PyTorch 分布式训练（DDP）不同机器之间的进程通信

本文链接：https://blog.youkuaiyun.com/old_power/article/details/146592492

在 PyTorch 的分布式训练（DDP）中，不同机器之间的进程通信是由 PyTorch 底层自动完成的，但需要正确的网络配置和通信后端支持。以下是详细的通信机制说明：

一、通信的核心组件

通信后端（Backend）
PyTorch 支持多种分布式通信后端，最常用的是：
- NCCL（NVIDIA Collective Communications Library）：
  - GPU 间通信的优化库，多机多卡训练的首选（要求所有机器使用 NVIDIA GPU）。
  - 支持高效的 All-Reduce、Broadcast 等集合操作。
- GLOO：
  - 支持 CPU 和 GPU 通信，适合异构环境，但对 GPU 通信效率不如 NCCL。
- MPI（需额外安装）：
  - 高性能计算领域的标准，适合超算集群。
进程组（Process Group）
- 管理所有参与训练的进程（包括不同机器上的进程）。
- 通过 init_process_group() 初始化时指定通信后端（如 backend="nccl"）。
Ring-AllReduce 算法
- DDP 默认使用此算法同步梯度，所有 GPU 形成一个逻辑环，高效聚合梯度。

二、多机通信的关键配置

1. 网络要求

所有机器必须网络互通，且能通过 IP 和端口直接通信。
建议使用高速网络（如 InfiniBand 或 10G+ Ethernet），避免带宽成为瓶颈。

2. 环境变量

MASTER_ADDR：主节点的 IP 地址（如 192.168.1.1）。
MASTER_PORT：主节点的开放端口（如 12355，需确保未被防火墙拦截）。
WORLD_SIZE：总进程数（所有机器的 GPU 总数）。
RANK：当前进程的全局编号（从 0 开始）。

3. 初始化代码示例

import torch.distributed as dist

def setup(rank, world_size):
    os.environ['MASTER_ADDR'] = '主节点IP'  # 例如 '192.168.1.1'
    os.environ['MASTER_PORT'] = '12355'    # 任意空闲端口
    dist.init_process_group(
        backend="nccl",  # 多机GPU训练用NCCL
        rank=rank,       # 当前进程的全局rank
        world_size=world_size
    )

三、多机训练启动流程

1. 启动命令

每台机器上需要分别启动脚本，并指定正确的 RANK：

# 机器0（主节点，IP: 192.168.1.1，2块GPU）
torchrun --nproc_per_node=2 --nnodes=2 --node_rank=0 --master_addr=192.168.1.1 --master_port=12355 train.py

# 机器1（从节点，IP: 192.168.1.2，2块GPU）
torchrun --nproc_per_node=2 --nnodes=2 --node_rank=1 --master_addr=192.168.1.1 --master_port=12355 train.py

参数说明：
- --nnodes：总机器数。
- --node_rank：当前机器的编号（主节点为 0）。
- --master_addr：主节点的 IP。

2. 通信过程

所有机器上的进程通过 MASTER_ADDR:MASTER_PORT 连接到主节点。
PyTorch 自动建立进程组，分配唯一的 RANK 给每个进程。
训练时，梯度通过 NCCL 后端在多机间同步（无需手动干预）。

四、常见问题与调试

1. 连接失败

检查防火墙：确保 MASTER_PORT 在所有机器上开放。

测试网络连通性：

# 从机器1 ping 机器2
ping 192.168.1.2
# 测试端口是否可达
nc -zv 192.168.1.1 12355

2. 通信性能差

使用 NCCL 后端时，确保所有机器使用相同型号的 GPU。
避免跨地域训练（如云服务器在不同可用区）。

3. 代码中注意事项

避免直接文件写入：所有进程同时写文件会导致冲突。应只在主进程（rank=0）保存模型：
```
if dist.get_rank() == 0:
    torch.save(model.state_dict(), "model.pth")
```

五、底层通信原理（简要）

梯度同步流程：
- 每个 GPU 计算本地梯度。
- 通过 All-Reduce 操作汇总所有机器的梯度并求平均。
- 每台机器独立更新模型参数（保证一致性）。
PyTorch 的抽象层：
- 用户无需关心具体通信细节，DDP 和 ProcessGroup 封装了底层通信（如 socket、NCCL API 调用等）。