MSCCL++ 技术文档

MSCCL++ 技术文档

mscclpp MSCCL++: A GPU-driven communication stack for scalable AI applications 项目地址: https://gitcode.com/gh_mirrors/ms/mscclpp

1. 安装指南

1.1 环境要求

• 支持 CUDA 的 GPU
• 安装了 CUDA 工具包
• 安装了 Python 3.x

1.2 安装步骤

1. 克隆仓库：

   git clone https://github.com/microsoft/mscclpp.git
   cd mscclpp
   

2. 安装依赖：

   pip install -r requirements.txt
   

3. 编译项目：

   make
   

4. 运行测试：

   make test
   

2. 项目使用说明

2.1 快速开始

MSCCL++ 提供了一个快速开始的指南，位于 docs/quickstart.md。用户可以通过该指南快速了解如何启动和运行 MSCCL++。

2.2 概述

MSCCL++ 重新定义了 GPU 之间的通信接口，提供了一个高效且可定制的通信栈，适用于分布式 GPU 应用程序。其设计特别针对当前 AI 应用中常见的性能优化场景。

2.3 关键特性

• 轻量级和多层抽象：MSCCL++ 提供了接近硬件和应用 API 的通信抽象。最低级别的抽象非常轻量，允许用户在 GPU 内核中高效实现数据移动逻辑。
• 单边 0-copy 同步和异步抽象：提供细粒度的同步和异步 0-copy 单边通信原语，如 put()、get()、signal()、flush() 和 wait()。
• 统一抽象：无论远程 GPU 的位置或底层链接类型如何，MSCCL++ 都提供一致的抽象，简化了 GPU 间通信的代码。

3. 项目 API 使用文档

3.1 设备端通信接口：通道

MSCCL++ 提供了 GPU 之间的点对点通信方法。两个 GPU 之间的点对点连接称为 Channel。通道由 MSCCL++ 主机端接口构建，并在初始化期间复制到 GPU。

3.1.1 示例代码

__device__ mscclpp::DeviceHandle<mscclpp::SimpleProxyChannel> channel;
__global__ void gpuKernel() {
  ...
  channel.put(/*dstOffset=*/ 0, /*srcOffset=*/ 0, /*size=*/ 1024);
  ...
}

3.2 ProxyChannel 和 SmChannel

MSCCL++ 提供了两种类型的通道：ProxyChannel 和 SmChannel。

3.2.1 ProxyChannel

ProxyChannel 提供基于 (R)DMA 的数据复制和同步方法。这些方法通过主机端代理触发 (R)DMA 操作或同步方法。

3.2.2 SmChannel

SmChannel 提供基于内存映射的复制和同步方法。这些方法直接使用 GPU 线程读写远程 GPU 的内存空间。

3.3 主机端通信代理

MSCCL++ 提供了一个默认的主机端代理实现，用户可以轻松实现自定义代理以进一步优化。

4. 项目安装方式

4.1 克隆仓库

git clone https://github.com/microsoft/mscclpp.git
cd mscclpp

4.2 安装依赖

pip install -r requirements.txt

4.3 编译项目

make

4.4 运行测试

make test

通过以上步骤，用户可以顺利安装并开始使用 MSCCL++ 项目。

mscclpp MSCCL++: A GPU-driven communication stack for scalable AI applications 项目地址: https://gitcode.com/gh_mirrors/ms/mscclpp