系列文章

第2章 多机多卡nccl-tests 对比分析

---

---

前言

NCCL（NVIDIA Collective Communications Library）是NVIDIA提供的一套用于GPU加速的通信库，主要用于在多个GPU之间进行数据传输和通信。它被设计为在异构计算环境中（包括NVIDIA GPU和CPU）高效地执行数据并行和模型并行。

NCCL是深度学习训练中的一个关键组件，因为它能够有效地在多个GPU之间传输数据，这对于加速神经网络的训练非常重要。在现代的深度学习框架中，如TensorFlow、PyTorch和Keras，NCCL通常作为后端通信库，与框架的API紧密集成，为用户提供一个简单易用的编程接口。

这里通过使用不同的网络配置，在双机进行了nccl-test测试，获得了不同的结果，并尝试进行简单分析。

---

一、本地环境

有2台机器，配置完全相同

1. 网卡接口

ifconfig的结果：

• eno2为普通千兆以太网接口，最大带宽1Gbps；
• ens9f0np0 和ens9f1np1为Mellanox 100G网卡的两个接口

2. RDMA

jxh@nccl4:~$ lspci |grep Mellanox //查看服务器中 mellaox 网卡信息
b1:00.0 Ethernet controller: Mellanox Technologies MT27800 Family [ConnectX-5]
b1:00.1 Ethernet controller: Mellanox Technologies MT27800 Family [ConnectX-5]

jxh@nccl4:~$ ibdev2netdev //查看以太网设备与IB设备关联信息
mlx5_0 port 1 ==> ens9f0np0 (Up)
mlx5_1 port 1 ==> ens9f1np1 (Up)

jxh@nccl4:~$ ibv_devices //查看RDMA设备
    device                 node GUID
    ------              ----------------
    mlx5_0              08c0eb030024721a
    mlx5_1              08c0eb030024721b

3. TOPO信息

pcie信息

可以通过nccl传入环境变量NCCL_TOPO_DUMP_FILE=./dump-topo.xml \来转储nccl搜索到的本机topo

设置NCCL_IB_DISABLE=1时本机信息如下:

<system version="1">
  <cpu numaid="1" affinity="ffff,fffff000,000000ff,fffffff0,00000000" arch="x86_64" vendor="GenuineIntel" familyid="6" modelid="106">
    <pci busid="0000:ca:00.0" class="0x060400" vendor="0x11f8" device="0x4000" subsystem_vendor="0x11f8" subsystem_device="0xbeef" link_speed="16.0 GT/s PCIe" link_width="16">
      <pci busid="0000:cd:00.0" class="0x030000" vendor="0x10de" device="0x2684" subsystem_vendor="0x7377" subsystem_device="0x0000" link_speed="16.0 GT/s PCIe" link_width="16">
        <gpu dev="0" sm="89" rank="0" gdr="0"/>
      </pci>
      <pci busid="0000:cf:00.0" class="0x030000" vendor="0x10de" device="0x2684" subsystem_vendor="0x7377" subsystem_device="0x0000" link_speed="16.0 GT/s PCIe" link_width="16">
        <gpu dev="1" sm="89" rank="1" gdr="0"/>
      </pci>
    </pci>
    <pci busid="0000:b1:00.0" class="0x020000" vendor="0x15b3" device="0x1017" subsystem_vendor="0x15b3" subsystem_device="0x0007" link_speed="8.0 GT/s PCIe" link_width="8">
      <nic>
        <net name="ens9f0np0" dev="1" speed="100000" port="0" latency="0.000000" guid="0x1" maxconn="65536" gdr="0"/>
      </nic>
    </pci>
    <pci busid="0000:b1:00.1" class="0x020000" vendor="0x15b3" device="0x1017" subsystem_vendor="0x15b3" subsystem_device="0x0007" link_speed="8.0 GT/s PCIe" link_width="8">
      <nic>
        <net name="ens9f1np1" dev="2" speed="100000" port="0" latency="0.000000" guid="0x2" maxconn="65536" gdr="0"/>
      </nic>
    </pci>
  </cpu>
  <cpu numaid="0" affinity="0000,00000fff,ffffff00,0000000f,ffffffff" arch="x86_64" vendor="GenuineIntel" familyid="6" modelid="106">
    <pci busid="0000:65:00.1" class="0x020000" vendor="0x8086" device="0x1521" subsystem_vendor="0xffff" subsystem_device="0x0000" link_speed="5.0 GT/s PCIe" link_width="4">
      <nic>
        <net name="eno2" dev="0" speed="1000" port="0" latency="0.000000" guid="0x0" maxconn="65536" gdr="0"/>
      </nic>
    </pci>
  </cpu>
</system>

正如以上topo显示：

• 有两张4090，均为Pcie 4.0 *16
• 一个100G网卡上的两个接口 均为 Pcie3.0 * 8

不设置NCCL_IB_DISABLE=1时本机信息如下:

<system version="1">
  <cpu numaid="1" affinity="ffff,fffff000,000000ff,fffffff0,00000000" arch="x86_64" vendor="GenuineIntel" familyid="6" modelid="106">
    <pci busid="0000:ca:00.0" class="0x060400" vendor="0x11f8" device="0x4000" subsystem_vendor="0x11f8" subsystem_device="0xbeef" link_speed="16.0 GT/s PCIe" link_width="16">
      <pci busid="0000:cd:00.0" class="0x030000" vendor="0x10de" device="0x2684" subsystem_vendor="0x7377" subsystem_device="0x0000" link_speed="16.0 GT/s PCIe" link_width="16">
        <gpu dev="0" sm="89" rank="0" gdr="0"/>
      </pci>
      <pci busid="0000:cf:00.0" class="0x030000" vendor="0x10de" device="0x2684" subsystem_vendor="0x7377" subsystem_device="0x0000" link_speed="16.0 GT/s PCIe" link_width="16">
        <gpu dev="1" sm="89" rank="1" gdr="0"/>
      </pci>
    </pci>
    <pci busid="0000:b1:00.0" class="0x020000" vendor="0x15b3" device="0x1017" subsystem_vendor="0x15b3" subsystem_device="0x0007" link_speed="8.0 GT/s PCIe" link_width="8">
      <nic>
        <net name="mlx5_0" dev="0" speed="100000" port="1" latency="0.000000" guid="0x1a72240003ebc008" maxconn="131072" gdr="0"/>
      </nic>
    </pci>
  </cpu>
</system>

对比之前的topo 删除了eno2,enf9f0np0等，取而代之的是mlx5_0,这是因为nccl会自动使用速度快的。

nvidia-smi topo -m

二、nccl-test对比分析

1. 相关环境变量

以下为nccl用户手册的介绍：

• NCCL_SOCKET_IFNAME
• NCCL_IB_DISABLE

NCCL_SOCKET_IFNAME 变量指定用于通信的IP接口。
NCCL_IB_DISABLE 变量禁用NCCL使用的IB/RoCE传输。相反，NCCL将回退到使用IP套接字,默认值为0。

以下就是对这两个环境变量进行控制来做的对比分析

2. 不同情况的对比

1. IB disable=1，指定eno2——>实际使用eno2进行socket通信。
   顺便，这里的算法带宽algbw就是总的数据量除以时间。这里最大0.12GB/s=0.12*8=0.96Gbps≈1Gbps，已经非常接近千兆以太网支持的最大带宽了。
2. IB disable=1，指定ens9f0np0——>实际使用ens9f0np0（100G网卡接口）进行socket通信。
   这里最大算法带宽1.97GB/s=1.97*8=15.76Gbps<100Gbps，距离100G仍有差距。
   
3. IB disable=1，不指定网卡——>结果和情况2相同
4. IB disable=1，指定eno2——>实际使用mlx5_0进行RoCE通信。
   这里最大算法带宽5.81GB/s=5.81*8=46.48Gbps，已经接近100G的一半。
   
5. IB disable=1，指定ens9f0np0——>结果和情况4相同
6. 不设置IB disable，不指定用于socket通信的网卡——>结果和情况4相同，使用mlx5_0 RoCE,最大算法带宽5.81GB/s=5.81*8=46.48Gbps，即默认情况下nccl会选择最优的情况，

这里有一个疑问，因为这台机子的mellanox网卡连接的是Pcie 3.0 *8 ，根据这个issue
Why { “16 GT/s”,120 } paired in kvDictPciGen?#1206
nccl中的带宽最大应该为6GB/s，而5.81已经比较接近，那这里限制带宽的因素是pcie嘛？

---

3. 总结与分析

将以上6种情况整理成表格：

序号	IB_disable	SOCKET_IFNAME	最大算法带宽	实际情况
1	1	eno2	0.12 GB/s	use eno2（1G）
2	1	ens9f0np0	1.97 GB/s	use 100G网卡
3	1	不指定网卡	1.97 GB/s	use 100G网卡
4	0	eno2	5.81 GB/s	use RoCE
5	0	ens9f0np0	5.81 GB/s	use RoCE
6	不设置（默认为0）	不指定网卡	5.81 GB/s	use RoCE

• 根据表格1-3条，禁用ib的情况下，除非明确指定eno2（千兆以太网接口，最大1Gbps），否则会自动使用速度快的ens9f0np0（100G网卡接口），根据第一个xml文件，也可以看到两者有着100倍的差距。

<net name="eno2" dev="0" speed="1000"
<net name="ens9f0np0" dev="1" speed="100000" 

• 根据表格4-6条，未明确禁用ib的情况下，无论指定哪一个socket ifname，结果都相同且是使用RoCE通信，这是因为nccl会自动使用带宽大的，即IB的优先级高于socket，在nccl info信息中也可以看到，nccl会先搜索ib设备，如果没找到或者用户显式禁用，才会回退到套接字，
• 对应以上情况就是
  mlx_5(IB/RoCE) > ens9f0np0(socket) > eno2(socket)