? ? ? 高性能計(jì)算場景的流量關(guān)注靜態(tài)時(shí)延的同時(shí)需要支持超大規(guī)模組網(wǎng)。然而傳統(tǒng)的?CLOS?架構(gòu)作為主流網(wǎng)絡(luò)架構(gòu)，主要關(guān)注通用性，犧牲了時(shí)延和性價(jià)比。業(yè)界針對該問題開展了多樣的架構(gòu)研究和新拓?fù)涞脑O(shè)計(jì)，F(xiàn)at-Tree、Dragonfly、Torus是幾種常見的網(wǎng)絡(luò)拓?fù)?，F(xiàn)at-Tree架構(gòu)實(shí)現(xiàn)無阻塞轉(zhuǎn)發(fā)，Dragonfly架構(gòu)網(wǎng)絡(luò)直徑小，Torus?具有較高的擴(kuò)展性和性價(jià)比。

Fat-Tree胖樹架構(gòu)

傳統(tǒng)的樹形網(wǎng)絡(luò)拓?fù)渲?，帶寬是逐層收斂的，樹根處的網(wǎng)絡(luò)帶寬要遠(yuǎn)小于各個葉子處所有帶寬的總和。而Fat-Tree則更像是真實(shí)的樹，越到樹根，枝干越粗，即：從葉子到樹根，網(wǎng)絡(luò)帶寬不收斂，這是Fat-Tree能夠支撐無阻塞網(wǎng)絡(luò)的基礎(chǔ)。Fat-Tree是使用最廣泛的拓?fù)渲唬歉鞣N應(yīng)用程序的一個很好的選擇，因?yàn)樗峁┑脱舆t并支持各種吞吐量選項(xiàng)——從非阻塞連接到超額訂閱，這種拓?fù)漕愋妥畲笙薅鹊靥岣吡烁鞣N流量模式的數(shù)據(jù)吞吐量。

Fat-Tree架構(gòu)采用1:1無收斂設(shè)計(jì)，F(xiàn)at-Tree架構(gòu)中交換機(jī)上聯(lián)端口與下聯(lián)端口帶寬、數(shù)量保持一致，同時(shí)交換機(jī)要采用無阻塞轉(zhuǎn)發(fā)的數(shù)據(jù)中心級交換機(jī)。Fat-Tree架構(gòu)可以通過擴(kuò)展網(wǎng)絡(luò)層次提升接入的GPU節(jié)點(diǎn)數(shù)量。

Fat-Tree架構(gòu)的本質(zhì)是無帶寬收斂，因此，云數(shù)據(jù)中心的Spine-leaf組網(wǎng)在無收斂的情況下，也可以認(rèn)為是遵從了Fat-Tree架構(gòu)理念。

如果交換機(jī)的端口數(shù)量為n，則：兩層Fat-Tree架構(gòu)能夠接入n2/2張GPU卡，以40端口的InfiniBand交換機(jī)為例，能夠接入的GPU數(shù)量最多可達(dá)800個。三層Fat-Tree架構(gòu)能夠接入n（n/2）*(n/2)張GPU卡，以40端口的InfiniBand交換機(jī)為例，能夠接入的GPU數(shù)量最多可達(dá)16000個。

但是，F(xiàn)at-Tree架構(gòu)也存在明顯的缺陷：

網(wǎng)絡(luò)中交換機(jī)與服務(wù)器的比值較大，需要大量的交換機(jī)和鏈路，因此，在大規(guī)模情況下成本相對較高。構(gòu)建Fat-Tree需要的交換機(jī)數(shù)量為5M/n（其中，M是服務(wù)器的數(shù)量，n是交換機(jī)的端口數(shù)量），當(dāng)交換機(jī)的端口數(shù)量n較小時(shí)，連接Fat-Tree需要的交換機(jī)數(shù)量龐大，從而增加了布線和配置的復(fù)雜性；

拓?fù)浣Y(jié)構(gòu)的特點(diǎn)決定了網(wǎng)絡(luò)不能很好的支持One-to-All及All-to-All網(wǎng)絡(luò)通信模式，不利于部署?MapReduce、Dryad等高性能分布式應(yīng)用；

擴(kuò)展規(guī)模在理論上受限于核心層交換機(jī)的端口數(shù)目。

Fat-Tree架構(gòu)的本質(zhì)是CLOS架構(gòu)網(wǎng)絡(luò)，主要關(guān)注通用性和無收斂，犧牲了時(shí)延和性價(jià)比。在構(gòu)建大規(guī)模集群網(wǎng)絡(luò)時(shí)需要增加網(wǎng)絡(luò)層數(shù)，需要更多的互聯(lián)光纖和交換機(jī)，帶來成本的增加，同時(shí)隨著集群規(guī)模增大，網(wǎng)絡(luò)跳數(shù)增加，導(dǎo)致通信時(shí)延增加，也可能會無法滿足業(yè)務(wù)低時(shí)延需求。

Dragonfly架構(gòu)

Dragonfly是當(dāng)前應(yīng)用最廣泛的直連拓?fù)渚W(wǎng)絡(luò)架構(gòu)，它由John Kim等人在2008年的論文Technology-Driven, Highly-Scalable Dragonfly Topology中提出，它的特點(diǎn)是網(wǎng)絡(luò)直徑小、成本較低，已經(jīng)在高性能計(jì)算網(wǎng)絡(luò)中被廣泛應(yīng)用，也適用于多元化算力的數(shù)據(jù)中心網(wǎng)絡(luò)。

Dragonfly網(wǎng)絡(luò)如下圖所示：

Dragonfly的拓?fù)浣Y(jié)構(gòu)分為三層：Switch層、Group層、System層。

Switch層：包括一個交換機(jī)及其相連的P個計(jì)算節(jié)點(diǎn)；

Group層：包含a個Switch層，這a個Switch層的a個交換機(jī)是全連接(All-to-all)的，換言之，每個交換機(jī)都有a-1條鏈路連接分別連接到其他的a-1臺交換機(jī)；

System層：包含g個Group層，這g個Group層也是全連接的。

對于單個Switch交換機(jī)，它有p個端口連接到了計(jì)算節(jié)點(diǎn)，a-1個端口連接到Group內(nèi)其他交換機(jī)，h個端口連接到其他Group的交換機(jī)。因此，我們可以計(jì)算得到網(wǎng)絡(luò)中的如下屬性：

每個交換機(jī)的端口數(shù)為k=p+(a-1)+h

Group的數(shù)量為g=ah+1

網(wǎng)絡(luò)中一共有N=ap(ah+1)?個計(jì)算節(jié)點(diǎn)

如果我們把一個Group內(nèi)的交換機(jī)都合成一個，將它們視為一個交換機(jī)，那么這個交換機(jī)的端口數(shù)為k‘=a(p+h)。

不難發(fā)現(xiàn)，在確定了?p、a、h、g四個參數(shù)之后，我們就可以確定一個Dragonfly的拓?fù)?，因此，一個Dragonfly的拓?fù)淇梢杂胐fly(p,a,h,g)?來表示，一種推薦的較為平衡的配置是方法是：a=2p=2h。

Dragonfly的路由算法主要有以下幾種：

最小路由算法（Minimal Routing）：由于拓?fù)涞男再|(zhì)，Minimal Routing中最多只會有1條Global Link和2條Local Link，也就是說最多3跳即可到達(dá)。在任由兩個Group之間只有一條直連連接時(shí)（即g=ah+1時(shí)），最短路徑只有一條。

非最短路徑的路由算法（Non-Minimal Routing）：有的地方叫Valiant algorithm，簡寫為VAL，還有的地方叫Valiant Load-balanced routing，簡寫為VLB。隨機(jī)選擇一個Group，先發(fā)到這個Group然后再發(fā)到目的地。由于拓?fù)涞男再|(zhì)，VAL最多會經(jīng)過2條Global Link和3條Local Link，最多5跳即可到達(dá)。

自適應(yīng)路由（Adaptive Routing）：當(dāng)一個數(shù)據(jù)包到達(dá)交換機(jī)時(shí)，交換機(jī)根據(jù)網(wǎng)絡(luò)負(fù)載信息在最短路徑路由和非最短路徑路由路徑之間進(jìn)行動態(tài)選路，優(yōu)先采用最短路徑轉(zhuǎn)發(fā)，當(dāng)最短路徑擁塞時(shí)，通過非最短路徑轉(zhuǎn)發(fā)。因?yàn)橐@取到全局網(wǎng)絡(luò)狀態(tài)信息比較困難，除了UGAL（全局自適應(yīng)負(fù)載均衡路由），還提出了一系列變種自適應(yīng)路由算法，如UGAL-L，UGAL-G等。

上述幾種路由，由于自適應(yīng)路由能夠根據(jù)網(wǎng)絡(luò)鏈路狀態(tài)動態(tài)調(diào)整流量轉(zhuǎn)發(fā)路徑，因此會有更好的性能表現(xiàn)。

Dragonfly為各種應(yīng)用程序（或通信模式）提供了良好的性能，與其他拓?fù)湎啾龋ㄟ^直連模式，縮短網(wǎng)絡(luò)路徑，減少中間節(jié)點(diǎn)數(shù)量。64端口交換機(jī)支持組網(wǎng)規(guī)模27萬節(jié)點(diǎn)，端到端交換機(jī)轉(zhuǎn)發(fā)跳數(shù)減至3跳。

Dragonfly拓?fù)湓谛阅芎托詢r(jià)比方面有顯著的優(yōu)勢。然而，這種優(yōu)勢的實(shí)現(xiàn)需要依賴于有效的擁塞控制和自適應(yīng)路由策略。Dragonfly網(wǎng)絡(luò)在擴(kuò)展性方面存在問題，每次需要增加網(wǎng)絡(luò)容量時(shí)，都必須對Dragonfly網(wǎng)絡(luò)進(jìn)行重新布線，這增加了網(wǎng)絡(luò)的復(fù)雜性和管理難度。

Torus架構(gòu)

隨著模型參數(shù)的增加和訓(xùn)練數(shù)據(jù)的增加，單臺機(jī)器算力無法滿足，存儲無法滿足，所以要分布式機(jī)器學(xué)習(xí)，集合通信則是分布式機(jī)器學(xué)習(xí)的底層支撐，集合通信的難點(diǎn)在于需要在一定的網(wǎng)絡(luò)互聯(lián)結(jié)構(gòu)的約束下進(jìn)行高效的通信，需要在效率與成本、帶寬與時(shí)延、客戶要求與質(zhì)量、創(chuàng)新與產(chǎn)品化等之間進(jìn)行合理取舍。

Torus網(wǎng)絡(luò)架構(gòu)是一種完全對稱的拓?fù)浣Y(jié)構(gòu)，具有很多優(yōu)良特性，如網(wǎng)絡(luò)直徑小、結(jié)構(gòu)簡單、路徑多以及可擴(kuò)展性好等特點(diǎn)，非常適合集合通信使用。索尼公司提出2D-Torus算法，其主要思想就是組內(nèi)satter-reduce->組間all-reduce->組內(nèi)all-gather。?IBM提出了3D-Torus算法。

我們用k-ary n-cube來表示。k是排列的邊的長度，n是排列的維度。

3-ary 3-cube拓?fù)淙缦拢?/p>

以2D-Torus拓?fù)錇槔?，可以將網(wǎng)絡(luò)結(jié)構(gòu)表達(dá)成如下的Torus結(jié)構(gòu)。

橫向：每臺服務(wù)器X個GPU節(jié)點(diǎn)，每GPU節(jié)點(diǎn)通過私有協(xié)議網(wǎng)絡(luò)互聯(lián)（如NVLINK）；

縱向：每臺服務(wù)器通過至少2張RDMA網(wǎng)卡NIC 0 /NIC 1通過交換機(jī)互聯(lián)。

第1步，橫向，先進(jìn)行主機(jī)內(nèi)Ring Scatter Reduce，將主機(jī)內(nèi)8張卡上的梯度進(jìn)行拆分與規(guī)約，這樣經(jīng)過迭代，到最后每個GPU將有一個完整的同維梯度，該塊梯度包含所有GPU中該塊所對應(yīng)的所有梯度的總和；

第2步，縱向，進(jìn)行主機(jī)間X個縱向的?Ring All Reduce，將每臺服務(wù)器的X個GPU上的數(shù)據(jù)進(jìn)行集群內(nèi)縱向全局規(guī)約；

第3步，橫向，進(jìn)行主機(jī)內(nèi)All Gather，將GPUi[i=0~(X-1)]上的梯度復(fù)制到服務(wù)器內(nèi)的其他GPU上；

Torus網(wǎng)絡(luò)架構(gòu)具有如下優(yōu)勢：

更低的延遲：環(huán)面拓?fù)淇梢蕴峁└偷难舆t，因?yàn)樗谙噜徆?jié)點(diǎn)之間有短而直接的鏈接；

更好的局部性：在環(huán)面網(wǎng)絡(luò)中，物理上彼此靠近的節(jié)點(diǎn)在邏輯上也很接近，這可以帶來更好的數(shù)據(jù)局部性并減少通信開銷，從而降低時(shí)延和功耗。

較低的網(wǎng)絡(luò)直徑：對于相同數(shù)量的節(jié)點(diǎn)，環(huán)面拓?fù)涞木W(wǎng)絡(luò)直徑低于CLOS網(wǎng)絡(luò)，需要更少的交換機(jī)，從而節(jié)省大量成本。

Torus網(wǎng)絡(luò)架構(gòu)也存在一些不足：

可預(yù)測方面，環(huán)面網(wǎng)絡(luò)中是無法保證的；

易擴(kuò)展方面：縮放環(huán)面網(wǎng)絡(luò)可能涉及重新配置整個拓?fù)洌赡芨訌?fù)雜和耗時(shí)；

負(fù)載平衡方面：環(huán)面網(wǎng)絡(luò)提供多條路徑，但相對Fat-tree備選路徑數(shù)量要少；

故障排查：對于突發(fā)故障的排查復(fù)雜性略高，不過動態(tài)可重配路由的靈活性可以大幅避免事故。

Torus網(wǎng)絡(luò)拓?fù)涑?D/3D結(jié)構(gòu)外，也在向更高維度發(fā)展，Torus高維度網(wǎng)絡(luò)中的一個單元稱之為硅元，一個硅元內(nèi)部采用3D-Torus拓?fù)浣Y(jié)構(gòu)，多個硅元可以構(gòu)建更高維的4D/5D/6D-Torus直接網(wǎng)絡(luò)。

審核編輯：黃飛

?