此页面由 Cloud Translation API 翻译。

Cloud TPU 多切片概览

Cloud TPU Multislice 是一种全栈性能伸缩技术可让训练作业在单个 Pod 内或单个 Pod 中并行处理多个 Pod 中的切片。对于 TPU v4 芯片，意味着训练作业可以在一次运行中使用超过 4096 个芯片。训练用对于需要少于 4096 个条状标签的作业，单个切片可以提供性能然而，多个较小的切片更容易获得，当以更小尺寸使用多切片时，可以缩短启动时间。

多个切片可线性扩缩性能

以多切片配置部署时，每个切片中的 TPU 芯片通过芯片间互连 (ICI) 进行通信。TPU 芯片在切片通过将数据传输到 CPU（主机）来进行通信通过数据中心网络 (DCN) 传输数据。

多切片数据流

开发者无需编写代码即可实现切片间 DCN 通信。 XLA 编译器会为您生成该代码，以实现最佳性能。

概念

加速器类型

包含一个多切片的每个 TPU 切片的形状。每个多切片请求中的切片属于同一加速器类型。加速器类型由 TPU 类型（v4 或 v5e）组成，后跟 TensorCores。例如，v4-128 指定具有 128 个 TensorCore 的 TPU v4。

自动修复

当切片遇到维护事件、抢占或硬件故障时， Cloud TPU 将创建一个新的切片。在极少数情况下资源不足，无法创建新切片，创建将无法完成直到有可用的硬件在新切片创建后，所有其他多切片环境中的切片将重新开始，使用正确配置的启动脚本后，训练脚本可以自动重新启动，而无需用户干预、加载和恢复从最新的检查点开始。

数据集

模型用于训练或推理的数据。

数据中心网络 (DCN)

延迟时间较长、吞吐量较低（与 ICI 相比）连接多切片配置中的 TPU 切片。

帮派调度

同时对所有 TPU 切片进行预配时，可以保证或者所有切片都未成功预配。

主机

主机是运行虚拟机的物理计算机。一个主机最多可以运行四个虚拟机。每个虚拟机都有一个专用 TPU。

推断

将预训练的机器学习模型加载到主机上并进行预测，数据。

芯片间互连 (ICI)

用于连接 TPU Pod 内多个 TPU 的高速、低延迟内部链路。

多切片

两个或更多可通过 DCN 通信的 TPU 芯片切片。

节点

在多切片上下文中，节点是指单个 TPU 切片。每个系统会为多切片中的 TPU 切片指定节点 ID。

Pod

通过专用 ICI 网络接口连接的一系列 TPU 芯片。答利用 Pod，您可以在多个 TPU 之间分配处理负载。

已加入队列的资源 (QR)

TPU 资源的表示形式，用于排队和管理对单切片或多切片 TPU 环境。

启动脚本

标准的 Compute Engine 启动脚本每次启动或重新启动虚拟机时都会运行这个命令。对于多切片：是在 QR 创建请求中指定的。更多信息请参阅管理 Cloud TPU 资源。

TPU 切片

由 TPU 芯片组成的 TPU Pod 的逻辑子部分。同一类中的所有条状标签 Slice 使用 ICI 网络相互通信。

TPU 虚拟机

一台运行 Linux 并且能够访问底层 TPU 的虚拟机。对于 v4 TPU，每个 TPU 虚拟机都可以直接访问四个芯片。有时，我们称之为 TPU，虚拟机作为工作器。

Tensor

一种数据结构，用于表示机器中的多维数据机器学习模型。

张量处理单元 (TPU)

Google 内部开发的机器学习加速芯片。它们旨在为关键机器学习任务（例如矩阵乘法。

Cloud TPU 容量类型

可以通过不同类型的容量创建 TPU（请参阅 TPU 定价方式）：

预留：目标预留配额。要使用预留的配额，您必须拥有一个。在创建--reserved 资源
Spot：使用 Spot 虚拟机定位抢占式配额。您的从而为更高优先级的请求腾出空间优先级作业。创建资源时，请使用 --spot 标志。
按需：以按需配额为目标，不需要预留并且不会被抢占TPU 请求将加入按需队列配额队列，资源可用性。默认处于选中状态，无需任何标志。

开始使用

如果您之前没有使用过 TPU，请先安装 Google Cloud CLI，以及如何设置您的 Cloud TPU 环境。要使用多切片，您的 TPU 资源必须作为已加入队列的资源进行管理。

如果您已经是 TPU v4 用户并且有预留，则可能需要迁移新的预订系统如需更多信息请与您的 Google Cloud 客户代表联系。

入门示例

本教程使用 MaxText GitHub 代码库中的代码。 MaxText 性能出色、可任意伸缩、开源且经过充分测试使用 Python 和 Jax 编写的基本 LLM。MaxText 旨在 Cloud TPU。

shardings.py 中的代码旨在帮助您开始尝试不同的并行性选项。例如，数据并行处理、完全分片数据并行处理 (FSDP)，和张量并行处理。代码从单个切片扩展到多切片环境

ICI 并行处理

ICI 是指在单个 Pod 中连接多个 TPU 的高速互连。。ICI 分片对应于切片内的分片。shardings.py 提供三个 ICI 并行参数：

ici_data_parallelism
ici_fsdp_parallelism
ici_tensor_parallelism

您为这些参数指定的值决定了并行处理方法

必须对这些输入加以限制， ici_data_parallelism * ici_fsdp_parallelism * ici_tensor_parallelism等于表示切片中条状标签的数量。

下表显示了四个示例，用于实现 ICI 并行处理 v4-8 中提供的条状标签：

	ici_data_parallelism	ici_fsdp_parallelism	ici_tensor_parallelism
4 声道 FSDP	1	4	1
四向张量并行处理	1	1	4
双向 FSDP + 双向 Tensor 并行处理	1	2	2

请注意，在大多数情况下，ici_data_parallelism 应保留为 1，因为 ICI 网络的速度足够快，几乎总是首选 FSDP 而不是数据并行处理。

此示例假定您熟悉在单个 TPU 切片上运行代码例如使用 JAX 在 Cloud TPU 虚拟机上运行计算。以下示例展示了如何在单个 Slice 上运行 shardings.py。

设置环境：

$ gcloud auth login
$ gcloud config set project your-project-id
$ gcloud config set compute/zone your-zone

为 gcloud 创建 SSH 密钥。我们建议将密码留空（按在运行以下命令后输入两次）。如果系统提示您 google_compute_engine 文件已存在，请替换现有版本。
```
$ ssh-keygen -f ~/.ssh/google_compute_engine
```
使用以下命令预配 TPU：
```
$ gcloud alpha compute tpus queued-resources \
create your-qr-id \
--accelerator-type your-accelerator-type \
--runtime-version tpu-ubuntu2204-base \
--node-id qr-id \
[--reserved |--spot]
```
命令标志说明

your-qr-id

一个用户定义的字符串，用于标识二维码请求。

accelerator-type

加速器类型指定要创建的 Cloud TPU 的版本和大小。如需详细了解每个 TPU 版本支持的加速器类型，请参阅 TPU 版本。

runtime-version

[Cloud TPU 软件版本](/tpu/docs/supported-tpu-configurations#tpu_software_versions)。

node-id

将在响应二维码请求。

reserved

创建切片时使用预留的配额。

best-effort

创建切片时尽量使用配额 [默认]。

Google Cloud CLI 不支持某些二维码创建选项，例如标记。如需了解详情，请参阅创建二维码。
等待二维码进入 ACTIVE 状态，这意味着工作器节点处于处于 READY 状态。二维码配置开始后，可能需要一到五个时间所需时间长短取决于二维码的大小。您可以检查相应的二维码：
```
$ gcloud compute tpus queued-resources \
  list --filter=your-qr-id
```
一个 v4-8 切片具有一个 TPU 虚拟机。使用 SSH 连接到 TPU 虚拟机：
```
$ gcloud compute tpus tpu-vm ssh your-qr-id
```
将 MaxText（包含 shardings.py）克隆到 TPU 虚拟机。
在 MaxText 代码库目录中，运行安装脚本进行安装 JAX 和 TPU 切片上的其他依赖项。设置脚本分钟。
```
$ bash setup.sh
```
运行以下命令，在 TPU 切片上运行 shardings.py。
```
$ python3 pedagogical_examples/shardings.py \
  --ici_fsdp_parallelism 4 \
  --batch_size 131072 \
  --embedding_dimension 2048
```
您可以在日志中查看结果。您的 TPU 应该会达到大约 260 TFLOP 或可观的 90%以上 FLOP 利用率！在本示例中，我们选择大约适合 TPU 高容量的带宽内存 (HBM)。

欢迎随时探索其他分片策略例如，您可以尝试以下组合：

$ python3 pedagogical_examples/shardings.py \
  --ici_tensor_parallelism 4 \
  --batch_size 131072 \
  --embedding_dimension 2048

完成后删除二维码和 TPU 切片。您应该执行这些清理在您设置 Slice 的环境中执行的步骤（首先运行 exit 到退出 SSH 会话）。删除过程需要两到五分钟才能完成可使用可选的 --async 标志在后台运行。

重要提示 ：QR 码必须在使用后删除。如果您不这样做，它们会继续使用二维码配额，该配额与 TPU 配额是分开跟踪的。
```
$ gcloud compute tpus queued-resources
  delete your-qr-id --force (--async)
```

使用 DCN 并行处理的多切片分片

shardings.py 脚本接受三个参数，用于指定 DCN 并行处理，对应于每种数据并行处理的分片数：

dcn_data_parallelism
dcn_fsdp_parallelism
dcn_tensor_parallelism

必须对这些参数的值进行约束，以便 dcn_data_parallelism * dcn_fsdp_parallelism * dcn_tensor_parallelism等于切片数量。

以两个 Slice 为例，请使用 --dcn_data_parallelism = 2。

	dcn_data_parallelism	dcn_fsdp_parallelism	dcn_tensor_parallelism	切片数量
双向数据并行处理	2	1	1	2

dcn_tensor_parallelism 应始终设置为 1，因为 DCN 质量不佳适合这种分片。对于 v4 芯片上的典型 LLM 工作负载， dcn_fsdp_parallelism 也应设置为 1，因此 dcn_data_parallelism 应设置为 Slice 的数量，但实际上是取决于应用。

随着切片数量的增加（假设您保持切片大小和批次大小）每个切片常量），则增加数据并行量。

在多切片环境中运行 `shardings.py`

您可以使用以下命令在多切片环境中运行 shardings.py： multihost_runner.py 或在每个 TPU 虚拟机上运行 shardings.py。在这里，我们使用 multihost_runner.py.以下步骤与使用入门：针对多个切片的快速实验来自 MaxText 代码库，不过在这里我们运行 shardings.py，而不是 train.py 中更复杂的 LLM。

multihost_runner.py 工具针对快速实验进行了优化，可反复运行相同的 TPU由于 multihost_runner.py 脚本依赖于长期有效的 SSH 连接，我们不建议将其用于任何长时间运行的作业。如果您想运行时间更长（例如数小时或数天）的作业，我们建议您请使用 multihost_job.py。

在本教程中，我们使用术语“runner”来指示运行运行 multihost_runner.py 脚本。我们用“工作器”一词表示构成切片的 TPU 虚拟机。你可以在本地机器上运行 multihost_runner.py，或与您的切片位于同一项目中的任何 Compute Engine 虚拟机。正在运行不支持在工作器上使用 multihost_runner.py。

multihost_runner.py 使用 SSH 自动连接到 TPU 工作器。

在此示例中，我们在两个 v4-16 切片（总共四个切片）上运行 shardings.py，虚拟机和 16 个 TPU 芯片。您可以修改示例，以便在更多 TPU 上运行。

设置环境

在运行程序上克隆 MaxText 虚拟机。
转到代码库目录。
为 gcloud 创建 SSH 密钥，我们建议将密码留空（按在运行以下命令后输入两次）。如果系统提示您 google_compute_engine 文件已存在，选择不保留您的现有版本。
```
  $ ssh-keygen -f ~/.ssh/google_compute_engine
  
```
添加一个环境变量，将 TPU 切片数量设置为 2。
```
  $ export SLICE_COUNT=2
  
```
使用 queued-resources create 创建多切片环境。

注意：在选择 --reserved 之前，请确保您拥有相应的配额，或者 --best_effort 或默认的按需配额。有关配额的信息请参阅配额政策。

以下命令展示了如何创建 v4 Multislice TPU。要使用 v5e，请指定 v5e accelerator-type（例如 v5litepod-16）和 v5e runtime-version (v2-alpha-tpuv5-lite)。
```
  $ gcloud alpha compute tpus queued-resources 

  create your-qr-id 

  --accelerator-type=your-accelerator-type 

  --runtime-version=tpu-vm-runtime-version 

  --node-count=node-count 

  --node-prefix=your-qr-id 

  [--reserved|--spot]
  
```
命令标志说明

your-qr-id

一个用户定义的字符串，用于标识二维码请求。

accelerator-type

加速器类型指定要创建的 Cloud TPU 的版本和大小。如需详细了解每个 TPU 版本支持的加速器类型，请参阅 TPU 版本。

runtime-version

Cloud TPU 软件版本。

node-count

要创建的 Slice 数量。

node-prefix

用于为每个切片生成名称的前缀。已附加数字添加到每个 Slice 的前缀中。例如，如果您将 node-prefix 更改为 mySlice，这些 Slice 将命名为 mySlice-0， mySlice-1 等。

reserved

创建切片时使用预留的配额。

best-effort

创建切片时尽量使用配额 [默认]。
二维码配置开始时，最多可能需要五分钟才能完成具体取决于 QR 码的大小。等待排队的资源 (QR) 进入 ACTIVE 状态。您可以使用以下命令：
```
$ gcloud compute tpus queued-resources list \
--filter=your-qr-id
```
此命令应生成如下所示的输出：
```
NAME        ZONE           NODE_COUNT  ACCELERATOR_TYPE  STATE
...
que-res-id  us-central2-b  4           v4-16             ACTIVE
...
```
如果二维 Google Cloud 状态为 WAITING_FOR_RESOURCES 或 PROVISIONING 状态超过 15 分钟。

安装依赖项。

$ python3 multihost_runner.py \
  --TPU_PREFIX=your-qr-id \
  --COMMAND="bash setup.sh"

使用 multihost_runner.py 在每个工作器上运行 shardings.py。

$ python3 multihost_runner.py \
  --TPU_PREFIX=your-qr-id \
  --COMMAND="python3 pedagogical_examples/shardings.py \
  --dcn_data_parallelism $SLICE_COUNT \
  --ici_fsdp_parallelism 8 \
  --batch_size 131072 \
  --embedding_dimension 2048"

您会在日志中看到每秒大约 230 TFLOP 的性能文件。

完成后请清理 TPU 和二维码。删除过程需要两到五分钟分钟完成，并且可以在后台使用可选的 --async 标志。

将工作负载扩缩为多切片

在多切片环境中运行模型之前，以下代码更改：

使用 jax.experimental.mesh_utils.create_hybrid_device_mesh 代替 jax.experimental.mesh_utils.create_device_mesh 。

这些应该是移至多切片后唯一需要进行的代码更改。为了实现高性能，需要将 DCN 映射到并行数据，并行轴或流水线并行轴。性能注意事项和有关分片策略的详细介绍，请参见使用多切片进行分片以获得最佳性能。

要验证您的代码能否访问所有设备，您可以断言 len(jax.devices())等于多切片中的条状标签数量环境例如，如果您使用四个 v4-16 切片，则每个切片八个芯片 * 4 个切片，因此 len(jax.devices()) 应返回 32。

为多切片环境选择切片大小

要获得线性速度，请添加与现有切片相同大小的新切片。例如，如果您使用 v4-512 切片，则多切片将通过再添加一个 v4-512 切片来实现大约两倍的性能并将全局批次大小加倍。如需了解详情，请参阅使用多切片进行分片以获得最佳性能。

在多个切片上运行作业

您可以通过三种不同的方法多切片环境：

使用实验运行程序脚本 multihost_runner.py
使用生产运行程序脚本 multihost_job.py
使用手动方法

实验运行程序脚本

multihost_runner.py 脚本将代码分发到现有的多切片环境，并运行在每个主机上运行您的命令，将日志复制回来，并跟踪每个命令的错误状态。multihost_runner.py 脚本记录在 MaxText 自述文件。

由于 multihost_runner.py 会维护永久性 SSH 连接，因此适合规模适中、运行时间相对较短的实验。您可以调整 multihost_runner.py 教程中的步骤工作负载和硬件配置

生产环境运行程序脚本

适用于需要灵活应对硬件故障和其他故障的生产作业最好直接与“创建排队的资源”集成 API.作为使用中的示例，我们提供了 multihost_job.py，该调用会在适当的启动时触发“Created Queued Resource API”调用脚本来运行训练并在抢占时恢复。multihost_job.py 脚本均记录在 MaxText 自述文件。

由于 multihost_job.py 必须为每次运行预配资源，因此它不会提供与 multihost_runner.py 一样快的迭代周期。

手动方法

我们建议您使用或调整 multihost_runner.py 或 multihost_job.py，以运行您的自定义工作负载您的多切片配置。但是，如果您希望直接使用 QR 命令来管理您的环境，请参阅管理多切片环境。

管理多切片环境

在不使用工具的情况下手动配置和管理二维码 MaxText 代码库中提供的应用，请阅读后续部分。

创建二维码

在预配容量之前，请先设置以下环境变量：

  $ export your-qr-id=your-queued-resource-id
  $ export PROJECT=your-project-name
  $ export ZONE=us-central2-b
  $ export NETWORK_NAME=your-network-name
  $ export SUBNETWORK_NAME=your-subnetwork-name
  $ export RUNTIME_VERSION=tpu-ubuntu2204-base
  $ export ACCELERATOR_TYPE=v4-16
  $ export SLICE_COUNT=4
  $ export STARTUP_SCRIPT="#!/bin/bash\n ..."
  $ gcloud config set project project-name
  $ gcloud config set compute/zone zone

输入	说明
`your-qr-id`	用户指定的二维码 ID。
项目	Google Cloud 项目名称
可用区	us-central2-b
NETWORK_NAME	VPC 网络的名称。
SUBNETWORK_NAME	VPC 网络中子网的名称
RUNTIME_VERSION	tpu-ubuntu2204-base
ACCELERATOR_TYPE	v4-16
EXAMPLE_TAG_1、EXAMPLE_TAG_2...	用于标识网络防火墙的有效来源或目标的标记
SLICE_COUNT	切片数。上限为 256 个 Slice。
STARTUP_SCRIPT	如果被添加到创建请求中，启动脚本可以在每次预配或重启 TPU 切片时运行以及 TPU 切片是否已修复或重置。

使用 `gcloud` 创建二维码请求

$ gcloud alpha compute tpus queued-resources \
  create ${your-qr-id} \
  --project your-project-id \
  --zone your-zone \
  --node-count ${SLICE_COUNT} \
  --accelerator-type ${ACCELERATOR_TYPE} \
  --runtime-version ${RUNTIME_VERSION} \
  --network ${NETWORK_NAME} \
  --subnetwork ${SUBNETWORK_NAME} \
  --tags ${EXAMPLE_TAG_1},${EXAMPLE_TAG_2} \ --metadata=startup-script='${STARTUP_SCRIPT}'
  [--reserved|--spot]

命令标志说明

your-qr-id: 一个用户定义的字符串，用于标识二维码请求。
project: 一个用户定义的字符串，用于标识二维码请求。
zone: 要在其中创建二维码的 Google Cloud 区域。
node-count: 要创建的 Slice 数量。
accelerator-type: 加速器类型指定要创建的 Cloud TPU 的版本和大小。如需详细了解每个 TPU 版本支持的加速器类型，请参阅 TPU 版本。
runtime-version: Cloud TPU 软件版本。
network: 要挂接 TPU 资源的 VPC 网络的名称。
subnetwork: 要挂接 TPU 资源的 VPC 子网的名称。
reserved: 创建切片时使用预留的配额。
spot: 创建切片时使用 Spot 虚拟机配额。

在选择 --reserved 之前，请确保您拥有相应的配额。 --spot 或默认的按需配额。如需了解配额类型请参阅配额政策。

使用 `curl` 创建二维码请求

创建名为 queued-resource-req.json 的文件，并将以下 JSON 复制到其中。

{
  "guaranteed": { "reserved": true },
  "tpu": {
    "node_spec": [
    {
      "parent": "projects/your-project-number/locations/your-zone",
        "node": {
          "accelerator_type": "accelerator-type",
          "runtime_version": "tpu-vm-runtime-version",
          "network_config": {
            "network": "your-network-name",
            "subnetwork": "your-subnetwork-name",
            "enable_external_ips": true
          },
          "tags" : ["example-tag-1"]
          "metadata": {
            "startup-script": "your-startup-script"
          }
      },
      "multi_node_params": {
        "node_count": slice-count,
        "node_id_prefix": "your-queued-resource-id"
      }
    }
    ]
  }
}

your-project-number - 您的 Google Cloud 项目编号
your-zone - 要在其中创建二维码的区域
accelerator-type - 单个 Slice 的版本和大小
tpu-vm-runtime-version - TPU 虚拟机运行时版本
your-network-name -（可选）要附加二维码的网络
your-subnetwork-name -（可选）要附加二维码的子网
example-tag-1 - 可选，任意代码字符串
your-startup-script - 分配二维码时将运行的启动脚本
slice-count - 多切片环境中的 TPU 切片的数量
your-qr-id - 用户为二维码提供的 ID

如需了解详情，请参阅 REST 已排队的资源 API 所有可用选项的文档。

如需使用 Spot 容量，请替换以下内容：

"guaranteed": { "reserved": true } - "spot": {}

请移除此行以使用默认的按需容量。

使用 JSON 载荷提交二维码创建请求：

  $ curl -X POST -H "Authorization: Bearer $(gcloud auth print-access-token)" -H "Content-Type: application/json" -d @queuedresourcereq.json https://tpu.googleapis.com/v2alpha1/projects/your-project-id/locations/your-zone/queuedResources\?queued_resource_id\=your-qr-id

your-project-id - 您的 Google Cloud 项目 ID
your-zone - 要在其中创建二维码的区域
your-qr-id - 用户为二维码提供的 ID

响应应如下所示：

{
  "name": "projects/<your-project-id>/locations/<your-zone>/operations/operation-<your-qr-guid>",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.common.OperationMetadata",
    "createTime": "2023-11-01T00:17:05.742546311Z",
    "target": "projects/<your-project-id>/locations/<your-zone>/queuedResources/<your-qa-id>",
    "verb": "create",
    "cancelRequested": false,
    "apiVersion": "v2alpha1"
  },
  "done": false
}

使用 name 属性的字符串值末尾的 GUID 值来获取关于二维码请求的信息。

检索二维码的状态

如需获取二维码请求的状态，请使用以下命令：

  $ curl -X GET -H "Authorization: Bearer $(gcloud auth print-access-token)" -H "Content-Type: application/json" https://tpu.googleapis.com/v2/projects/your-project-id/locations/your-zone/operations/operation-your-qr-guid

your-project-id - 您的 Google Cloud 项目 ID
your-zone - 要在其中创建二维码的区域
your-qr-guid - 指定 API 输出中 name 后面的 GUID 二维码创建请求。

此命令的响应包含操作的状态：

{
  "name": "projects/<your-project-id>/locations/<your-zone>/operations/operation-<your-qa-guid>,
  "metadata": {...},
  "done": true,
  "response": {
    "@type": "type.googleapis.com/google.cloud.tpu.v2.QueuedResource",
    ...
    "state": {
      "state": "WAITING_FOR_RESOURCES"
    }
  }
}

如果二维码创建成功 ("done = true")，则 response 字段将为 WAITING_FOR_RESOURCES 或 FAILED。如果二维码处于 WAITING_FOR_RESOURCES 状态，则表示其已已加入队列，并在有足够的资源后开始预配。如果二维码处于 FAILED 状态，输出中会显示失败原因。有关有关其他可能状态的信息，请参阅已加入队列的资源用户指南。

操作完成后，请使用描述二维码来监控二维码的各个阶段。

在极少数情况下，您可能会发现二维码处于 FAILED 状态，而一些 Slice 为 ACTIVE。如果发生这种情况，请删除已创建的资源然后过几分钟再试，或者与我们联系联系 Cloud TPU 团队解决此问题。

SSH 和安装依赖项

在 TPU Pod 切片上运行 JAX 代码介绍了如何在单个切片中使用 SSH 连接到您的 TPU 虚拟机。接收者通过 SSH 连接到多切片环境中的所有 TPU 虚拟机，使用以下 gcloud 命令安装依赖项：

  $ gcloud compute tpus queued-resources ssh ${your-qr-id} \
    --zone your-zone \
    --node=all \
    --worker=all \
    --command="command-to-run"
    --batch-size=4

此 gcloud 命令将指定的命令发送至以下域中的所有工作器和节点：使用 SSH 进行二维码。该命令会被分成四组分批发送。在当前批次时，系统会发送下一批命令完成执行。如果其中某个命令出现故障，停止，并且不再发送其他批次。有关详情，请参阅已加入队列的资源 API 参考文档。如果您使用的切片数量超过本地计算机的线程处理则会导致死锁。例如假设本地机器上的批处理限制为 64。如果您尝试超过 64 个切片（比如 100 个切片）上执行训练脚本时，SSH 命令会破坏将切片分成几批。它将在第一批 64 和 64 并等待脚本完成运行，然后再在剩下的 36 个切片。但是，第一批 64 个切片不能直到剩下的 36 个切片开始运行脚本，死锁。

为防止出现这种情况，您可以在在您指定的脚本命令中附加和号 (&)，为每个虚拟机。--command执行此操作时，在启动训练脚本后，在第一批切片上，控制权将立即恢复为 SSH 命令然后，SSH 命令可以开始在剩下的 36 个切片。您需要为 stdout 和 stderr 使用管道。在后台运行命令时进行适当的流式传输。增加并行处理，则可以使用 --node 选择特定 Slice 参数。

网络设置

通过执行以下步骤，确保 TPU 切片可以相互通信。在每个切片上安装 JAX。如需了解详情，请参阅在 TPU Pod 切片上运行 JAX 代码。断言 len(jax.devices())等于多切片中的条状标签数量环境为此，请在每个 Slice 上运行：

  $ python3 -c 'import jax; print(jax.devices())'

如果您在 v4-16 的四个切片上运行此代码，则每个 Slice 和 4 Slice，总共应返回 32 个芯片（设备）上传者：jax.devices()。

列出快速回复

您可以使用 queued-resources list 命令查看二维码的状态：

$ gcloud compute tpus queued-resources list

NAME        ZONE           NODE_COUNT  ACCELERATOR_TYPE  STATE
...
que-res-id  us-central2-b  4           v4-16             ACTIVE
...

描述二维码

要查看二维码的详细配置和状态，请使用 QR API 的说明。您可以使用 gcloud 或 curl 调用此 API。

使用 gcloud：

$ gcloud compute tpus queued-resources describe ${your-qr-id}
...state:
 state: ACTIVE
...

使用 curl：

$ curl -X GET -H "Authorization: Bearer $(gcloud auth print-access-token)" -H "Content-Type: application/json" https://tpu.googleapis.com/v2/projects/your-project-id/locations/your-zone/queuedResources/${your-qr-id}
{
  "name": your-queued-res,
  "tpu": {
    "nodeSpec": [
      {
        ... // node 1
      },
      {
        ... // node 2
      },
      ...
    ]
  },
  ...
  "state": "ACTIVE"
}

state 表示二维码的状态。如需详细了解二维码的状态，请参阅已加入队列的资源。

在预配的环境中启动作业

您可以通过 SSH 连接到每个切片中的所有主机，从而手动运行工作负载并在所有主机上运行以下命令。

$ gcloud compute tpus tpu-vm ssh your-qr-id \
  --zone=your-zone \
  --worker=all \
  --node=all \
  --command="command-to-run"

重置二维码

ResetQueuedResource API 可用于重置 ACTIVE QR 码中的所有虚拟机。重置虚拟机会强制清空并将虚拟机重置为初始状态。本地存储的所有数据都会且在重置后会调用启动脚本。通过如果您想重启所有 TPU，ResetQueuedResource API 会很有用。对于例如训练停滞，重置所有虚拟机比调试更容易。

所有虚拟机的重置都是并行执行的，并且 ResetQueuedResource 需要一到两分钟才能完成如需调用该 API，请使用以下命令命令：

$ gcloud compute tpus queued-resources reset your-qr-id

删除二维码

如需在培训课程结束时释放资源，请删除已排入队列的资源使用 --force 标志管理资源。删除过程将需要两到五分钟的时间完成，可使用可选的 --async 标志在后台运行。

$ gcloud compute tpus queued-resources \
delete your-qr-id --force (--async)

自动故障恢复

如果发生服务中断，Multislice 提供无干预修复受影响的切片并重置所有切片受影响的将替换为新的切片，并将其余健康状况良好的切片重置。如果则训练会停止。

要在中断后自动继续训练，您必须指定启动脚本，用于检查并加载上次保存的检查点。您的启动脚本会自动运行系统在每次重新分配切片或重置虚拟机时触发。你指定一家初创公司脚本。

以下启动脚本（在创建二维码中使用）让您可以从故障中自动恢复并从中恢复训练， MaxText 训练期间存储在 Cloud Storage 存储桶中的检查点：

{
 "tpu": {
   "node_spec": [
     {
      ...
         "metadata": {
               "startup-script": "#! /bin/bash \n pwd \n runuser -l user1 -c 'cd /home/user1/MaxText && python3 MaxText/train.py MaxText/configs/base.yml run_name=run_test_failure_recovery dcn_data_parallelism=4 ici_fsdp_parallelism=8 steps=10000 save_period=10 base_output_directory='gs://user1-us-central2'' EOF"
         }
     ...
     }
   ]
 }
}

请先克隆 MaxText 代码库，然后再尝试执行此操作。

性能分析和调试

在单切片和多切片环境中进行性能分析是相同的。对于如需了解详情，请参阅剖析 JAX 程序的性能。

优化培训

使用多切片进行分片，以获得最佳性能

若要在多切片环境中实现最高性能，需要考虑如何在多个切片中进行分片。通常有三种选项（数据并行处理、完全分片数据并行处理和流水线并行处理）。我们不建议跨模型维度对激活进行分片（有时称为并行张量），因为它需要过多的切片间带宽。对于所有这些策略，您可以在一个切片中使用相同的分片策略这一方法。

我们建议从纯数据并行处理入手。使用完全分片的数据同时并行处理有助于释放内存。但其缺点是切片之间的通信会使用 DCN 网络，工作负载仅在必要时根据批次大小使用流水线并行处理（如下文分析）。

何时使用数据并行处理

如果您的工作负载但您希望通过横向伸缩多个切片。

要跨多个切片实现强有力的伸缩在 DCN 上执行全部缩减操作所需的时间必须短于在 DCN 上以便执行向后传递。DCN 用于切片与是工作负载吞吐量的限制因素。

每个 v4 TPU 芯片的执行速度峰值为每秒 275 * 10¹² FLOPS。

每个 TPU 主机有四个芯片，每个主机都有最大网络带宽 50 Gbps 的带宽

也就是说，算术强度为 4 * 275 * 10¹² FLOPS / 50 Gbps = 22000 FLOPS / 位。

您的模型会为每个步骤的每个参数使用 32 到 64 位的 DCN 带宽。如果您使用两个切片，您的模型将使用 32 位的 DCN 带宽。如果您使用两个以上的 Slice，则编译器会执行完全 shuffle 和 all-reduce 每个参数可以使用多达 64 位的 DCN 带宽，操作。每个参数所需的 FLOPS 数量因您的 model.具体而言，对于基于 Transformer 的语言模型，FLOPS 的数量所需的正向和反向传递大约为 6 * B * P，其中：

B 是批次大小，以词元为单位
P 是参数数量

每个参数的 FLOPS 数量为 6 * B，而 FLOPS 数量为每个参数为 4 * B。

为确保跨多个切片实现强有力的伸缩，请确保运维套件强度超过了 TPU 硬件的算术强度。要计算计算操作强度，请用每个参数的 FLOPS 数量除以每个步骤的每个参数向后传递网络带宽（以位为单位）： Operational Intensity = FLOPSbackwards_pass / DCN bandwidth

因此，对于基于 Transformer 的语言模型，如果您使用两个切片： Operational intensity = 4 * B / 32

如果您使用两个以上的 Slice：Operational intensity = 4 * B/64

这表明 Transformer 的最小批次大小在 176k 到 352k 之间构建自己的语言模型。由于 DCN 网络可能短暂地丢弃数据包最好保留明显的容错空间，仅部署数据并行处理如果每个 Pod 的批次大小至少为 350k（两个 Pod）到 700k（许多 Pod）。

对于其他模型架构，您需要估算应用的每个切片向后传递（使用性能分析器计时或计数） FLOPS）。然后，您可以将其与预期运行时间进行比较， DCN，并大致了解数据并行处理是否适合您。

何时使用完全分片数据并行处理 (FSDP)

完全分片数据并行处理 (FSDP) 结合了数据并行处理（将并将权重分片到各节点。对于向前传递和向后传递，权重会得到收集，具有所需的权重。我们不像使用 all-reduce，则梯度在生成时进行归约散射。这样，每个切片仅获取其所负责的权重的梯度。

与数据并行处理类似，FSDP 将需要伸缩全局批次大小与切片数量呈线性关系。FSDP 会减少内存压力，因为您需要增加切片的数量。这是因为每个切片的优化器状态减少，但代价是增加的并更有可能因组织。

实际上，如果您按每个切片的批量大小增加批量大小，存储更多激活，以最大限度地减少在向后传递或增加神经网络中的参数数量。

FSDP 中的 all-gather 和 all-reduce 操作与 DP 中的类似。因此您可以确定 FSDP 工作负载是否受到 DCN 性能的限制，创建容器。

何时使用流水线并行处理

在使用其他 Google Cloud 产品实现高性能时，并行处理策略，这些策略要求全局批次大小超过首选最大批次大小。流水线并行处理允许切片组成流水线，以“共享”生成一批。然而，流水线并行处理明显的缺点：

会产生“管道气泡”芯片处于空闲状态数据。
它需要微批处理，这减小了有效批次大小、算术强度，并最终对 FLOP 利用率进行建模。

仅当存在其他并行策略时，才应使用流水线并行处理功能全局批次大小过大。在尝试并行处理流水线之前可以凭经验判断每个样本的收敛速度是否在实现高性能 FSDP 所需的批次大小。FSDP 往往能够更高的模型 FLOP 利用率，但如果每个样本的收敛速度随着批次大小流水线并行处理可能仍是更好的选择。大多数人工作负载可以容忍足够大的批次大小，因此无法从但您的工作负载可能有所不同

如果需要流水线并行处理，我们建议将其与数据结合使用即 FSDP。这样，您就可以最大程度地减少流水线深度增加每个流水线批次大小，直到 DCN 延迟时间减少都要考虑吞吐量具体而言，如果您有 N 个切片，不妨考虑数据并行处理深度为 2 和 N/2 的副本，然后为深度为 4 和 N/4 的流水线数据并行副本等，直到每个流水线的批次变大 DCN 集合可以隐藏在反向传递。这样可以最大限度地缩短流水线同时允许扩容超过全局批次大小限制。

多切片最佳实践

数据加载

在训练期间，我们会反复加载数据集中的批次，以馈送到 model.使用高效的异步数据加载器，将批量数据分片对避免资源耗尽 TPU 的工作负担至关重要。当前数据加载器让每个主机加载相等的样本子集。此解决方案是足以处理文本，但需要在模型中重新分片。此外，MaxText 目前尚未提供允许数据迭代器的确定性快照以便在抢占前和抢占后加载相同的数据。

检查点

Orbax 检查点库提供了用于将 JAX PyTree 建立检查点到本地存储空间或 Google Cloud Storage 的基元。我们在 MaxText 中提供了同步检查点的参考集成在 checkpointing.py 中。

受支持的配置

形状

所有 Slice 的形状必须相同（例如，相同的 AcceleratorType）。不支持异构切片形状。

编排

GKE 支持编排。如需更多信息请参阅 GKE 中的 TPU。

框架

多切片仅支持 JAX 和 PyTorch 工作负载。

最大并行数量

我们建议用户使用数据并行处理功能测试多切片。了解详情了解如何使用多切片实现流水线并行处理，请联系您的 Google Cloud 客户代表。

支持与反馈

我们欢迎各种反馈！如需分享反馈或请求支持，请与我们联系填写 Cloud TPU 支持或反馈表单。

Cloud TPU 多切片概览

概念

开始使用

入门示例

ICI 并行处理

命令标志说明

使用 DCN 并行处理的多切片分片

在多切片环境中运行 shardings.py

设置环境

命令标志说明

将工作负载扩缩为多切片

为多切片环境选择切片大小

在多个切片上运行作业

实验运行程序脚本

生产环境运行程序脚本

手动方法

管理多切片环境

创建二维码

使用 gcloud 创建二维码请求

命令标志说明

使用 curl 创建二维码请求

检索二维码的状态

SSH 和安装依赖项

网络设置

列出快速回复

描述二维码

在预配的环境中启动作业

重置二维码

删除二维码

自动故障恢复

性能分析和调试

优化培训

使用多切片进行分片，以获得最佳性能

何时使用数据并行处理

何时使用完全分片数据并行处理 (FSDP)

何时使用流水线并行处理

多切片最佳实践

数据加载

检查点

受支持的配置

形状

编排

框架

最大并行数量

支持与反馈

在多切片环境中运行 `shardings.py`

使用 `gcloud` 创建二维码请求

使用 `curl` 创建二维码请求