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 - J9 B0 f% B0 v5 d
' W1 D" p, E8 H4 i# {! {% t7 L1 x
DeepSeek DeepEP:MoE 训练/推理加速,开源通信库背后的工程哲学3 n4 X+ g+ }/ d# C# _! F
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。5 R9 [" B* b3 p8 i! A( W
( o( i, R- J( ?% F- w9 J1 i# t! N
一、DeepSeek 开源第二天,DeepEP 亮相( X# a! `1 K; e6 O: 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。) w2 I: `+ R3 } L5 q) N
! V. v+ j% R6 CMoE 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 u% q+ l9 n; K- w& l
6 h; I; f' d8 o二、DeepEP 技术亮点:超越速度的深度优化
2 t6 m; e& ?4 y3 ]. z2 FDeepEP 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)。. t/ P/ W E: J ^; n+ N7 c& C
; ?* |8 P5 O$ Q7 L# h! @
全到全 GPU 内核:奠定通信基石, h [4 y |& o+ I4 R
/ P+ x3 d, t( E& k2 X/ _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。
* F, u8 R$ E% Q$ t$ z( W }5 d+ e: S2 o; J. O
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。
. h, M- o4 M% Q( }
, M6 R1 E5 z9 b! A" |3 S8 R. n"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。"
- ^) R! R! x. m/ @/ w
; I2 M6 O4 \3 K9 c% U& E: |非对称带宽优化内核:精细化资源管理
4 i1 H' h3 E- N+ m5 j; f3 f: w* _0 s' M
DeepSeek-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。! m0 y! i& ?& y, D( ^, P
) B2 h, `/ B3 _1 ~( m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。6 E( L% o4 t! K. b& C5 N
$ o! [( Z$ ? z* E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( M7 @& x4 q D
0 T% O0 D+ d3 a$ [# a: Z( D"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。": z+ M5 {: H3 ~. D
7 Z _& p% O4 x. |
低延迟内核:推理性能的保障) r3 H$ Y* ]) X8 E
1 @8 J" d1 [4 K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。! C. e* m K m" e. @
0 V: x8 a6 }8 G; q e1 j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。
v" n( l* g7 I; d) ~% S$ n" Y; }& G" N9 ?) 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。"
Y! p4 X! m' s6 u% Q# E/ r
/ H: H; ~% {3 k g0 @2 s7 G9 D通信计算重叠:系统级优化
" E" U. y5 n# ~8 B: t2 x
2 G# A- S9 {/ |- R1 e& X7 kDeepEP 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。
; `* g2 C) C" T
2 S6 J6 x6 h" g. y4 p1 z3 W1 t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。
+ B+ U/ l2 B8 U0 x: |; P5 \- o. j @$ i& q
"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。2 Z6 l) _ e1 A. B9 O
6 m ?8 w: d t% ]" }' }
三、DeepEP 性能数据解读:以实测为依据* H9 C l7 C# X5 `
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。
( Q/ D! V) \" ^
6 q9 Z% D" N6 N普通内核性能:逼近理论极限, G0 @; `0 @& k3 S* Y
: E$ g* z' a; }: A3 c/ A3 y4 y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。
% S5 p/ Q1 |* Y# D
# _4 g" Q& u, Z2 q% `" _, W: H7 F+ e9 v4 Y/ N
这些数据清晰地表明:$ ]5 N; N3 P- \! z& H7 |) ]* h
( ~, t& Z( _( q8 e* DeepEP 能够充分利用 NVLink 和 RDMA 的带宽资源。
! y1 C, j3 V% W8 `1 @6 t* 在节点内部,DeepEP 的吞吐量几乎达到了 NVLink 的理论上限。2 Q- V) g" ?% E) i( d
* 在节点之间,DeepEP 的吞吐量也接近了 RDMA 的理论上限。 v5 E! H6 Q) Z) ?% ?- V
* 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。
* x: w" M" y( K低延迟内核性能:微秒级延迟, K! e o# L8 f1 J' I; ]$ O- ~
0 C, \4 Z7 ]# l! P u
低延迟内核的测试数据同样证明了 DeepEP 的出色设计:
' ?% q* a$ H p( }
1 _/ O9 M* k1 w- ]/ b, z0 F* S' p- F8 u9 }( r5 a5 f
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。
& P6 U. C) {, G: U% U3 z- B2 U& O6 w0 G& B
四、DeepEP 的工程哲学:实用主义与开放协作& w2 C, [. {' [2 M. [: R
DeepEP 的设计和实现,体现了 DeepSeek 团队一贯的工程哲学:% I) K7 d! O# w9 h
$ o9 J- K4 `0 R4 B" {1 G. @
以问题为导向,实用至上
/ A" P3 t, T3 a9 p
8 Y w" T5 |3 @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。
: J1 i8 x: y1 Y; d
# m7 j8 v5 a. z7 e4 n. U! W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 _' {& n! o; ~; i
& B: F# f4 o3 J2 z" W- V
"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。"
% p4 g/ u' R; K( H a; q2 J; D/ \
PTX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。
' n) _0 g1 r$ q t6 W! t0 v
7 L& ^3 f4 V( ^7 P3 y* W8 F% J开放协作,共同进步8 e% B1 P4 ], C/ I2 F7 y' ]
% N, i; ?" _) C6 p/ A+ X
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。
$ M. r# k- ~$ W% v# a. H! h& k. ~7 `( [2 H1 `; V2 a4 M8 ]/ 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。
4 A9 F; n3 N8 p& j* n+ x- z& t* I6 @4 j& B3 J
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。; ?% y: W7 N9 D+ U0 W
' X7 B# h9 Y% F, w3 q( c) b/ R1 F" B软硬件协同,深入底层3 R( q8 }" ~, q+ G' {- u3 y M
; p6 \/ O, s% O# a' I; {: w* ?: Y& f
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。; K& [+ h; a( o+ p& \( Z
/ s& J, ]; H' Z; R) R
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。3 s; {, v9 ]: P" ~4 O R
' ^9 G. X6 E: |. g
五、DeepEP 的网络配置与优化
" W. O) J/ t$ _8 ?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。
0 g7 L2 c; x# ` H, w2 ?1 W/ H1 q- U M( R) E( Z% o7 y0 T9 z
流量隔离6 O5 o$ U# c( [/ T! `
# A) H: D9 t; T: n
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。 N4 B/ p0 v2 M" Q
& o$ Y% ?, M4 b. w"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。"
( Q Q: A4 g5 e. j; q5 k% Q& J/ K4 b$ e1 r7 g5 |6 b9 r8 ]. b O
自适应路由
% Q/ c R9 a" V- s) h. C. X M5 P# @& ]) K& W2 I
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。
% v6 y4 _5 ?8 ^ M$ t5 K% u
- m9 d( s" ]+ c! q& w0 a3 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。
, Z' e4 p! t, a- L& x
% b6 u: }; U9 ]" E* g4 d"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"
2 I8 K: T! `. p" U4 Y
. U0 I/ p# J! f" ?5 X拥塞控制
l% `/ N9 X# Z ~2 B1 e% V# a) t: W) W3 {6 _
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 _8 Q" e; Y6 ]4 I
$ A/ z7 k* m5 [; }$ l总结:DeepEP 的深远意义
/ W; d5 D3 W! ~9 |% L
3 Z' f, f1 i& UDeepEP 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:! Y, U! r: s, N- K. e0 s
+ [) M& U7 `0 k/ [. [1 m0 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。$ Z' S; u1 ^ Q. ~! U/ \( |' W' q' [
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 o: K' {' k5 @: b% p) t9 d
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。
i9 f8 c6 z+ k. @6 n9 ]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。
+ c; s6 a" J+ i9 K% }% u8 x( s# J/ V' E, ]2 y. L
原文链接 |
评分
-
查看全部评分
|