了解集合通信与模型并行策略

集合通信

集合通信基础

• 了解通信相关术语：
  

• 了解常见网络拓扑结构：典型拓扑结构优缺点

• 了解场景硬件架构图：
  1.A+K(8P):
  

通过HCCS实现两两互联（Full Mesh），如NPU与NPU之间，CPU与CPU之间；NPU和CPU之间通过PCIE连接。
Full Mesh是指在一个网络拓扑中，每个节点都直接连接到其他节点，形成一个完全互联的网络结构。在Full Mesh网络中，任何两个节点之间都可以直接通信。

2.A+X(16P):

双mesh组网（8P Full-mesh）

集合通信原语

• 一对多
  Broadcast：将通信域内root节点的数据广播到其他rank
  

  Scatter：将通信域内root节点的数据均分并散布至其他rank
  

• 多对一
  

• 多对多
  
  
  
  

模型并行策略

• 数据并行（Data Parallelism，DP）

数据并行是指将一个批次（batch）的训练数据分成若干个小批次，分发给多个计算节点来进行训练的并行方式。

• 流水并行（Pipeline Parallelism，PP）

对于分布式训练，当模型规模太大而无法存放在单个计算节点上时，可以使用流水并行。在流水并行中，模型被逐层拆分成几个阶段，每个计算节点仅存储并执行其中的一个阶段（一个阶段可以是一层，也可以是相邻的多层）。这样可以有效减轻每个节点内的存储压力。

• 张量并行（Tensor Parallelism，TP）

如果单层/单阶段的模型依然太大而无法放在单个节点上怎么办？那就将它的参数进一步切分到多个节点上，每个节点计算部分结果，再通过通过节点间的通信获取到最终结果，这就是张量并行。简言之，流水并行是模型的层间切割，而张量并行是模型的层内切割。这两种模型并行的方式是可以同时存在的。

• 专家并行（Experts Parallelism，EP）

专家并行是在分布式学习中专门针对MoE场景的并行策略，其主要思想就是将不同专家放在不同计算节点上进行并行计算。专家并行与之前所有的并行相比，最大的不同在于，输入数据需要通过一个动态的路由选择机制分发给相应专家，此处会涉及到一个所有节点上的数据重分配的动作，然后在所有专家处理完成后，又需要将分散在不同节点上的数据按原来的次序整合起来。

参考资料

• 通信基础概述
• HCCL集合通信库
• 深度学习的分布式训练与集合通信（一）
• 深度学习的分布式训练与集合通信（二）
• 深度学习的分布式训练与集合通信（三）
• 典型拓扑结构优缺点