2023年，以ChatGPT為代表的AIGC大模型全面崛起，成為了整個社會關注的焦點。 大模型表現(xiàn)出了強悍的自然語言理解能力，刷新了人們對AI的認知，也掀起了新一輪的“算力軍備競賽”。 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)，每一個都意味著巨大的投入。 以算力為例。ChatGPT的技術底座，是基于微調(diào)后的GPT3.5大模型，參數(shù)量多達1750億個。為了完成這個大模型的訓練，微軟專門建設了一個AI超算系統(tǒng)，投入了1萬個V100 GPU，總算力消耗約3640 PF-days（即假如每秒計算一千萬億次，需要計算3640天）。 業(yè)內(nèi)頭部廠商近期推出的大模型，參數(shù)量規(guī)模更是達到萬億級別，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)同完成計算任務。這就意味著，需要一張超高性能、超強可靠的網(wǎng)絡，才能把海量GPU聯(lián)接起來，形成超級計算集群。 那么，問題來了，這張網(wǎng)絡，到底該如何搭建呢？


高性能網(wǎng)絡的挑戰(zhàn) 想要建設一張承載AIGC大模型的網(wǎng)絡，需要考慮的因素非常多。 首先，是網(wǎng)絡規(guī)模。 剛才我們也提到，AI訓練都是10000個GPU起步，也有的達到十萬級。從架構上，目標網(wǎng)絡就必須hold得住這么多的計算節(jié)點。而且，在節(jié)點增加的同時，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)絡帶寬。 超高性能的GPU，加上千億、萬億參數(shù)的訓練規(guī)模，使得計算節(jié)點之間的通信量，達到了百GB量級。再加上各種并行模式、加速框架的引入，節(jié)點之間的通道帶寬需求會更高。 傳統(tǒng)數(shù)據(jù)中心通用的100Gbps帶寬接入，根本滿足不了這個需求。我們的目標網(wǎng)絡，接入帶寬必須升級到800Gbps、1.6Tbps，甚至更高。 第三，流量調(diào)控。 傳統(tǒng)的網(wǎng)絡架構，在應對AI大模型訓練產(chǎn)生的數(shù)據(jù)流時，存在缺陷。所以，目標網(wǎng)絡需要在架構上做文章，更好地控制數(shù)據(jù)流路徑，讓節(jié)點和通道的流量更均衡，避免發(fā)生擁塞。 第四，協(xié)議升級。 網(wǎng)絡協(xié)議是網(wǎng)絡工作的行為準則。它的好壞，直接決定了網(wǎng)絡的性能、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)絡的大帶寬、低時延需求。性能更強的IB（InfiniBand）協(xié)議、RDMA協(xié)議，已然成為主流。有實力的廠家，還會基于自家硬件設備，自研更高效的協(xié)議。 第五，運維簡化。 這就不用多說了。超大規(guī)模的網(wǎng)絡，如果還是采用傳統(tǒng)運維，不僅效率跟不上，還會導致更長的故障恢復周期，損失算力，損失資金。 目前，行業(yè)里的“大模頭”們，都會根據(jù)自己技術和資金實力，選擇商用網(wǎng)絡組網(wǎng)，或者自研網(wǎng)絡協(xié)議。 大家心里很清楚，想要贏得這場比賽，除了算力芯片足夠強之外，網(wǎng)絡的性能表現(xiàn)是至關重要的。網(wǎng)絡越強，集群的算力提升就越大，完成模型訓練的時間就越短，成本也就越低。


星脈網(wǎng)絡，鵝廠的算力集群殺手锏 對于AI大模型這場熱潮，騰訊當然不會缺席。他們推出了業(yè)界領先的高性能計算網(wǎng)絡架構——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)務承載能力，可以說是行業(yè)頂尖的。在網(wǎng)絡技術的理解和駕馭能力上，也是世界領先水平。而星脈，則是他們多年技術研究的精髓，是真正的殺手锏。 根據(jù)實測，星脈實現(xiàn)了AI大模型通信性能的10倍提升、GPU利用率提升40%、通信時延降低40%。 基于全自研的網(wǎng)絡硬件平臺，星脈可以實現(xiàn)網(wǎng)絡建設成本降低30%，模型訓練成本節(jié)省30%~60%。 星脈網(wǎng)絡的算力效率，遠高于業(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挑戰(zhàn)上，騰訊團隊又是如何應對的。 ?

網(wǎng)絡規(guī)模

在組網(wǎng)架構上，星脈網(wǎng)絡采用無阻塞胖樹（Fat-Tree）拓撲，分為Block-Pod-Cluster三級。 星脈網(wǎng)絡的架構 ? Block是最小單元，包括256個GPU。 ? Pod是典型集群規(guī)模，包括16~64個Block，也就是4096~16384個GPU。 ? 多個Block可以組成Cluster。1個Cluster最大支持16個Pod，也就是65536~262144個GPU。 ? 26萬個GPU，這個規(guī)模完全能夠滿足目前的訓練需求。 ?

網(wǎng)絡帶寬

騰訊星脈網(wǎng)絡為每個計算節(jié)點提供了3.2T的超高通信帶寬。 單個服務器（帶有8個GPU）就是一個計算節(jié)點。每個服務器有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（遠程直接GPU通信訪問）我們以前介紹過很多次。它允許計算節(jié)點之間直接通過內(nèi)存進行數(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負荷，降低延遲，提高吞吐量。 ? 大帶寬帶來的優(yōu)勢是非常顯著的。對于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，將使得AllReduce的耗時大幅縮短14倍，通信占比從35%減少到3.7%，最終使得單次迭代的訓練耗時減少32%。從集群算力的角度來看，相當于用同樣的計算資源，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)絡對通信流量路徑進行了優(yōu)化，引入了“多軌道流量聚合架構”。 該架構將不同服務器上位于相同位置的網(wǎng)卡，都歸屬于同一個ToR switch（機柜頂部的匯聚交換機）。整個計算網(wǎng)絡平面，從物理上被劃分為8個獨立并行的軌道平面。 ? 在工作時，GPU之間的數(shù)據(jù)，可以用多個軌道并行傳輸加速。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 ToR switch）。只有小部分流量，會跨軌道平面?zhèn)鬏敚ㄐ枰?jīng)過二級 switch）。這大幅減輕了網(wǎng)絡壓力。 ? 星脈網(wǎng)絡還采用了“異構網(wǎng)絡自適應通信技術”。 在集群中，GPU之間的通信包括機間網(wǎng)絡（網(wǎng)卡+交換機）與機內(nèi)網(wǎng)絡（ NVLink/NVSwitch 網(wǎng)絡、PCIe 總線網(wǎng)絡）。 星脈網(wǎng)絡將機間、機內(nèi)兩種網(wǎng)絡同時利用起來，實現(xiàn)了異構網(wǎng)絡之間的聯(lián)合通信優(yōu)化。 例如，在All-to-All通信模式時，每個GPU都會和其它服務器的不同GPU通信。 ? 基于異構網(wǎng)絡自適應通信技術，不同服務器上相同位置的GPU，在同一軌道平面，仍然走機間網(wǎng)絡通信。 ? 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)），則先通過機內(nèi)網(wǎng)絡，轉(zhuǎn)發(fā)到host1上的GPU8上，然后通過機間網(wǎng)絡，來完成通信。 ? 這樣一來，機間網(wǎng)絡的流量，大部分都聚合在軌道內(nèi)傳輸（只經(jīng)過一級 ToR switch）。機間網(wǎng)絡的流量大幅減少，沖擊概率也明顯下降，從而提供了整網(wǎng)性能。 ? 根據(jù)實測，異構網(wǎng)絡通信在大規(guī)模All-to-All場景下，對中小數(shù)據(jù)包的傳輸性能提升在30%左右。 ?

協(xié)議升級

星脈網(wǎng)絡采用的“自研端網(wǎng)協(xié)同協(xié)議TiTa”，可以提供更高的網(wǎng)絡通信性能，非常適合大規(guī)模參數(shù)模型訓練。 TiTa協(xié)議內(nèi)嵌擁塞控制算法，可以實時監(jiān)控網(wǎng)絡狀態(tài)并進行通信優(yōu)化。它就好比是一個智能交通管理系統(tǒng)，可以讓網(wǎng)絡上的數(shù)據(jù)傳輸更加通暢。 TiTa協(xié)議的處理方式 ? 面對定制設計的高性能組網(wǎng)架構，業(yè)界開源的GPU集合通信庫（例如NCCL）并不能將網(wǎng)絡的通信性能發(fā)揮到極致。為此，騰訊推出了“高性能集合通信庫TCCL（Tencent Collective Communication Library）”。 TCCL就像一個智能導航系統(tǒng)。它在網(wǎng)卡設備管理、全局網(wǎng)絡路由、拓撲感知親和性調(diào)度、網(wǎng)絡故障自動告警等方面進行了深度定制，對網(wǎng)絡了如指掌，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個路口。有了TCCL導航之后，只需要走4個路口，提升了效率。 根據(jù)實測，在AllReduce/AllGather/ReduceScatter等常用通信模式下，TCCL能給星脈網(wǎng)絡帶來40%左右的通信性能提升。

部署和運維簡化

算力集群網(wǎng)絡越龐大，它的部署和維護難度也就越大。 為了提升星脈網(wǎng)絡的可靠性，騰訊自研了一套全棧網(wǎng)絡運營系統(tǒng)，實現(xiàn)了“端網(wǎng)部署一體化”、“一鍵故障定位”、“業(yè)務無感秒級網(wǎng)絡自愈”，對網(wǎng)絡進行全方位保駕護航。 先看看“端網(wǎng)部署一體化”。 部署一直都是高性能網(wǎng)絡的痛點。在星脈網(wǎng)絡之前，根據(jù)統(tǒng)計，90%的高性能網(wǎng)絡故障問題，是因為配置錯誤導致。原因很簡單，網(wǎng)卡的配置套餐太多（取決于架構版本、業(yè)務類型和網(wǎng)卡類型），人為操作很難保證不出錯。 騰訊的解決方法，是將配置過程自動化。 他們通過API的方式，實現(xiàn)單臺/多臺交換機的并行部署能力。 在正式部署前，系統(tǒng)會自動對基礎網(wǎng)絡環(huán)境進行校驗，看看上級交換機的配置是否合理等。 然后，識別外部因素，自動選擇配置模板。 配置完成后，為了保證交付質(zhì)量，運營平臺還會進行自動化驗收，包括一系列的性能和可靠性測試。 ? 所有工作完成后，系統(tǒng)才會進入交付狀態(tài)。 ? 根據(jù)數(shù)據(jù)統(tǒng)計，基于端網(wǎng)一體部署能力，大模型訓練系統(tǒng)的整體部署時間從19天縮減到4.5天，并保證了基礎配置100%準確。 ? 再看看運維階段的“一鍵故障定位”。 星脈網(wǎng)絡具有端網(wǎng)高度協(xié)同的特點，增加了端側的運營能力。運營平臺通過數(shù)據(jù)采集模塊，獲取端側服務器和網(wǎng)絡側交換機的數(shù)據(jù)，聯(lián)動網(wǎng)管拓撲信息，可以做到快速診斷與自動化檢查。 一鍵故障定位，可以快速定界問題方向，精準推送到對應團隊的運營人員（網(wǎng)絡or業(yè)務），減少溝通成本，劃分責任界限。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)務無感秒級網(wǎng)絡自愈”。 在網(wǎng)絡運行的過程中，故障是無法避免的。 為了將故障自愈時間縮短到極致，騰訊推出了秒級故障自愈產(chǎn)品——“HASH DODGING”。 這是一種基于Hash偏移算法的網(wǎng)絡相對路徑控制方法。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。 在網(wǎng)絡數(shù)據(jù)平面發(fā)生故障（如靜默丟包、路由黑洞）時，該方案可以幫助TCP快速繞過故障點，不會產(chǎn)生對標準拓撲及特定源端口號的依賴。 單路徑傳輸協(xié)議下，使用本方案，實現(xiàn)確定性換路 ? ? █ 結語 以上，就是對騰訊星脈高性能計算網(wǎng)絡的關鍵技術分析。 這些關鍵技術，揭示了高性能網(wǎng)絡的發(fā)展思路和演進方向。隨著AI大模型的深入發(fā)展，人類對AI算力的需求會不斷增加。 日前，騰訊云發(fā)布的新一代HCC高性能計算集群，正是基于星脈高性能網(wǎng)絡打造，算力性能較前代提升3倍，為AI大模型訓練構筑可靠的高性能網(wǎng)絡底座。 未來已來，這場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！