Questa pagina è stata tradotta dall'API Cloud Translation.

Massimizza le prestazioni della rete GPU con GPUDirect-TCPX

Linux

La famiglia di macchine ottimizzate per l'acceleratore è progettata da Google Cloud per offrire le prestazioni e l'efficienza necessarie per i carichi di lavoro accelerati da GPU come l'intelligenza artificiale (IA), il machine learning (ML) e il calcolo ad alte prestazioni (HPC).

La serie di macchine ottimizzate per l'acceleratore A3 ha 208 vCPU e fino 1872 GB di memoria. Ogni tipo di macchina a3-highgpu-8g ha otto GPU NVIDIA H100 collegate, che offrono 80 GB di memoria GPU per GPU. Queste VM possono ricevere fino a 1000 Gbps di larghezza di banda di rete, il che le rende ideali per modelli linguistici basati su transformer di grandi dimensioni, database e calcolo ad alte prestazioni (HPC).

Quando utilizzi le VM a3-highgpu-8g, puoi usare GPUDirect-TCPX per ottenere la minore latenza possibile tra le applicazioni e la rete. GPUDirect-TCPX è un accesso diretto remoto alla memoria (RDMA) personalizzato che aumenta le prestazioni di rete delle VM A3 consentendo il trasferimento diretto dai payload dei pacchetti di dati dalla memoria GPU senza dover passare per la CPU e la memoria di sistema. Le VM A3 possono utilizzare GPUDirect-TCPX combinato con la NIC virtuale di Google (gVNIC) per offrire il throughput più elevato tra le VM in un cluster rispetto ai tipi di macchine ottimizzati per l'acceleratore A2 o G2.

Questo documento spiega come configurare e testare le prestazioni di rete GPU migliorate disponibili con GPUDirect-TCPX sulle VM a3-highgpu-8g che utilizzano il sistema operativo ottimizzato per i container.

Panoramica

Per testare le prestazioni della rete con GPUDirect-TCPX, completa i seguenti passaggi:

Configura una o più reti Virtual Private Cloud (VPC) e imposta MTU (noti anche come frame jumbo) su 8244.
Crea le tue VM GPU utilizzando cos-105-lts Container-Optimized OS dell'immagine.
Installa i driver per GPU su ogni VM.
Su ogni VM, concedi alle schede di interfaccia di rete (NIC) l'accesso alla GPU.
Esegui un test NCCL.

Configurare reti MTU con frame jumbo

Le VM a3-highgpu-8g hanno cinque NIC fisiche. Per ottenere le migliori prestazioni per le NIC fisiche, devi creare cinque reti virtual private cloud e impostare l'MTU su 8244.

Crea una rete di gestione, una subnet e una regola firewall

Completa i seguenti passaggi per configurare la rete di gestione:

Crea la rete di gestione utilizzando il comando networks create:

gcloud compute networks create NETWORK_NAME_PREFIX-mgmt-net \
  --project=PROJECT_ID \
  --subnet-mode=custom \
  --mtu=8244

Crea la subnet di gestione utilizzando il comando networks subnets create:

gcloud compute networks subnets create NETWORK_NAME_PREFIX-mgmt-sub \
  --project=PROJECT_ID \
  --network=NETWORK_NAME_PREFIX-mgmt-net \
  --region=REGION \
  --range=192.168.0.0/24

Crea le regole firewall utilizzando il comando firewall-rules create.

Crea una regola firewall per la rete di gestione.

gcloud compute firewall-rules create NETWORK_NAME_PREFIX-mgmt-internal \
 --project=PROJECT_ID \
 --network=NETWORK_NAME_PREFIX-mgmt-net \
 --action=ALLOW \
 --rules=tcp:0-65535,udp:0-65535,icmp \
 --source-ranges=192.168.0.0/16

Crea la regola firewall tcp:22 per limitare l'IP di origine possono connettersi alla VM mediante SSH.

gcloud compute firewall-rules create NETWORK_NAME_PREFIX-mgmt-external-ssh \
 --project=PROJECT_ID \
 --network=NETWORK_NAME_PREFIX-mgmt-net \
 --action=ALLOW \
 --rules=tcp:22 \
 --source-ranges=SSH_SOURCE_IP_RANGE

Crea la regola firewall icmp che può essere utilizzata per verificare a causa di problemi di trasmissione dati nella rete.

gcloud compute firewall-rules create NETWORK_NAME_PREFIX-mgmt-external-ping \
 --project=PROJECT_ID \
 --network=NETWORK_NAME_PREFIX-mgmt-net \
 --action=ALLOW \
 --rules=icmp \
 --source-ranges=0.0.0.0/0

Sostituisci quanto segue:

NETWORK_NAME_PREFIX: il prefisso del nome da utilizzare per le reti e le subnet Virtual Private Cloud.
PROJECT_ID: il tuo ID progetto.
REGION: la regione in cui vuoi creare le reti.
SSH_SOURCE_IP_RANGE: intervallo IP in formato CIDR. Questo specifica quali indirizzi IP di origine possono connettersi alla VM utilizzando SSH.

Crea reti di dati, subnet e regole firewall

Utilizza il comando seguente per creare quattro reti di dati, ciascuna con subnet e regole firewall.

for N in $(seq 1 4); do
  gcloud compute networks create NETWORK_NAME_PREFIX-data-net-$N \
      --project=PROJECT_ID \
      --subnet-mode=custom \
      --mtu=8244

  gcloud compute networks subnets create NETWORK_NAME_PREFIX-data-sub-$N \
      --project=PROJECT_ID \
      --network=NETWORK_NAME_PREFIX-data-net-$N \
      --region=REGION \
      --range=192.168.$N.0/24

  gcloud compute firewall-rules create NETWORK_NAME_PREFIX-data-internal-$N \
      --project=PROJECT_ID \
      --network=NETWORK_NAME_PREFIX-data-net-$N \
      --action=ALLOW \
      --rules=tcp:0-65535,udp:0-65535,icmp \
      --source-ranges=192.168.0.0/16
done

Per saperne di più su come creare reti Virtual Private Cloud, consulta Crea e verifica una rete MTU con frame jumbo.

Crea le tue VM GPU

Per testare le prestazioni della rete con GPUDirect-TCPX, devi creare almeno due A3.

Crea ogni VM utilizzando cos-105-lts Container-Optimized OS e specifica la MTU virtuale create nel passaggio precedente.

Le VM devono anche utilizzare l'interfaccia di rete gVNIC (Google Virtual NIC). Per le VM A3, è richiesto gVNIC versione 1.4.0rc3 o successiva. Questa versione del driver è disponibile su Container-Optimized OS.

La prima NIC virtuale viene utilizzata come NIC principale per la rete e lo storage generici, mentre le altre quattro NIC virtuali sono allineate a NUMA con due delle otto GPU sullo stesso switch PCIe.

gcloud compute instances create VM_NAME \
  --project=PROJECT_ID \
  --zone=ZONE \
  --machine-type=a3-highgpu-8g \
  --maintenance-policy=TERMINATE --restart-on-failure \
  --image-family=cos-105-lts \
  --image-project=cos-cloud \
  --boot-disk-size=${BOOT_DISK_SZ:-50} \
  --metadata=cos-update-strategy=update_disabled \
  --scopes=https://www.googleapis.com/auth/cloud-platform \
  --network-interface=nic-type=GVNIC,network=NETWORK_NAME_PREFIX-mgmt-net,subnet=NETWORK_NAME_PREFIX-mgmt-sub \
  --network-interface=nic-type=GVNIC,network=NETWORK_NAME_PREFIX-data-net-1,subnet=NETWORK_NAME_PREFIX-data-sub-1,no-address \
  --network-interface=nic-type=GVNIC,network=NETWORK_NAME_PREFIX-data-net-2,subnet=NETWORK_NAME_PREFIX-data-sub-2,no-address \
  --network-interface=nic-type=GVNIC,network=NETWORK_NAME_PREFIX-data-net-3,subnet=NETWORK_NAME_PREFIX-data-sub-3,no-address \
  --network-interface=nic-type=GVNIC,network=NETWORK_NAME_PREFIX-data-net-4,subnet=NETWORK_NAME_PREFIX-data-sub-4,no-address

Sostituisci quanto segue:

VM_NAME: il nome della VM.
PROJECT_ID : il tuo ID progetto.
ZONE: la zona per la VM.
NETWORK_NAME_PREFIX: il prefisso del nome da utilizzare per le reti e le subnet del Virtual Private Cloud.

Installa i driver della GPU

Su ogni VM A3, completa i seguenti passaggi.

Installa i driver GPU NVIDIA eseguendo il seguente comando:
```
sudo cos-extensions install gpu -- --version=latest
```

Monta di nuovo il percorso eseguendo il seguente comando:

sudo mount --bind /var/lib/nvidia /var/lib/nvidia
sudo mount -o remount,exec /var/lib/nvidia

Concedi alle NIC l'accesso alle GPU

Su ogni VM A3, concedi alle NIC l'accesso alle GPU completando i seguenti passaggi:

Configura il registro.
- Se utilizzi Container Registry, esegui il seguente comando:
```
docker-credential-gcr configure-docker
```
- Se utilizzi Artifact Registry, esegui il seguente comando:
```
docker-credential-gcr configure-docker --registries us-docker.pkg.dev
```

Configura il gestore del percorso dei dati di ricezione. Un servizio di gestione GPUDirect-TCPX Ricevi il gestore del percorso dei dati, deve essere eseguito insieme alle applicazioni che usano GPUDirect-TCPX. Per avviare il servizio su ogni VM con sistema operativo ottimizzato per i container, esegui il seguente comando:

docker run --pull=always --rm \
  --name receive-datapath-manager \
  --detach \
  --privileged \
  --cap-add=NET_ADMIN --network=host \
  --volume /var/lib/nvidia/lib64:/usr/local/nvidia/lib64 \
  --device /dev/nvidia0:/dev/nvidia0 \
  --device /dev/nvidia1:/dev/nvidia1 \
  --device /dev/nvidia2:/dev/nvidia2 \
  --device /dev/nvidia3:/dev/nvidia3 \
  --device /dev/nvidia4:/dev/nvidia4 \
  --device /dev/nvidia5:/dev/nvidia5 \
  --device /dev/nvidia6:/dev/nvidia6 \
  --device /dev/nvidia7:/dev/nvidia7 \
  --device /dev/nvidia-uvm:/dev/nvidia-uvm \
  --device /dev/nvidiactl:/dev/nvidiactl \
  --env LD_LIBRARY_PATH=/usr/local/nvidia/lib64 \
  --volume /run/tcpx:/run/tcpx \
  --entrypoint /tcpgpudmarxd/build/app/tcpgpudmarxd \
us-docker.pkg.dev/gce-ai-infra/gpudirect-tcpx/tcpgpudmarxd \
  --gpu_nic_preset a3vm --gpu_shmem_type fd --uds_path "/run/tcpx" --setup_param "--verbose 128 2 0"

Verifica che il container receive-datapath-manager sia stato avviato.

docker container logs --follow receive-datapath-manager

L'output dovrebbe essere simile al seguente:

I0000 00:00:1687813309.406064       1 rx_rule_manager.cc:174] Rx Rule Manager server(s) started...

Per interrompere la visualizzazione dei log, premi ctrl-c.

Installa le regole della tabella IP.

sudo iptables -I INPUT -p tcp -m tcp -j ACCEPT

Configura la NVIDIA Collective Communications Library (NCCL) e il plug-in GPUDirect-TCPX.

Per utilizzare NCCL con il supporto di GPUDirect-TCPX è necessaria una versione specifica della libreria NCCL e una combinazione di file binari del plug-in GPUDirect-TCPX. Google Cloud ha forniti pacchetti che soddisfano questo requisito.

Per installare il pacchetto Google Cloud, esegui il seguente comando:
```
docker run --rm -v /var/lib:/var/lib us-docker.pkg.dev/gce-ai-infra/gpudirect-tcpx/nccl-plugin-gpudirecttcpx install --install-nccl
sudo mount --bind /var/lib/tcpx /var/lib/tcpx
sudo mount -o remount,exec /var/lib/tcpx
```
Se il comando ha esito positivo, i file libnccl-net.so e libnccl.so vengono inseriti nella directory /var/lib/tcpx/lib64.

Esegui test

Su ogni VM A3, esegui un test NCCL completando i seguenti passaggi:

Avvia il contenitore.

#!/bin/bash

function run_tcpx_container() {
docker run \
  -u 0 --network=host \
  --cap-add=IPC_LOCK \
  --userns=host \
  --volume /run/tcpx:/tmp \
  --volume /var/lib/nvidia/lib64:/usr/local/nvidia/lib64 \
  --volume /var/lib/tcpx/lib64:/usr/local/tcpx/lib64 \
  --shm-size=1g --ulimit memlock=-1 --ulimit stack=67108864 \
  --device /dev/nvidia0:/dev/nvidia0 \
  --device /dev/nvidia1:/dev/nvidia1 \
  --device /dev/nvidia2:/dev/nvidia2 \
  --device /dev/nvidia3:/dev/nvidia3 \
  --device /dev/nvidia4:/dev/nvidia4 \
  --device /dev/nvidia5:/dev/nvidia5 \
  --device /dev/nvidia6:/dev/nvidia6 \
  --device /dev/nvidia7:/dev/nvidia7 \
  --device /dev/nvidia-uvm:/dev/nvidia-uvm \
  --device /dev/nvidiactl:/dev/nvidiactl \
  --env LD_LIBRARY_PATH=/usr/local/nvidia/lib64:/usr/local/tcpx/lib64 \
  "$@"
}

Il comando precedente completa quanto segue:

Monta i dispositivi NVIDIA da /dev nel contenitore
Imposta lo spazio dei nomi di rete del container sull'host
Imposta lo spazio dei nomi utente del container su host
Aggiunge CAP_IPC_LOCK alle funzionalità del contenitore
Monta /tmp dell'host su /tmp del contenitore
Monta il percorso di installazione del plug-in NCCL e GPUDirect-TCPX NCCL nel contenutore e aggiungi il percorso montato a LD_LIBRARY_PATH

Dopo aver avviato il container, le applicazioni che utilizzano NCCL possono essere eseguite all'interno del container. Ad esempio, per eseguire il test run-allgather, completa i seguenti passaggi:
1. Su ogni VM A3, esegui questo comando:
```
$ run_tcpx_container -it --rm us-docker.pkg.dev/gce-ai-infra/gpudirect-tcpx/nccl-plugin-gpudirecttcpx shell
```
2. Su una VM, esegui i seguenti comandi:
  1. Configura la connessione tra le VM. Sostituisci VM-0 e VM-1 con i nomi di ogni VM.
```
/scripts/init_ssh.sh VM-0 VM-1
pushd /scripts && /scripts/gen_hostfiles.sh VM-0 VM-1; popd
```
    Viene creata una directory /scripts/hostfiles2 su ogni VM.
  2. Esegui lo script.
```
/scripts/run-allgather.sh 8 eth1,eth2,eth3,eth4 1M 512M 2
```
    L'esecuzione dello script run-allgather richiede circa due minuti. Alla fine dei log, vedrai i risultati di all-gather.
    
    Se nei log NCCL è presente la seguente riga, questa verifica GPUDirect-TCPX è stato inizializzato correttamente.
```
NCCL INFO NET/GPUDirectTCPX ver. 3.1.1.
```