoE 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。7 `1 ?7 p+ j7 [$ t: z& `
7 w# J [' f* q% F$ [& m1 J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。
e1 J. o; n. m. z5 R# G* j' y0 W+ j' j! m0 a
"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。"; @" d" \/ z0 j" ]% [5 p/ J" B% J: J3 @; N
# Z7 i6 O ~! i, r% v
非对称带宽优化内核:精细化资源管理
8 q$ C2 L3 y- G, _7 D
' E; l, b' ?9 J( K$ vDeepSeek-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。
: A5 ~. |# z6 I2 n: h8 Z# o7 q' E7 i, j( w
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。4 m' Y# W; ~7 ?4 {
* t4 H& ` {" O, m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& L! ?$ N+ v7 F' a: \+ m6 T$ U' {6 D8 X) ]; x0 a' x
"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。"3 i1 R% K( f% y& t
$ Z. i# w. P! U, s) u6 N. l, l3 ]" i
低延迟内核:推理性能的保障
2 d& t( F. l# h' g# S
. Q1 |. \7 v" N* o8 V8 Y8 X0 M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 n) [" ? m: e6 z4 w4 L7 g% [0 T ^% N
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。
) d; `9 E0 D0 z9 i# a7 A/ D8 s" a7 `" \6 E* P3 n$ o% ~7 Z* g0 ?8 g
"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。"( p6 y0 e2 A. F8 x
' [+ G# H! o2 e" i( I通信计算重叠:系统级优化
: p$ h5 ^5 W& h$ I/ T7 n* j
% H% x% h a/ p N0 IDeepEP 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。
- |. U9 t' I1 m) @) b: ] R; g8 S+ @- ~. i; ~# ?6 U
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 a, [5 {! y$ f' E) ?! K) ]/ S G5 Z% a2 A% ]" R) \: e) J8 b O6 n
"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。
( x# `! j# M4 P7 t9 ?2 C
# g$ Q; U8 k+ G8 K; Z. l: N) @三、DeepEP 性能数据解读:以实测为依据/ r$ q/ B, w5 {6 D. d
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。6 l7 L6 B) N2 K
1 |6 W3 f! F/ K0 l普通内核性能:逼近理论极限+ r" x: I( D9 L$ ?* M4 ?
# b9 ^3 ]% K& f" ]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。
& i1 x& C! A9 ]2 v
$ k, t, k) q5 d2 c3 h3 D- p) D
) K2 O. p# J" B& ]7 Q这些数据清晰地表明:- A8 G0 w1 h& Y) o/ Q) F: L
9 H4 o6 v8 |+ n$ `$ B; f. l* k
* DeepEP 能够充分利用 NVLink 和 RDMA 的带宽资源。7 Q! |6 U P K/ C
* 在节点内部,DeepEP 的吞吐量几乎达到了 NVLink 的理论上限。
2 [1 ]1 u& M: @$ ?6 g [! m* 在节点之间,DeepEP 的吞吐量也接近了 RDMA 的理论上限。. T/ U& o4 A* i4 w2 p" N# L
* 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。
" s# H" I- C, n低延迟内核性能:微秒级延迟
/ V: G! U7 R3 M: Y ~
7 z/ A3 f U7 [) L低延迟内核的测试数据同样证明了 DeepEP 的出色设计:/ ]2 I3 B/ t1 c- R( _
" ~+ V$ E# h8 O2 E4 O8 F
C+ n, [7 m$ q* z! M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# x& i. n* x# w$ f% J, c& P
四、DeepEP 的工程哲学:实用主义与开放协作5 H* o7 A) `; g6 |5 k, D0 ~$ A2 K
DeepEP 的设计和实现,体现了 DeepSeek 团队一贯的工程哲学:5 K$ h( C! _+ n d
U1 m6 H. \% r以问题为导向,实用至上8 R8 v9 }' s: X% S4 `: R r
9 `; W. {; X$ e2 B7 W
DeepSeek 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。* Q' X& f7 a: x; c/ [
1 Q# f( L5 i$ ^. d6 P- h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& q5 d$ h- e$ t0 F
& x7 O4 q) \- k; j8 c: v7 G# }"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。"* x) B: H; e/ M; ?' }$ ?
2 o- o, \+ e) }5 rPTX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。6 i( A% E; @/ c2 [
" K) b1 g3 p8 u8 A" E7 W
开放协作,共同进步
) J4 f" E6 n$ x, B0 J7 M/ ?$ }& _, Y4 k9 e2 F6 C6 w' Y* B
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。
8 A. a+ Q: V. r$ \; U2 o$ k3 T3 t6 K. I" D$ @1 R( e
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。1 Z9 q" p8 \* V, z. q
8 u# S/ a* i+ W& }5 z
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。- \' X$ J- b/ n" h! y6 n
2 y6 X3 L5 x: r$ {9 r软硬件协同,深入底层/ }& d: w& S( K( i
1 N" ?2 j" n3 d/ t z5 u
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。
1 ^2 q; Y) `* a8 I ]* \" x, R
; K" Q' ~% F3 `$ Y* {! y9 p/ zDeepEP 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。' w z2 a$ L. o# x* v+ W
& s2 |9 j/ C7 p4 [3 }6 K2 f# k; X
五、DeepEP 的网络配置与优化; i3 }0 B7 F5 h4 B
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。
) c6 F5 r+ r4 L$ n k$ B' W6 O# O3 O4 b/ \- z; y: ^ _$ c
流量隔离
2 h3 b& ?) z9 w" z! ~8 y6 G7 K# Q
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。 Q8 |4 v% W( e- N
! ]% V r+ j& 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。"
" b' h; \( M, Y. P# {0 F9 T6 D) X+ ]( k' j
自适应路由% Q/ L7 f1 u; ]. T% @, B; }
& ~7 }* q' ]8 G6 K4 J( E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。
) P' _; |# x: i
$ C" ~3 a/ v" l, V* wDeepSeek 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。
& _% z0 q8 t( ?- r/ R
& ~+ E+ N' }5 I. w"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 `5 B5 W; w) _" [& D2 _8 I" I x
+ T( m/ V- M2 l4 G) M$ G拥塞控制
1 `4 p8 [$ y: m& U9 O( M% q' i
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- q% v$ Z7 \" c r' R2 t7 T
% y" }, N0 l$ l! {
总结:DeepEP 的深远意义& p R8 e; B9 U0 P9 A! H
' R$ x) ~0 i( z
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:) O! W: ~5 c7 ?+ ~( L1 t8 O: d
3 v* K' j. _) i4 Z9 D
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。
: T5 e) E; i0 Q2 m) o9 I4 S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。7 H: E, t# K2 z8 X5 j0 I {$ [
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。; D* |0 r3 i8 H+ p
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。2 n# L/ ]1 M# F" e5 B# f0 R$ G/ F
, b& A4 U0 q, m8 W/ C原文链接 |
评分
-
查看全部评分
|