멀티슬라이스 환경 프로파일링
Cloud TPU 멀티슬라이스 환경은 데이터 센터 네트워크(DCN)를 통해 통신하는 여러 TPU Pod 슬라이스로 구성됩니다. DCN 수집 통계 도구를 사용하여 멀티슬라이스 환경이 DCN 네트워크를 얼마나 효율적으로 활용하는지 확인할 수 있습니다. 구체적으로 DCN 수집 통계 도구를 사용하면 다음을 수행할 수 있습니다.
- 수집된 데이터를 기반으로 슬라이스 간 네트워크 성능 보기 및 이해
- 성능 병목 현상 식별
- 모델 성능 최적화
DCN 수집 통계 도구의 모든 측정항목은 TPU별로 생성됩니다.
용어
DCN 수집 통계 도구는 멀티슬라이스 환경 내에서 TPU 슬라이스 간에 발생하는 통신을 설명하는 측정항목을 표시합니다. TPU 런타임이 슬라이스 간 통신을 시작하면 일련의 작업이 사용됩니다.
send- 호스트를 중단하여 직접 메모리 액세스(DMA)를 시작하고 호스트에 채워진 버퍼를 제공하여 데이터 전송을 시작합니다.
send-done- 데이터 전송이 완료되었음을 호스트에 알립니다.
recv- 호스트가 전송된 데이터를 채울 수 있는 빈 버퍼를 제공합니다.
recv-done- 데이터가 수신되었음을 호스트에 알립니다.
수집은 send 작업이 발생할 때 시작되고 일치하는 recv-done 작업이 발생할 때 완료됩니다.
Slack 시간
수집이 데이터를 보내고 받을 수 있는 시간 측정입니다.
여기에는 send, send-done, recv 또는 recv-done 작업이 포함되지 않습니다.
예를 들어 타임라인이 다음과 같다고 가정해 보겠습니다.
이 예시에서 Slack 시간은 다음과 같이 계산됩니다.
Slack 시간 = t1 + t2 + t3
Slack 시간을 늘리면 수집의 TPU가 중단될 가능성이 줄어듭니다. 다른 샤딩 방법을 선택하여 Slack 시간을 늘릴 수 있습니다.
중단 기간
수집이 발신, 발신 완료, 수신, 수신 완료 작업에 소비하는 평균 기간입니다. 참고로 여기에는 데이터 전송에 소요된 시간이 포함되지 않습니다. 예를 들어 타임라인이 다음과 같다고 가정해 보겠습니다.
이 예시에서 중단 기간은 다음과 같이 계산됩니다.
중단 기간 = t발신 + t발신 완료 + t수신 + t수신 완료
관찰 기간
데이터 발신 및 수신 시간을 포함한 send 작업과 recv-done 작업 사이의 시간입니다. 예를 들어 타임라인이 다음과 같다고 가정해 보겠습니다.
관찰된 기간은 다음과 같이 계산됩니다.
관찰 기간 = t발신 + t1 + t발신 완료 + t2 + t수신 + t3 + t수신 완료
발생 횟수
프로필 기간 동안 수집이 시작되고 완료된 횟수입니다. 수집은 send 작업이 발생할 때 시작되고 일치하는 recv-end 작업이 발생할 때 완료됩니다. send 작업과 일치하는 recv-done 작업은 이 측정항목에 포함되도록 프로필 기간 내에 발생해야 합니다.
집계된 중단 합계
수집이 프로필 기간 동안 TPU를 정지한 시간 합계입니다. 집계된 중단 합계는 다음과 같이 계산합니다.
집계된 중단 합계 = 중단 기간 * 발생 횟수
전송되는 데이터 크기
프로필 기간 동안 네트워크를 통해 수집에 대해 전송된 데이터 양입니다.
필요한 대역폭
제공된 Slack 내에서 데이터를 전송하는 데 필요한 대역폭입니다. 이 측정항목을 사용하면 프로필 기간 동안 네트워크 대역폭을 두고 경쟁하는 수집의 수를 확인할 수 있습니다. 필요한 대역폭은 다음과 같이 계산합니다.
필요한 대역폭 = 전송된 데이터 크기 / Slack 시간
도구 상태
다음 표에는 DCN 수집 통계 도구에 표시되는 각 측정항목에 필요한 TensorFlow 또는 TPU 런타임 버전이 나와 있습니다.
| DCN 수집 통계 | 지원되는 TPU 런타임의 TensorFlow 버전 |
|---|---|
| Slack 시간 | TensorFlow 2.15.0, 텐서보드 2.15.1, tensorboard-plugin-profile 2.15.0 |
| 중단 기간 | TensorFlow 2.15.0, 텐서보드 2.15.1, tensorboard-plugin-profile 2.15.0 |
| 관찰 기간 | TensorFlow 2.15.0, 텐서보드 2.15.1, tensorboard-plugin-profile 2.15.0 |
| 발생 횟수 | TensorFlow 2.15.0, 텐서보드 2.15.1, tensorboard-plugin-profile 2.15.0 |
| 집계된 중단 합계 | tf-nightly, tb-nightly, tbp-nightly |
| 전송되는 데이터 크기 | tf-nightly, tb-nightly, tbp-nightly |
| 필요한 대역폭 | tf-nightly, tb-nightly, tbp-nightly |
DCN 수집 통계 도구 분석 방법
- 텐서보드 서버를 실행하고 프로필 탭으로 이동합니다.
- DCN 수집 통계 도구의 테이블을 집계된 중단 합계를 기준으로 내림차순으로 정렬합니다.
- 집계된 중단 합계가 가장 높은 DCN 수집 이름을 식별합니다. 이 수집의 집계된 중단 기간이 다른 그룹에 비해 크게 높은 경우 이는 DCN 수집에 병목 현상이 있음을 나타낼 수 있습니다.
- DCN 수집의 필요한 대역폭에 코어 수를 곱합니다. v4 TPU 호스트당 8개의 코어가 있으므로 수집에 필요한 대역폭은 표시된 값의 8배입니다. 필요한 대역폭이 TPU의 최대 네트워크 대역폭보다 큰 경우 네트워크가 정체되었음을 의미할 수 있습니다. 필요한 대역폭을 줄이려면 사용하는 샤딩 메커니즘을 변경해 보세요. 샤딩 메커니즘에 대한 자세한 내용은 Cloud TPU 멀티슬라이스 개요를 참조하세요.
- HLO 덤프를 생성하여 컴파일러 문제가 있는지 확인합니다. 더 겹치는 HLO 작업을 예약할 수 있도록 수집에 대해
send및recv-done작업을 팬아웃하는 것이 좋습니다. 더 많은 HLO 작업을 겹치면 TPU 중단 시간이 줄어듭니다. - Trace 뷰어에서 최대로 집계된 중단 합계가 있는 DCN 수집에 대한
recv-done작업 기간을 확인합니다. 전송 기간이 길면 일반적으로 데이터를 가져오기 위해 네트워크에서recv-done작업이 차단되므로 대역폭 병목 현상이 발생할 수 있습니다. recv-done작업 기간이 Slack 시간에 비해 너무 높지 않다면 하드웨어 문제가 있을 수 있습니다.