使用异步执行实现批量 RPC 处理#
创建日期：2020年7月28日 | 最近更新：2025年6月23日 | 最近验证：未验证
作者：Shen Li
注意
在 github 中查看并编辑此教程。
先决条件
本教程演示了如何使用 @rpc.functions.async_execution 装饰器构建批处理 RPC 应用程序。该装饰器通过减少被阻塞的 RPC 线程数量并整合被调用端上的 CUDA 操作，有助于加速训练。
注意
本教程要求 PyTorch v1.6.0 或更高版本。
基础知识#
之前的教程已经展示了使用 torch.distributed.rpc 构建分布式训练应用程序的步骤，但它们没有详细说明在处理 RPC 请求时被调用端发生了什么。从 PyTorch v1.5 开始，每个 RPC 请求都会在被调用端阻塞一个线程来执行请求中的函数，直到该函数返回。这适用于许多用例，但有一个缺陷。如果用户函数在 IO 上阻塞（例如通过嵌套 RPC 调用）或在信号上阻塞（例如等待另一个 RPC 请求解除阻塞），被调用端的 RPC 线程将不得不空闲等待，直到 IO 完成或信号事件发生。因此，RPC 被调用端可能会使用比必要更多的线程。造成这个问题的原因是 RPC 将用户函数视为黑盒，对函数内部发生的事情知之甚少。为了允许用户函数让出并释放 RPC 线程，需要向 RPC 系统提供更多提示。
自 v1.6.0 起，PyTorch 通过引入两个新概念解决了这个问题：
一种封装异步执行的 torch.futures.Future 类型，它还支持安装回调函数。
一个 @rpc.functions.async_execution 装饰器，它允许应用程序告知被调用端目标函数将返回一个 Future，并且在执行过程中可以多次暂停和让出。
有了这两个工具，应用程序代码可以将一个用户函数拆分为多个更小的函数，将它们作为回调函数链连接到 Future 对象上，并返回包含最终结果的 Future。在被调用端，获取 Future 对象时，它也会将后续的 RPC 响应准备和通信安装为回调函数，这些回调函数将在最终结果就绪时被触发。这样，被调用端就不再需要阻塞一个线程并等待最终返回值就绪。简单的示例请参考 @rpc.functions.async_execution 的 API 文档。
除了减少被调用端上的空闲线程数量外，这些工具还有助于使批量 RPC 处理变得更简单、更快速。本教程的后续两部分将演示如何使用 @rpc.functions.async_execution 装饰器构建分布式批量更新参数服务器和批处理强化学习应用程序。
批量更新参数服务器#
考虑一个同步参数服务器训练应用程序，它包含一个参数服务器 (PS) 和多个训练器。在此应用程序中，PS 持有参数并等待所有训练器报告梯度。在每次迭代中，它会等待接收到所有训练器的梯度，然后一次性更新所有参数。下面的代码显示了 PS 类的实现。update_and_fetch_model 方法使用 @rpc.functions.async_execution 装饰，并将由训练器调用。每次调用都会返回一个 Future 对象，该对象将被填充更新后的模型。大多数训练器发起的调用只是将梯度累积到 .grad 字段，立即返回，并让出 PS 上的 RPC 线程。最后到达的训练器将触发优化器步骤并消耗之前报告的所有梯度。然后，它将更新后的模型设置到 future_model 中，进而通过 Future 对象通知来自其他训练器的所有先前请求，并将更新后的模型发送给所有训练器。
import threading
import torchvision
import torch
import torch.distributed.rpc as rpc
from torch import optim
num_classes, batch_update_size = 30, 5
class BatchUpdateParameterServer(object):
def __init__(self, batch_update_size=batch_update_size):
self.model = torchvision.models.resnet50(num_classes=num_classes)
self.lock = threading.Lock()
self.future_model = torch.futures.Future()
self.batch_update_size = batch_update_size
self.curr_update_size = 0
self.optimizer = optim.SGD(self.model.parameters(), lr=0.001, momentum=0.9)
for p in self.model.parameters():
p.grad = torch.zeros_like(p)
def get_model(self):
return self.model
@staticmethod
@rpc.functions.async_execution
def update_and_fetch_model(ps_rref, grads):
# Using the RRef to retrieve the local PS instance
self = ps_rref.local_value()
with self.lock:
self.curr_update_size += 1
# accumulate gradients into .grad field
for p, g in zip(self.model.parameters(), grads):
p.grad += g
# Save the current future_model and return it to make sure the
# returned Future object holds the correct model even if another
# thread modifies future_model before this thread returns.
fut = self.future_model
if self.curr_update_size >= self.batch_update_size:
# update the model
for p in self.model.parameters():
p.grad /= self.batch_update_size
self.curr_update_size = 0
self.optimizer.step()
self.optimizer.zero_grad()
# by settiing the result on the Future object, all previous
# requests expecting this updated model will be notified and
# the their responses will be sent accordingly.
fut.set_result(self.model)
self.future_model = torch.futures.Future()
return fut
对于训练器，它们都使用来自 PS 的相同参数集进行初始化。在每次迭代中，每个训练器首先在本地运行前向和后向传播以生成梯度。然后，每个训练器使用 RPC 将其梯度报告给 PS，并通过同一 RPC 请求的返回值获取更新后的参数。在训练器的实现中，目标函数是否标记为 @rpc.functions.async_execution 没有任何区别。训练器只是使用 rpc_sync 调用 update_and_fetch_model，这将在训练器端阻塞，直到返回更新后的模型。
batch_size, image_w, image_h = 20, 64, 64
class Trainer(object):
def __init__(self, ps_rref):
self.ps_rref, self.loss_fn = ps_rref, torch.nn.MSELoss()
self.one_hot_indices = torch.LongTensor(batch_size) \
.random_(0, num_classes) \
.view(batch_size, 1)
def get_next_batch(self):
for _ in range(6):
inputs = torch.randn(batch_size, 3, image_w, image_h)
labels = torch.zeros(batch_size, num_classes) \
.scatter_(1, self.one_hot_indices, 1)
yield inputs.cuda(), labels.cuda()
def train(self):
name = rpc.get_worker_info().name
# get initial model parameters
m = self.ps_rref.rpc_sync().get_model().cuda()
# start training
for inputs, labels in self.get_next_batch():
self.loss_fn(m(inputs), labels).backward()
m = rpc.rpc_sync(
self.ps_rref.owner(),
BatchUpdateParameterServer.update_and_fetch_model,
args=(self.ps_rref, [p.grad for p in m.cpu().parameters()]),
).cuda()
我们在本教程中省略了启动多个进程的代码，完整实现请参考 examples 仓库。请注意，不使用 @rpc.functions.async_execution 装饰器也可以实现批处理。然而，那将需要要么在 PS 上阻塞更多的 RPC 线程，要么使用另一轮 RPC 来获取更新后的模型，后者会增加代码复杂性和通信开销。
本节使用一个简单的参数服务器训练示例，展示了如何使用 @rpc.functions.async_execution 装饰器实现批量 RPC 应用程序。在下一节中，我们将使用批处理重新实现之前的 分布式 RPC 框架入门 教程中的强化学习示例，并演示其对训练速度的影响。
批处理 CartPole 求解器#
本节使用 OpenAI Gym 的 CartPole-v1 作为示例，展示批处理 RPC 对性能的影响。请注意，由于目标是演示 @rpc.functions.async_execution 的用法，而不是构建最好的 CartPole 求解器或解决大多数不同的 RL 问题，因此我们使用了非常简单的策略和奖励计算方案，并侧重于多观察者单智能体批量 RPC 的实现。我们使用了与前一个教程类似的 Policy 模型，如下所示。与之前的教程相比，区别在于其构造函数增加了一个 batch 参数，用于控制 F.softmax 的 dim 参数，因为在批处理模式下，forward 函数中的 x 参数包含来自多个观察者的状态，因此维度需要相应更改。其他部分保持不变。
import argparse
import torch.nn as nn
import torch.nn.functional as F
parser = argparse.ArgumentParser(description='PyTorch RPC Batch RL example')
parser.add_argument('--gamma', type=float, default=1.0, metavar='G',
help='discount factor (default: 1.0)')
parser.add_argument('--seed', type=int, default=543, metavar='N',
help='random seed (default: 543)')
parser.add_argument('--num-episode', type=int, default=10, metavar='E',
help='number of episodes (default: 10)')
args = parser.parse_args()
torch.manual_seed(args.seed)
class Policy(nn.Module):
def __init__(self, batch=True):
super(Policy, self).__init__()
self.affine1 = nn.Linear(4, 128)
self.dropout = nn.Dropout(p=0.6)
self.affine2 = nn.Linear(128, 2)
self.dim = 2 if batch else 1
def forward(self, x):
x = self.affine1(x)
x = self.dropout(x)
x = F.relu(x)
action_scores = self.affine2(x)
return F.softmax(action_scores, dim=self.dim)
Observer 的构造函数也进行了相应调整。它也接受一个 batch 参数，该参数决定它使用哪个 Agent 函数来选择动作。在批处理模式下，它调用 Agent 上的 select_action_batch 函数（稍后介绍），该函数将使用 @rpc.functions.async_execution 进行装饰。
import gym
import torch.distributed.rpc as rpc
class Observer:
def __init__(self, batch=True):
self.id = rpc.get_worker_info().id - 1
self.env = gym.make('CartPole-v1')
self.env.seed(args.seed)
self.select_action = Agent.select_action_batch if batch else Agent.select_action
与之前的教程 分布式 RPC 框架入门 相比，观察者的行为略有不同。观察者不会在环境停止时退出，而是始终在每个回合（episode）中运行 n_steps 次迭代。当环境返回时，观察者只是简单地重置环境并重新开始。通过这种设计，智能体将从每个观察者接收到固定数量的状态，从而可以将它们封装到固定大小的张量中。在每一步中，Observer 使用 RPC 将其状态发送给 Agent，并通过返回值获取动作。在每个回合结束时，它将所有步骤的奖励返回给 Agent。请注意，此 run_episode 函数将由 Agent 使用 RPC 调用。因此，此函数中的 rpc_sync 调用将是一个嵌套的 RPC 调用。我们也可以将此函数标记为 @rpc.functions.async_execution，以避免在 Observer 上阻塞一个线程。然而，由于瓶颈在 Agent 而不是 Observer，因此在 Observer 进程上阻塞一个线程应该是可以接受的。
import torch
class Observer:
...
def run_episode(self, agent_rref, n_steps):
state, ep_reward = self.env.reset(), NUM_STEPS
rewards = torch.zeros(n_steps)
start_step = 0
for step in range(n_steps):
state = torch.from_numpy(state).float().unsqueeze(0)
# send the state to the agent to get an action
action = rpc.rpc_sync(
agent_rref.owner(),
self.select_action,
args=(agent_rref, self.id, state)
)
# apply the action to the environment, and get the reward
state, reward, done, _ = self.env.step(action)
rewards[step] = reward
if done or step + 1 >= n_steps:
curr_rewards = rewards[start_step:(step + 1)]
R = 0
for i in range(curr_rewards.numel() -1, -1, -1):
R = curr_rewards[i] + args.gamma * R
curr_rewards[i] = R
state = self.env.reset()
if start_step == 0:
ep_reward = min(ep_reward, step - start_step + 1)
start_step = step + 1
return [rewards, ep_reward]
Agent 的构造函数也接受一个 batch 参数，用于控制如何批量处理动作概率。在批处理模式下，saved_log_probs 包含一个张量列表，其中每个张量包含一步中来自所有观察者的动作概率。在非批处理模式下，saved_log_probs 是一个字典，键是观察者 ID，值是该观察者的动作概率列表。
import threading
from torch.distributed.rpc import RRef
class Agent:
def __init__(self, world_size, batch=True):
self.ob_rrefs = []
self.agent_rref = RRef(self)
self.rewards = {}
self.policy = Policy(batch).cuda()
self.optimizer = optim.Adam(self.policy.parameters(), lr=1e-2)
self.running_reward = 0
for ob_rank in range(1, world_size):
ob_info = rpc.get_worker_info(OBSERVER_NAME.format(ob_rank))
self.ob_rrefs.append(rpc.remote(ob_info, Observer, args=(batch,)))
self.rewards[ob_info.id] = []
self.states = torch.zeros(len(self.ob_rrefs), 1, 4)
self.batch = batch
self.saved_log_probs = [] if batch else {k:[] for k in range(len(self.ob_rrefs))}
self.future_actions = torch.futures.Future()
self.lock = threading.Lock()
self.pending_states = len(self.ob_rrefs)
非批处理的 select_action 只是简单地将状态通过策略运行，保存动作概率，并立即将动作返回给观察者。
from torch.distributions import Categorical
class Agent:
...
@staticmethod
def select_action(agent_rref, ob_id, state):
self = agent_rref.local_value()
probs = self.policy(state.cuda())
m = Categorical(probs)
action = m.sample()
self.saved_log_probs[ob_id].append(m.log_prob(action))
return action.item()
在批处理模式下，状态存储在二维张量 self.states 中，使用观察者 ID 作为行索引。然后，它通过在批量生成的 self.future_actions Future 对象上安装回调函数来链接一个 Future，该回调函数将填充使用该观察者 ID 索引的特定行。最后到达的观察者一次性将所有批处理状态通过策略运行，并相应地设置 self.future_actions。当这种情况发生时，所有安装在 self.future_actions 上的回调函数都将被触发，它们的返回值将用于填充链接的 Future 对象，进而通知 Agent 准备并沟通来自其他观察者的所有先前 RPC 请求的响应。
class Agent:
...
@staticmethod
@rpc.functions.async_execution
def select_action_batch(agent_rref, ob_id, state):
self = agent_rref.local_value()
self.states[ob_id].copy_(state)
future_action = self.future_actions.then(
lambda future_actions: future_actions.wait()[ob_id].item()
)
with self.lock:
self.pending_states -= 1
if self.pending_states == 0:
self.pending_states = len(self.ob_rrefs)
probs = self.policy(self.states.cuda())
m = Categorical(probs)
actions = m.sample()
self.saved_log_probs.append(m.log_prob(actions).t()[0])
future_actions = self.future_actions
self.future_actions = torch.futures.Future()
future_actions.set_result(actions.cpu())
return future_action
现在让我们定义如何将不同的 RPC 函数缝合在一起。Agent 控制每个回合的执行。它首先使用 rpc_async 在所有观察者上启动该回合，并阻塞在返回的 future 上，这些 future 将填充观察者的奖励。请注意，下面的代码使用 RRef 辅助函数 ob_rref.rpc_async()，通过提供的参数在 ob_rref RRef 的所有者上启动 run_episode 函数。然后，它将保存的动作概率和返回的观察者奖励转换为预期的数据格式，并启动训练步骤。最后，它重置所有状态并返回当前回合的奖励。此函数是运行一个回合的入口点。
class Agent:
...
def run_episode(self, n_steps=0):
futs = []
for ob_rref in self.ob_rrefs:
# make async RPC to kick off an episode on all observers
futs.append(ob_rref.rpc_async().run_episode(self.agent_rref, n_steps))
# wait until all obervers have finished this episode
rets = torch.futures.wait_all(futs)
rewards = torch.stack([ret[0] for ret in rets]).cuda().t()
ep_rewards = sum([ret[1] for ret in rets]) / len(rets)
# stack saved probs into one tensor
if self.batch:
probs = torch.stack(self.saved_log_probs)
else:
probs = [torch.stack(self.saved_log_probs[i]) for i in range(len(rets))]
probs = torch.stack(probs)
policy_loss = -probs * rewards / len(rets)
policy_loss.sum().backward()
self.optimizer.step()
self.optimizer.zero_grad()
# reset variables
self.saved_log_probs = [] if self.batch else {k:[] for k in range(len(self.ob_rrefs))}
self.states = torch.zeros(len(self.ob_rrefs), 1, 4)
# calculate running rewards
self.running_reward = 0.5 * ep_rewards + 0.5 * self.running_reward
return ep_rewards, self.running_reward
其余代码是正常的进程启动和日志记录，与其他 RPC 教程类似。在本教程中，所有观察者都处于被动等待来自智能体的命令的状态。完整实现请参考 examples 仓库。
def run_worker(rank, world_size, n_episode, batch, print_log=True):
os.environ['MASTER_ADDR'] = 'localhost'
os.environ['MASTER_PORT'] = '29500'
if rank == 0:
# rank0 is the agent
rpc.init_rpc(AGENT_NAME, rank=rank, world_size=world_size)
agent = Agent(world_size, batch)
for i_episode in range(n_episode):
last_reward, running_reward = agent.run_episode(n_steps=NUM_STEPS)
if print_log:
print('Episode {}\tLast reward: {:.2f}\tAverage reward: {:.2f}'.format(
i_episode, last_reward, running_reward))
else:
# other ranks are the observer
rpc.init_rpc(OBSERVER_NAME.format(rank), rank=rank, world_size=world_size)
# observers passively waiting for instructions from agents
rpc.shutdown()
def main():
for world_size in range(2, 12):
delays = []
for batch in [True, False]:
tik = time.time()
mp.spawn(
run_worker,
args=(world_size, args.num_episode, batch),
nprocs=world_size,
join=True
)
tok = time.time()
delays.append(tok - tik)
print(f"{world_size}, {delays[0]}, {delays[1]}")
if __name__ == '__main__':
main()
批量 RPC 有助于将动作推理整合到更少的 CUDA 操作中，从而减少了摊销开销。上面的 main 函数在批处理和非批处理模式下运行相同的代码，并使用不同数量的观察者（范围从 1 到 10）。下图绘制了使用默认参数值时不同 world size 的执行时间。结果证实了我们的预期，即批处理有助于加快训练速度。
