死磕AI大模型網(wǎng)絡(luò)，鵝廠出招了！

2023年，以ChatGPT為代表的AIGC大模型全面崛起，成為了整個(gè)社會(huì)關(guān)注的焦點(diǎn)。

(資料圖片僅供參考)

大模型表現(xiàn)出了強(qiáng)悍的自然語言理解能力，刷新了人們對(duì)AI的認(rèn)知，也掀起了新一輪的“算力軍備競(jìng)賽”。

大家都知道，AIGC大模型的入局門檻是很高的。玩AI的三大必備要素——算力、算法和數(shù)據(jù)，每一個(gè)都意味著巨大的投入。

以算力為例。ChatGPT的技術(shù)底座，是基于微調(diào)后的GPT3.5大模型，參數(shù)量多達(dá)1750億個(gè)。為了完成這個(gè)大模型的訓(xùn)練，微軟專門建設(shè)了一個(gè)AI超算系統(tǒng)，投入了1萬個(gè)V100 GPU，總算力消耗約3640 PF-days（即假如每秒計(jì)算一千萬億次，需要計(jì)算3640天）。

業(yè)內(nèi)頭部廠商近期推出的大模型，參數(shù)量規(guī)模更是達(dá)到萬億級(jí)別，需要的GPU更多，消耗的算力更大。

這些數(shù)量龐大的GPU，一定需要通過算力集群的方式，協(xié)同完成計(jì)算任務(wù)。這就意味著，需要一張超高性能、超強(qiáng)可靠的網(wǎng)絡(luò)，才能把海量GPU聯(lián)接起來，形成超級(jí)計(jì)算集群。

那么，問題來了，這張網(wǎng)絡(luò)，到底該如何搭建呢？

█高性能網(wǎng)絡(luò)的挑戰(zhàn)

想要建設(shè)一張承載AIGC大模型的網(wǎng)絡(luò)，需要考慮的因素非常多。

首先，是網(wǎng)絡(luò)規(guī)模。

剛才我們也提到，AI訓(xùn)練都是10000個(gè)GPU起步，也有的達(dá)到十萬級(jí)。從架構(gòu)上，目標(biāo)網(wǎng)絡(luò)就必須hold得住這么多的計(jì)算節(jié)點(diǎn)。而且，在節(jié)點(diǎn)增加的同時(shí)，集群算力盡量線性提升，不能引入過高的通信開銷，損失算力。

其次，是網(wǎng)絡(luò)帶寬。

超高性能的GPU，加上千億、萬億參數(shù)的訓(xùn)練規(guī)模，使得計(jì)算節(jié)點(diǎn)之間的通信量，達(dá)到了百GB量級(jí)。再加上各種并行模式、加速框架的引入，節(jié)點(diǎn)之間的通道帶寬需求會(huì)更高。

傳統(tǒng)數(shù)據(jù)中心通用的100Gbps帶寬接入，根本滿足不了這個(gè)需求。我們的目標(biāo)網(wǎng)絡(luò)，接入帶寬必須升級(jí)到800Gbps、1.6Tbps，甚至更高。

第三，流量調(diào)控。

傳統(tǒng)的網(wǎng)絡(luò)架構(gòu)，在應(yīng)對(duì)AI大模型訓(xùn)練產(chǎn)生的數(shù)據(jù)流時(shí)，存在缺陷。所以，目標(biāo)網(wǎng)絡(luò)需要在架構(gòu)上做文章，更好地控制數(shù)據(jù)流路徑，讓節(jié)點(diǎn)和通道的流量更均衡，避免發(fā)生擁塞。

第四，協(xié)議升級(jí)。

網(wǎng)絡(luò)協(xié)議是網(wǎng)絡(luò)工作的行為準(zhǔn)則。它的好壞，直接決定了網(wǎng)絡(luò)的性能、效率和延遲。

傳統(tǒng)數(shù)據(jù)中心的TCP/IP協(xié)議，早已已無法滿足高性能網(wǎng)絡(luò)的大帶寬、低時(shí)延需求。性能更強(qiáng)的IB（InfiniBand）協(xié)議、RDMA協(xié)議，已然成為主流。有實(shí)力的廠家，還會(huì)基于自家硬件設(shè)備，自研更高效的協(xié)議。

第五，運(yùn)維簡(jiǎn)化。

這就不用多說了。超大規(guī)模的網(wǎng)絡(luò)，如果還是采用傳統(tǒng)運(yùn)維，不僅效率跟不上，還會(huì)導(dǎo)致更長(zhǎng)的故障恢復(fù)周期，損失算力，損失資金。

目前，行業(yè)里的“大模頭”們，都會(huì)根據(jù)自己技術(shù)和資金實(shí)力，選擇商用網(wǎng)絡(luò)組網(wǎng)，或者自研網(wǎng)絡(luò)協(xié)議。

大家心里很清楚，想要贏得這場(chǎng)比賽，除了算力芯片足夠強(qiáng)之外，網(wǎng)絡(luò)的性能表現(xiàn)是至關(guān)重要的。網(wǎng)絡(luò)越強(qiáng)，集群的算力提升就越大，完成模型訓(xùn)練的時(shí)間就越短，成本也就越低。

█星脈網(wǎng)絡(luò)，鵝廠的算力集群殺手锏

對(duì)于AI大模型這場(chǎng)熱潮，騰訊當(dāng)然不會(huì)缺席。他們推出了業(yè)界領(lǐng)先的高性能計(jì)算網(wǎng)絡(luò)架構(gòu)——星脈。

騰訊深耕互聯(lián)網(wǎng)行業(yè)20多年，從QQ到微信，他們的超大規(guī)模業(yè)務(wù)承載能力，可以說是行業(yè)頂尖的。在網(wǎng)絡(luò)技術(shù)的理解和駕馭能力上，也是世界領(lǐng)先水平。而星脈，則是他們多年技術(shù)研究的精髓，是真正的殺手锏。

根據(jù)實(shí)測(cè)，星脈實(shí)現(xiàn)了AI大模型通信性能的10倍提升、GPU利用率提升40%、通信時(shí)延降低40%。

基于全自研的網(wǎng)絡(luò)硬件平臺(tái)，星脈可以實(shí)現(xiàn)網(wǎng)絡(luò)建設(shè)成本降低30%，模型訓(xùn)練成本節(jié)省30%~60%。

星脈網(wǎng)絡(luò)的算力效率，遠(yuǎn)高于業(yè)界主流值

接下來，我們不妨深入解讀一下，星脈到底采用了哪些黑科技。在前面所提到的幾項(xiàng)挑戰(zhàn)上，騰訊團(tuán)隊(duì)又是如何應(yīng)對(duì)的。

網(wǎng)絡(luò)規(guī)模

在組網(wǎng)架構(gòu)上，星脈網(wǎng)絡(luò)采用無阻塞胖樹（Fat-Tree）拓?fù)?，分為Block-Pod-Cluster三級(jí)。

星脈網(wǎng)絡(luò)的架構(gòu)

Block是最小單元，包括256個(gè)GPU。

Pod是典型集群規(guī)模，包括16~64個(gè)Block，也就是4096~16384個(gè)GPU。

多個(gè)Block可以組成Cluster。1個(gè)Cluster最大支持16個(gè)Pod，也就是65536~262144個(gè)GPU。

26萬個(gè)GPU，這個(gè)規(guī)模完全能夠滿足目前的訓(xùn)練需求。

網(wǎng)絡(luò)帶寬

騰訊星脈網(wǎng)絡(luò)為每個(gè)計(jì)算節(jié)點(diǎn)提供了3.2T的超高通信帶寬。

單個(gè)服務(wù)器（帶有8個(gè)GPU）就是一個(gè)計(jì)算節(jié)點(diǎn)。每個(gè)服務(wù)器有8塊RoCE網(wǎng)卡。每塊網(wǎng)卡的接口速率是400Gbps。

RoCE，是RDMA over Converged Ethernet（基于聚合以太網(wǎng)的RDMA）。RDMA（遠(yuǎn)程直接GPU通信訪問）我們以前介紹過很多次。它允許計(jì)算節(jié)點(diǎn)之間直接通過內(nèi)存進(jìn)行數(shù)據(jù)傳輸，無需操作系統(tǒng)內(nèi)核和CPU的參與，能夠大幅減小CPU負(fù)荷，降低延遲，提高吞吐量。

大帶寬帶來的優(yōu)勢(shì)是非常顯著的。對(duì)于AllReduce和All-to-All這兩種典型通信模式，在不同集群規(guī)模下，1.6Tbps超帶寬都會(huì)帶來10倍以上的通信性能提升（相比100Gbps帶寬）。

以AllReduce模式、64 GPU規(guī)模為例，采用1.6Tbps超帶寬網(wǎng)絡(luò)，將使得AllReduce的耗時(shí)大幅縮短14倍，通信占比從35%減少到3.7%，最終使得單次迭代的訓(xùn)練耗時(shí)減少32%。從集群算力的角度來看，相當(dāng)于用同樣的計(jì)算資源，系統(tǒng)算力卻提升48%。

流量調(diào)控

為了提升集群的通信效率，星脈網(wǎng)絡(luò)對(duì)通信流量路徑進(jìn)行了優(yōu)化，引入了“多軌道流量聚合架構(gòu)”。

該架構(gòu)將不同服務(wù)器上位于相同位置的網(wǎng)卡，都?xì)w屬于同一個(gè)ToR switch（機(jī)柜頂部的匯聚交換機(jī)）。整個(gè)計(jì)算網(wǎng)絡(luò)平面，從物理上被劃分為8個(gè)獨(dú)立并行的軌道平面。

在工作時(shí)，GPU之間的數(shù)據(jù)，可以用多個(gè)軌道并行傳輸加速。并且，大部分流量，都聚合在軌道平面內(nèi)傳輸（只經(jīng)過一級(jí) ToR switch）。只有小部分流量，會(huì)跨軌道平面?zhèn)鬏敚ㄐ枰?jīng)過二級(jí) switch）。這大幅減輕了網(wǎng)絡(luò)壓力。

星脈網(wǎng)絡(luò)還采用了“異構(gòu)網(wǎng)絡(luò)自適應(yīng)通信技術(shù)”。

在集群中，GPU之間的通信包括機(jī)間網(wǎng)絡(luò)（網(wǎng)卡+交換機(jī)）與機(jī)內(nèi)網(wǎng)絡(luò)（ NVLink/NVSwitch 網(wǎng)絡(luò)、PCIe 總線網(wǎng)絡(luò)）。

星脈網(wǎng)絡(luò)將機(jī)間、機(jī)內(nèi)兩種網(wǎng)絡(luò)同時(shí)利用起來，實(shí)現(xiàn)了異構(gòu)網(wǎng)絡(luò)之間的聯(lián)合通信優(yōu)化。

例如，在All-to-All通信模式時(shí)，每個(gè)GPU都會(huì)和其它服務(wù)器的不同GPU通信。

基于異構(gòu)網(wǎng)絡(luò)自適應(yīng)通信技術(shù)，不同服務(wù)器上相同位置的GPU，在同一軌道平面，仍然走機(jī)間網(wǎng)絡(luò)通信。

但是，要去往不同位置的GPU（比如host1上的GPU1，需要向其它host上的GPU8 送數(shù)據(jù)），則先通過機(jī)內(nèi)網(wǎng)絡(luò)，轉(zhuǎn)發(fā)到host1上的GPU8上，然后通過機(jī)間網(wǎng)絡(luò)，來完成通信。

這樣一來，機(jī)間網(wǎng)絡(luò)的流量，大部分都聚合在軌道內(nèi)傳輸（只經(jīng)過一級(jí) ToR switch）。機(jī)間網(wǎng)絡(luò)的流量大幅減少，沖擊概率也明顯下降，從而提供了整網(wǎng)性能。

根據(jù)實(shí)測(cè)，異構(gòu)網(wǎng)絡(luò)通信在大規(guī)模All-to-All場(chǎng)景下，對(duì)中小數(shù)據(jù)包的傳輸性能提升在30%左右。

協(xié)議升級(jí)

星脈網(wǎng)絡(luò)采用的“自研端網(wǎng)協(xié)同協(xié)議TiTa”，可以提供更高的網(wǎng)絡(luò)通信性能，非常適合大規(guī)模參數(shù)模型訓(xùn)練。

TiTa協(xié)議內(nèi)嵌擁塞控制算法，可以實(shí)時(shí)監(jiān)控網(wǎng)絡(luò)狀態(tài)并進(jìn)行通信優(yōu)化。它就好比是一個(gè)智能交通管理系統(tǒng)，可以讓網(wǎng)絡(luò)上的數(shù)據(jù)傳輸更加通暢。

TiTa協(xié)議的處理方式

面對(duì)定制設(shè)計(jì)的高性能組網(wǎng)架構(gòu)，業(yè)界開源的GPU集合通信庫(kù)（例如NCCL）并不能將網(wǎng)絡(luò)的通信性能發(fā)揮到極致。為此，騰訊推出了“高性能集合通信庫(kù)TCCL（Tencent Collective Communication Library）”。

TCCL就像一個(gè)智能導(dǎo)航系統(tǒng)。它在網(wǎng)卡設(shè)備管理、全局網(wǎng)絡(luò)路由、拓?fù)涓兄H和性調(diào)度、網(wǎng)絡(luò)故障自動(dòng)告警等方面進(jìn)行了深度定制，對(duì)網(wǎng)絡(luò)了如指掌，讓流量路徑更加合理。

例如，從GPU A到GPU B，原來需要經(jīng)過9個(gè)路口。有了TCCL導(dǎo)航之后，只需要走4個(gè)路口，提升了效率。

根據(jù)實(shí)測(cè)，在AllReduce/AllGather/ReduceScatter等常用通信模式下，TCCL能給星脈網(wǎng)絡(luò)帶來40%左右的通信性能提升。

部署和運(yùn)維簡(jiǎn)化

算力集群網(wǎng)絡(luò)越龐大，它的部署和維護(hù)難度也就越大。

了提升星脈網(wǎng)絡(luò)的可靠性，騰訊自研了一套全棧網(wǎng)絡(luò)運(yùn)營(yíng)系統(tǒng)，實(shí)現(xiàn)了“端網(wǎng)部署一體化”、“一鍵故障定位”、“業(yè)務(wù)無感秒級(jí)網(wǎng)絡(luò)自愈”，對(duì)網(wǎng)絡(luò)進(jìn)行全方位保駕護(hù)航。

先看看“端網(wǎng)部署一體化”。

部署一直都是高性能網(wǎng)絡(luò)的痛點(diǎn)。在星脈網(wǎng)絡(luò)之前，根據(jù)統(tǒng)計(jì)，90%的高性能網(wǎng)絡(luò)故障問題，是因?yàn)榕渲缅e(cuò)誤導(dǎo)致。原因很簡(jiǎn)單，網(wǎng)卡的配置套餐太多（取決于架構(gòu)版本、業(yè)務(wù)類型和網(wǎng)卡類型），人為操作很難保證不出錯(cuò)。

騰訊的解決方法，是將配置過程自動(dòng)化。

他們通過API的方式，實(shí)現(xiàn)單臺(tái)/多臺(tái)交換機(jī)的并行部署能力。

在正式部署前，系統(tǒng)會(huì)自動(dòng)對(duì)基礎(chǔ)網(wǎng)絡(luò)環(huán)境進(jìn)行校驗(yàn)，看看上級(jí)交換機(jī)的配置是否合理等。

然后，識(shí)別外部因素，自動(dòng)選擇配置模板。

配置完成后，為了保證交付質(zhì)量，運(yùn)營(yíng)平臺(tái)還會(huì)進(jìn)行自動(dòng)化驗(yàn)收，包括一系列的性能和可靠性測(cè)試。

所有工作完成后，系統(tǒng)才會(huì)進(jìn)入交付狀態(tài)。

根據(jù)數(shù)據(jù)統(tǒng)計(jì)，基于端網(wǎng)一體部署能力，大模型訓(xùn)練系統(tǒng)的整體部署時(shí)間從19天縮減到4.5天，并保證了基礎(chǔ)配置100%準(zhǔn)確。

再看看運(yùn)維階段的“一鍵故障定位”。

星脈網(wǎng)絡(luò)具有端網(wǎng)高度協(xié)同的特點(diǎn)，增加了端側(cè)的運(yùn)營(yíng)能力。運(yùn)營(yíng)平臺(tái)通過數(shù)據(jù)采集模塊，獲取端側(cè)服務(wù)器和網(wǎng)絡(luò)側(cè)交換機(jī)的數(shù)據(jù)，聯(lián)動(dòng)網(wǎng)管拓?fù)湫畔?，可以做到快速診斷與自動(dòng)化檢查。

一鍵故障定位，可以快速定界問題方向，精準(zhǔn)推送到對(duì)應(yīng)團(tuán)隊(duì)的運(yùn)營(yíng)人員（網(wǎng)絡(luò)or業(yè)務(wù)），減少溝通成本，劃分責(zé)任界限。而且，它還有利于快速定位問題根因，并給出解決方案。

最后，是“業(yè)務(wù)無感秒級(jí)網(wǎng)絡(luò)自愈”。

在網(wǎng)絡(luò)運(yùn)行的過程中，故障是無法避免的。

為了將故障自愈時(shí)間縮短到極致，騰訊推出了秒級(jí)故障自愈產(chǎn)品——“HASH DODGING”。

這是一種基于Hash偏移算法的網(wǎng)絡(luò)相對(duì)路徑控制方法。即，終端僅需修改數(shù)據(jù)包頭特定字段（如IP頭TOS字段）的值，即可使得修改后的包傳輸路徑與修改前路徑無公共節(jié)點(diǎn)。

在網(wǎng)絡(luò)數(shù)據(jù)平面發(fā)生故障（如靜默丟包、路由黑洞）時(shí)，該方案可以幫助TCP快速繞過故障點(diǎn)，不會(huì)產(chǎn)生對(duì)標(biāo)準(zhǔn)拓?fù)浼疤囟ㄔ炊丝谔?hào)的依賴。

單路徑傳輸協(xié)議下，使用本方案，實(shí)現(xiàn)確定性換路

█結(jié)語

以上，就是對(duì)騰訊星脈高性能計(jì)算網(wǎng)絡(luò)的關(guān)鍵技術(shù)分析。

這些關(guān)鍵技術(shù)，揭示了高性能網(wǎng)絡(luò)的發(fā)展思路和演進(jìn)方向。隨著AI大模型的深入發(fā)展，人類對(duì)AI算力的需求會(huì)不斷增加。

日前，騰訊云發(fā)布的新一代HCC高性能計(jì)算集群，正是基于星脈高性能網(wǎng)絡(luò)打造，算力性能較前代提升3倍，為AI大模型訓(xùn)練構(gòu)筑可靠的高性能網(wǎng)絡(luò)底座。

未來已來，這場(chǎng)圍繞算力和連接力的角逐已經(jīng)開始。更多的精彩還在后面，讓我們拭目以待吧！

關(guān)鍵詞：