title | links |
---|---|
HCCL集合通信测试 |
HCCL(Huawei Collective Communication Library)是基于昇腾AI处理器的高性能集合通信库,其主要功能与作用与Nvidia的NCCL库相似,主要用于集合通信,CANN库种自带一套测试工具用以分析集合通信性能。
前置环境配置阶段请参考Ascend上创建Docker,后续的所有流程均需要在具备HCCL硬件的平台上实现,需要注意的是,建议使用的Ubuntu版本大于等于20.04LTS,否则可能会遇到VSCode不支持的情况。
CANN的配置过程参考Ascend上创建Docker文档的安装CANN章节,并记录安装位置,以备后续使用
完成CANN后,建议在~/.bashrc
文件中添加对应的环境变量,例如:
# 使用nano打开~/.bashrc文件
nano ~/.bashrc
在文件的最后添加export ASCEND_HOME=/usr/local/Ascend/ascend-toolkit/latest
在OpenMPI官网找到对应版本的安装包下载,然后解压缩安装包,以mpich-4.2.0
版本为例:
# mpich下载链接参考:https://www.mpich.org/static/downloads
wget https://www.mpich.org/static/downloads/4.2.0/mpich-4.2.0.tar.gz
# 解压缩mpich压缩包
tar -zxvf mpich-4.2.0.tar.gz
配置mpi的安装路径,以/root/mpich
路径为例:
# 新建文件夹
mkdir ~/mpich
# 进入解压缩后的mpich文件夹
cd mpich-4.2.0
# 配置安装路径
./configure -prefix=/root/mpich --disable-fortran
使用make
命令构建mpich的可执行文件,该过程可能耗时比较长
make
make install
完后后将mpich添加到环境变量种,并添加对应的链接库和帮助文件
# 修改~/.bashrc文件
nano ~/.bashrc
在最后一行添加以下内容:
export MPI_HOME=/root/mpich
export PATH=$MPI_HOME/bin:$PATH
export MANPATH=$MPI_HOME/man:$MANPATH
export LD_LIBRARY_PATH=$MPI_HOME/lib:$LD_LIBRARY_PATH
本章节参考链接:【昇腾】Ascend Snt9B集合通信算子单机多卡性能测试指导
为了方便后续修改hccl_test
内的文件,且保持一份未修改的源文件,建议将对应的文件复制到用户路径下,例如复制到/root/Workdir
路径下
cp -r /usr/local/Ascend/ascend-toolkit/7.0.0/tools/hccl_test /root/Workdir/
由于配置的ASCEND_HOME
指向的文件夹是一个链接,在复制hccl_test
文件夹的时候需要复制源文件而不是文件夹链接,因此可以通过命令查看其对应的真实文件路径
# 切换到ASCEND_HOME路径
cd $ASCEND_HOME/tools
# 查看链接的真实地址
ll
切换到复制后的文件夹后,执行编译命令:
# 切换到复制后的文件夹中
cd /root/Workdir/hccl_test
# 编译文件
make MPI_HOME=/home/mpich ASCEND_DIR=/usr/local/Ascend/ascend-toolkit/latest
编译完成后会在新建的./bin
文件夹中出现多个*_test可执行文件
执行以下命令即可进行简单测试:
# mpirun -n 8 * 表示使用mpi拉起8个进程,建议与最后的-p参数保持一致
mpirun -n 8 ./bin/all_reduce_test -b 8 -e 2048M -f 2 -p 8
对应的测试配置参数及其释义如下:
-b,--minbytes <min size in bytes>
-e,--maxbytes <max size in bytes>
-i,--stepbytes <increment size>
-f,--stepfactor <increment factor>
-n,--iters <iteration count>
-o,--op <sum/prod/min/max>
-d,--datatype <int8/int16/int32/fp16/fp32/int64/uint64/uint8/uint16/uint32/fp64/bfp16>
-r,--root <root>
-w,--warmup_iters <warmup iteration count>
-c,--check <result verification> 0:disabled 1:enabled.
-p,--npus <npus used for one node>
-h,--help
如果需要修改HCCL通信的缓冲区大小(每次HCCL通信可发送/接收的数据包大小),可以在执行之前设置环境变量HCCL_BUFFSIZE
,单位MB,例如设置缓冲区大小为2GB:
export HCCL_BUFFSIZE=2048
为了方便调试和分析hccl_test编写的测试工具在运行中各个参数与之对应的实际生效作用关系,需要配置调试环境进行单步调试,通过抓取运行中的寄存器值可以看到每个参数实际对应的功能。
VSCode需要安装Remote-SSH
插件连接到远程服务器,插件安装过程参考其他教程,在使用Remote-SSH
插件连接到远程服务器后需要在远程服务器上安装C/C++
、Jupyter
、Python
等扩展
使用Remote-SSH
登录到服务器上的指定文件夹,并新建.vscode
文件夹,并在该文件夹下新建以下三个配置文件c_cpp_properties.json
、launch.json
、tasks.json
该文件主要用于配置在编辑器中是否显示静态检查结果,例如部分头文件无法找到会出现红色波浪等
{
"env":{
"ASCEND_HOME": "/usr/local/Ascend/ascend-toolkit/latest"
},
"configurations": [
{
"name": "linux-gcc-arm64",
"includePath": [
"${workspaceFolder}",
"${workspaceFolder}/common/src",
"${workspaceFolder}/common/utils",
"${workspaceFolder}/opbase_test",
"${MPI_HOME}/include",
"${ASCEND_HOME}/include"
],
"defines": [
"MEM_DUMP"
],
"compilerPath": "/usr/bin/gcc",
"cStandard": "c11",
"cppStandard": "gnu++11",
"intelliSenseMode": "linux-gcc-arm64",
"mergeConfigurations": false
}
],
"version": 4
}
- includePath:将代码所需的头文件路径添加到该字段下即可
该文件主要用于配置调试器,在调试C/C++工具时需要先安装gdb工具,安装命令:apt install gdb
{
"configurations": [
{
"name": "C/C++: gcc 生成和调试活动文件",
"type": "cppdbg",
"request": "launch",
"program": "${workspaceFolder}/bin/zhangdx_test",
"args": [],
"stopAtEntry": false,
"cwd": "${workspaceFolder}",
"environment": [],
"externalConsole": false,
"MIMode": "gdb",
"setupCommands": [
{
"description": "为 gdb 启用整齐打印",
"text": "-enable-pretty-printing",
"ignoreFailures": true
},
{
"description": "将反汇编风格设置为 Intel",
"text": "-gdb-set disassembly-flavor intel",
"ignoreFailures": true
}
],
"preLaunchTask": "C/C++: gcc 生成活动文件",
"miDebuggerPath": "/usr/bin/gdb",
"envFile": "${workspaceFolder}/.env"
}
],
"version": "2.0.0"
}
- program:编译后生成的可执行文件,编译参数见
tasks.json
文件 - envFile:程序运行时添加的环境变量,可参考
.env
文件 - preLaunchTask:编译可执行文件的参数配置,参考
tasks.json
文件
该文件主要用于编译生成可执行文件,相关的编译参数需要添加到该文件中,参数信息参考Makefile
文件
{
"tasks": [
{
"type": "cppbuild",
"label": "C/C++: gcc 生成活动文件",
"command": "/usr/bin/gcc",
"args": [
"-Wl,--copy-dt-needed-entries",
"-fdiagnostics-color=always",
"${workspaceFolder}/common/utils/**.cc",
"${workspaceFolder}/common/src/**.cc",
"-g",
"${workspaceFolder}/opbase_test/zhangdx_test.cc",
"-o",
"${workspaceFolder}/bin/zhangdx_test",
"-I${workspaceFolder}/common/src",
"-I${workspaceFolder}/common/utils",
"-I${workspaceFolder}/opbase_test",
"-I${MPI_HOME}/include",
"-I${ASCEND_HOME}/include",
"-L${MPI_HOME}/lib",
"-L${ASCEND_HOME}/lib64",
"-lhccl",
"-lascendcl",
"-lmpi",
"-DMEM_DUMP"
],
"options": {
"cwd": "${fileDirname}"
},
"problemMatcher": [
"$gcc"
],
"group": "build",
"detail": "调试器生成的任务"
}
],
"version": "2.0.0"
}
-
label:与
launch.json
文件中的preLaunchTask
字段对应 -
args:编译参数,具体参考
Makefile
文件
本章节参考:采集昇腾AI处理器系统数据,可以根据文档内容直接运行对应的执行参数,但是为了方便程序运行与调试,请参考8卡Trace采集脚本
运行脚本后会在./log/prof/*.json
路径中出现对应的timeline文件,打开Perfetto网站,导入对应的json文件即可查看和分析对应的测试Trace
点对点NPU测试(数据交换)测试速度比msprof抓取Trace快,可以测试不同数据包下的性能表现,测试脚本参考点对点测试脚本
aveg_time | alg_bandwidt |
---|---|
数据源文件参考:hccl_p2p_test.zip
alg | alg_bandwidth | aveg_time |
---|---|---|
all_gather | ||
all_reduce | ||
alltoall | ||
alltoallv | ||
broadcast | ||
reduce | ||
reduce_scatter |
- NPU卡对卡之间的连接带宽相对是稳定的、差异性较小
- 在不同的算法下带宽数据表现一致性较好
算法带宽是指申请内存空间大小为$N$,算法开始为$M$,则算法带宽为$N/M$,后续的实验证明,不同算法下,主要耗时花费在通信上,因此该带宽数据即为通信带宽数据。
alg_bandwidth | aveg_time |
---|---|
- 随着数据包增大,带宽数据逐渐增加,最终稳定在37.8GB/s
- 不同算法对数据包的大小敏感程度不一样,alltoallv(绿色)算法耗时较长
本章节后续的分析基于Broadcast测试案例,数据包大小设置为2GB,数据类型为float(4字节),HCCL通信Buffer大小为2G,4张NPU卡作为测试条件
Trace源文件参考:broadcast_2.0GB.zip
由于设置的数据包大小为2GB,则需要申请2GB空间的集合通信内存(Device侧内存),不同的算法根据其算法的特点,申请的内存大小有所不同
备注:数据类型是float,因此实际申请的是0.5GB个float数据所占用的空间,后续均以字节数表示
main()
|- hccl_test->opbase_test_by_data_size()
|- $ hccl_test->hccl_op_base_test()
|- $ aclrtMalloc()
申请同样大小(2GB)的Host侧内存(64.476ms)并进行初始化(8.033s)
main()
|- hccl_test->opbase_test_by_data_size()
|- hccl_test->hccl_op_base_test()
|- $ aclrtMallocHost()
|- $ hccl_host_buf_init()
Host侧的内存进行memcpy操作到Device侧
main()
|- hccl_test->opbase_test_by_data_size()
|- hccl_test->hccl_op_base_test()
|- $ aclrtMemcpy()
Host侧申请2G的校验内存空间(65.484ms),用于校验内存数据,并初始化校验内存空间(4.221s)
main()
|- hccl_test->opbase_test_by_data_size()
|- hccl_test->hccl_op_base_test()
|- $ init_buf_val()
|- $ aclrtMallocHost()
|- $ hccl_host_buf_init()
开始集合通信,相关的细节在下一个章节进行分析
main()
|- hccl_test->opbase_test_by_data_size()
|- hccl_test->hccl_op_base_test()
|- $ HcclBroadcast()
申请Host侧的2GB校验空间(64.736ms),并将其Device侧的通信结果复制到该空间中(105.916ms)
main()
|- hccl_test->opbase_test_by_data_size()
|- hccl_test->hccl_op_base_test()
|- $ check_buf_result()
|- $ aclrtMallocHost()
|- $ aclrtMemcpy()
验证HCCL的通信结果,计算并打印HCCL的测试结果
main()
|- hccl_test->opbase_test_by_data_size()
|- hccl_test->hccl_op_base_test()
|- check_buf_result()
|- $ check_buf_result_float()
|- $ cal_execution_time()
释放Device侧的2GB大小的Buffer
main()
|- hccl_test->opbase_test_by_data_size()
|- hccl_test->hccl_op_base_test()
|- $ aclrtFree()
释放用于校验的Buffer,一共三块,每块大小2GB
- host_buf 是Stage 2申请的Host侧内存,用于初始化Device侧内存数据
- check_buf 是Stage 4申请的Host侧内存,储存用于校验的原始数据
- recv_buff_temp 是Stage 7申请的Host侧内存,储存来自Device侧的数据
main()
|- hccl_test->opbase_test_by_data_size()
|- hccl_test->hccl_op_base_test()
|- $ destory_check_buf()
|- $ aclrtFreeHost()
上述的测试均基于BufferSize足够大的情况下(所有数据包均可一次发送或接收完成),当HCCL的Buffer不够大时,传输2048MB的数据进行切片分割
以Broadcast算法为例,分别设置HCCL Buffer大小为2048MB和10MB进行测试,HCCL通信一次对应的Trace结果如下图所示
源文件参考路径:broadcast_buffer2048M.zip和broadcast_buffer10M.zip
在Trace中,通信带宽数据有两处可以查阅到,一是查看HBM
数据,该数据按照一定的时间间隔进行采集,整体的颗粒度不够高,但是可以从全局查看整体变化趋势;二是在HCCL
的memcpy
阶段存在size
字段,可以查看到每个阶段具体的memcpy
内存数量
在HCCL
的memcpy
字段下不仅存在size
字段,还存在link type
、bandwidth
、transport type
、src rank
、dst rank
等字段,可以用于后续分析
以数据包大小设置为2GB,数据类型为float(4字节),HCCL通信Buffer大小为2G,8张NPU卡作为测试条件,相关的原始文件参考trace_log/
需要注意的是本文拿到的所有地址均为虚拟地址,每个rank拿到的虚拟地址可能是相同的(由内存管理模块分配)但对应的物理地址是不同的,因此地址信息不能作为是否Buffer复用的判定依据
本人能力有限,对每个集合通信算法中每次进行memcpy等任务无法进行分析,如果有大佬了解每一步的具体操作,还望不吝赐教~
rank_id | type | host_ptr | host_size | value |
---|---|---|---|---|
0, 1, 2, 3, 4, 5, 6, 7 | init_buff | 0x124080c00000 | 256MB | 1, 2, 3, 4, 5, 6, 7, 8 |
0, 1, 2, 3, 4, 5, 6, 7 | check_buff | 0x124a80000000 | 2GB | [1, 2, 3, 4, 5, 6, 7, 8] [1, 2, 3, 4, 5, 6, 7, 8] ... ... |
rank_id | type | ptr | malloc | trans_count |
---|---|---|---|---|
0, 1, 2, 3, 4, 5, 6, 7 | send | 0x124041200000 | 256MB | 64M (256MB) |
0, 1, 2, 3, 4, 5, 6, 7 | recv | 0x1242c0000000 | 2GB | 64M (256MB) |
stage | src | dst | type | size | remark |
---|---|---|---|---|---|
0 | 0 | 0 | CHIP | 256MB | 把rank_0的数据放在发送缓冲区 |
1 | 0 | 0 others (7) |
CHIP HCCS |
256MB | 把rank_0的数据通过发送到目标设备 |
rank_id | type | host_ptr | host_size | value |
---|---|---|---|---|
0, 1, 2, 3, 4, 5, 6, 7 | init_buff | 0x124440000000 | 2GB | 1, 2, 3, 4, 5, 6, 7, 8 |
0, 1, 2, 3, 4, 5, 6, 7 | check_buff | 0x124bc0000000 | 2GB | 36 |
rank_id | type | ptr | malloc | trans_count |
---|---|---|---|---|
0, 1, 2, 3, 4, 5, 6, 7 | send | 0x1242c0000000 | 2GB | 512M (2GB) |
0, 1, 2, 3, 4, 5, 6, 7 | recv | 0x124380000000 | 2GB | 512M (2GB) |
stage | src | dst | type | size | remark |
---|---|---|---|---|---|
0 | 0 | 0 | CHIP | 256MB | 把rank_0的数据放在发送缓冲区 |
1 | 0 | others (7) | HCCS (Reduce_FP32) | 256MB | 对其他的几个rank进行reduce操作 |
2 | 0 | 0 | CHIP | 256MB | |
3 | 0 | others (7) | HCCS | 256MB |
rank_id | type | host_ptr | host_size | value |
---|---|---|---|---|
0, 1, 2, 3, 4, 5, 6, 7 | init_buff | 0x124440000000 | 2GB | 1, 2, 3, 4, 5, 6, 7, 8 |
0, 1, 2, 3, 4, 5, 6, 7 | check_buff | 0x124c40000000 | 2GB | [1, 2, 3, 4, 5, 6, 7, 8] [1, 2, 3, 4, 5, 6, 7, 8] ... ... |
rank_id | type | ptr | malloc | trans_count |
---|---|---|---|---|
0, 1, 2, 3, 4, 5, 6, 7 | send | 0x1242c0000000 | 2GB | 64M (256MB) |
0, 1, 2, 3, 4, 5, 6, 7 | recv | 0x124380000000 | 2GB | 64M (256MB) |
stage | src | dst | type | size | remark |
---|---|---|---|---|---|
0 | 0 | 0 | CHIP | 2GB | |
1 | 0 | 0 | CHIP | 256MB | |
2 | 0 | others (7) | HCCS | 256MB |
rank_id | type | host_ptr | host_size | value |
---|---|---|---|---|
0, 1, 2, 3, 4, 5, 6, 7 | init_buff | 0x124440000000 | 2GB | 1, 2, 3, 4, 5, 6, 7, 8 |
0, 1, 2, 3, 4, 5, 6, 7 | check_buff | 0x124c40000000 | 2GB | [1, 2, 3, 4, 5, 6, 7, 8] [1, 2, 3, 4, 5, 6, 7, 8] ... ... |
rank_id | type | ptr | malloc | trans_count |
---|---|---|---|---|
0, 1, 2, 3, 4, 5, 6, 7 | send | 0x1242c0000000 | 2GB | 64M (256MB) |
0, 1, 2, 3, 4, 5, 6, 7 | recv | 0x124380000000 | 2GB | 64M (256MB) |
stage | src | dst | type | size | remark |
---|---|---|---|---|---|
0 | 0 | ? | ? | ? | |
1 | 0 | 0 | CHIP | 2GB | |
2 | 0 | 0 | CHIP | 256MB | |
3 | 0 | others (7) | HCCS | 256MB |
rank_id | type | host_ptr | host_size | value |
---|---|---|---|---|
0 | init_buff | 0x124380000000 | 2GB | 1 |
0, 1, 2, 3, 4, 5, 6, 7 | check_buff | 0x124780000000 | 2GB | 1 |
rank_id | type | ptr | malloc | trans_count |
---|---|---|---|---|
0 | send | 0x1242c0000000 | 2GB | 512M (2GB) |
0 | recv | 0x1242c0000000 | 2GB | 512M (2GB) |
0, 1, 2, 3, 4, 5, 6, 7 | send | 0x1242c0000000 | 2GB | 512M (2GB) |
0, 1, 2, 3, 4, 5, 6, 7 | recv | 0x1242c0000000 | 2GB | 512M (2GB) |
stage | src | dst | type | size | remark |
---|---|---|---|---|---|
00 | 0 | 0 | CHIP | 2GB | |
01 | 0 | others (7) | NOTIFY_WAIT | NA | |
02 | 0 | others (7) | HCCS | 256MB | |
10 | 1-7 | 0 | HCCS | 256MB | |
11 | 1-7 | others (7) | HCCS | 256MB | |
12 | 1-7 | 1-7 | CHIP | 2G |
rank_id | type | host_ptr | host_size | value |
---|---|---|---|---|
0, 1, 2, 3, 4, 5, 6, 7 | init_buff | 0x124440000000 | 2GB | 1, 2, 3, 4, 5, 6, 7, 8 |
0 | check_buff | 0x124bc0000000 | 2GB | 36 |
1, 2, 3, 4, 5, 6, 7 | check_buff | 0x124bc0000000 | 2GB | 0 |
rank_id | type | ptr | malloc | trans_count |
---|---|---|---|---|
0, 1, 2, 3, 4, 5, 6, 7 | send | 0x1242c0000000 | 2GB | 512M (2GB) |
0, 1, 2, 3, 4, 5, 6, 7 | recv | 0x124380000000 | 2GB | 512M (2GB) |
stage | src | dst | type | size | remark |
---|---|---|---|---|---|
00 | 0 | 0 | CHIP | 2GB | |
01 | 0 | others (7) | HCCS (Reduce_FP32) | 256MB | |
02 | 0 | 0 | CHIP | 256MB | |
03 | 0 | others (7) | HCCS | 256MB | |
04 | 0 | 0 | CHIP | 2GB | |
10 | 1-7 | 1-7 | CHIP | 2GB | |
11 | 1-7 | others (7) | HCCS (Reduce_FP32) | 256MB | |
12 | 1-7 | 1-7 | CHIP | 256MB | |
13 | 1-7 | 0 | NOTIFY_WAIT | NA |
rank_id | type | host_ptr | host_size | value |
---|---|---|---|---|
0, 1, 2, 3, 4, 5, 6, 7 | init_buff | 0x124380000000 | 2GB | [10, 11, 12, 13, 14, 15, 16, 17] [10, 11, 12, 13, 14, 15, 16, 17] ... ... |
0, 1, 2, 3, 4, 5, 6, 7 | check_buff | 0x124080c00000 | 256MB | 80 88 (+8) 96 (+8) ... ... |
rank_id | type | ptr | malloc | trans_count |
---|---|---|---|---|
0, 1, 2, 3, 4, 5, 6, 7 | send | 0x1242c0000000 | 2GB | 64M (256MB) |
0, 1, 2, 3, 4, 5, 6, 7 | recv | 0x124041200000 | 256MB | 64M (256MB) |
stage | src | dst | type | size | remark |
---|---|---|---|---|---|
0 | 0 | 0 | CHIP | 256MB | |
1 | 0 | others (7) | HCCS (Reduce_FP32) | 256MB | |
2 | 0 | 0 | CHIP | 256MB |