评价此页
★ ★ ★ ★ ★
intermediate/TCPStore_libuv_backend

Libuv TCPStore 后端简介#

创建日期：2024年7月22日 | 最后更新：2024年7月24日 | 最后验证：2024年11月5日

作者：Xilun Wu

注意

edit 在 github 上查看和编辑本教程。

您将学到什么

  • 什么是新的 TCPStore 后端

  • 将新的 libuv 后端与旧版后端进行比较

  • 如何启用旧版后端

先决条件

  • PyTorch 2.4 或更高版本

  • 阅读有关 TCPStore API 的信息。

简介#

最近，我们推出了一个新的 TCPStore 服务器后端，该后端使用了异步 I/O 第三方库 libuv。这个新的服务器后端旨在解决大规模分布式训练任务（例如超过 1024 个 ranks 的任务）中的可扩展性和稳健性挑战。我们进行了一系列基准测试，将 libuv 后端与旧后端进行了比较，实验结果显示，存储初始化时间有了显著改善，并且在存储 I/O 操作上保持了相当的性能。

基于这些发现，自 PyTorch 2.4 起，libuv 后端已被设置为默认的 TCPStore 服务器后端。此更改有望提升分布式训练任务的性能和可扩展性。

此更改在存储初始化方面引入了轻微的不兼容性。对于希望继续使用旧版后端的开发者，本教程将指导如何指定使用之前的 TCPStore 服务器后端。

性能基准测试#

为了更好地展示我们新的 libuv TCPStore 后端的优势，我们在广泛的任务规模上进行了基准测试，从 1024 (1K) 到 98304 (96K) 个 ranks 不等。我们首先使用下方的代码片段测量了 TCPStore 的初始化时间

import logging
import os

from time import perf_counter

import torch
import torch.distributed as dist

logger: logging.Logger = logging.getLogger(__name__)

# Env var are preset when launching the benchmark
env_rank = os.environ.get("RANK", 0)
env_world_size = os.environ.get("WORLD_SIZE", 1)
env_master_addr = os.environ.get("MASTER_ADDR", "localhost")
env_master_port = os.environ.get("MASTER_PORT", "23456")

start = perf_counter()
tcp_store = dist.TCPStore(
    env_master_addr,
    int(env_master_port),
    world_size=int(env_world_size),
    is_master=(int(env_rank) == 0),
)
end = perf_counter()
time_elapsed = end - start
logger.info(
    f"Complete TCPStore init with rank={env_rank}, world_size={env_world_size} in {time_elapsed} seconds."
)

由于 TCPStore 服务器线程在所有客户端成功连接之前会保持阻塞，因此我们将 rank 0 上测得的时间作为总的 TCPStore 初始化运行时间。实验数据如下图所示

TCPStore Initialization Runtime Benchmark Result

图 1 展示了有力证据，表明 libuv 后端优于旧版后端

  • 使用 libuv 后端的 TCPStore 初始化速度始终快于旧版后端，尤其是在超大规模场景下

  • 在 96K 规模下，旧版后端在服务器-客户端连接阶段会超时（例如超过 30 分钟），而 libuv 后端在 100 秒内完成了初始化。

我们进行的第二个基准测试是测量 TCPStore store_based_barrier 操作的运行时间

import logging
import os
import time

from datetime import timedelta
from time import perf_counter

import torch
import torch.distributed as dist

DistStoreError = torch._C._DistStoreError
logger: logging.Logger = logging.getLogger(__name__)

# since dist._store_based_barrier is a private function and cannot be directly called, we need to write a function which does the same
def store_based_barrier(
    rank,
    store,
    group_name,
    rendezvous_count,
    timeout=dist.constants.default_pg_timeout,
    logging_interval=timedelta(seconds=10),
):
    store_key = f"store_based_barrier_key:{group_name}"
    store.add(store_key, 1)

    world_size = rendezvous_count
    worker_count = store.add(store_key, 0)

    last_worker_key = f"{store_key}:last_worker"
    if worker_count == world_size:
        store.set(last_worker_key, "1")

    start = time.time()
    while True:
        try:
            # This will throw an exception after the logging_interval in which we print out
            # the status of the group or time out officially, throwing runtime error
            store.wait([last_worker_key], logging_interval)
            break
        except RuntimeError as e:
            worker_count = store.add(store_key, 0)
            # Print status periodically to keep track.
            logger.info(
                "Waiting in store based barrier to initialize process group for "
                "rank: %s, key: %s (world_size=%s, num_workers_joined=%s, timeout=%s)"
                "error: %s",
                rank,
                store_key,
                world_size,
                worker_count,
                timeout,
                e,
            )

            if timedelta(seconds=(time.time() - start)) > timeout:
                raise DistStoreError(
                    "Timed out initializing process group in store based barrier on "
                    "rank {}, for key: {} (world_size={}, num_workers_joined={}, timeout={})".format(
                        rank, store_key, world_size, worker_count, timeout
                    )
                )

    logger.info(
        "Rank %s: Completed store-based barrier for key:%s with %s nodes.",
        rank,
        store_key,
        world_size,
    )

# Env var are preset when launching the benchmark
env_rank = os.environ.get("RANK", 0)
env_world_size = os.environ.get("WORLD_SIZE", 1)
env_master_addr = os.environ.get("MASTER_ADDR", "localhost")
env_master_port = os.environ.get("MASTER_PORT", "23456")

tcp_store = dist.TCPStore(
    env_master_addr,
    int(env_master_port),
    world_size=int(env_world_size),
    is_master=(int(env_rank) == 0),
)

# sync workers
store_based_barrier(int(env_rank), tcp_store, "tcpstore_test", int(env_world_size))

number_runs = 10
start = perf_counter()
for _ in range(number_runs):
    store_based_barrier(
        int(env_rank), tcp_store, "tcpstore_test", int(env_world_size)
    )
end = perf_counter()
time_elapsed = end - start
logger.info(
    f"Complete {number_runs} TCPStore barrier runs with rank={env_rank}, world_size={env_world_size} in {time_elapsed} seconds."
)

我们通过将 rank 0 上测得的运行时间除以 number_runs 来计算平均值，并将其报告在下图中

TCPStore Barrier Runtime Benchmark Result

图 2 显示 libuv 后端的 I/O 性能与旧版后端相当

  • 在不同数量的 ranks 范围内，libuv 后端的性能均与旧版相当

  • 随着 ranks 数量的增加，libuv 后端的运行时间比旧版后端更稳定

影响#

用户需要注意的一个不兼容点是：当使用 libuv 后端时，TCPStore 目前不支持通过 listen_fd 进行初始化。如果用户希望继续使用这种初始化方法，只需传入 use_libuv=False 即可保持使用旧版 TCPStore 后端。 

import socket

import torch
import torch.distributed as dist

listen_sock: socket.socket = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
listen_sock.bind(("localhost", 0))
addr, port, *_ = listen_sock.getsockname()
listen_fd = listen_sock.detach()

tcpstore = dist.TCPStore(addr, port, 1, True, master_listen_fd=listen_fd)  # expect NotImplementedError
tcpstore = dist.TCPStore(addr, port, 1, True, master_listen_fd=listen_fd, use_libuv=False)  # OK. Use legacy backend

退出路径 1：在 TCPStore 初始化中传入 use_libuv=False#

如上述代码片段所示，如果用户调用 TCPStore 初始化方法来创建存储，只需传入 use_libuv=False 即可让用户继续使用旧版 TCPStore 后端。此重写方式在确定 TCPStore 服务器应选择哪个后端的过程中具有最高优先级。

退出路径 2：在 ProcessGroup 初始化时向 init_method 添加 use_libuv=0#

如果用户在初始化时没有显式传入 TCPStore，ProcessGroup 会自动创建一个。用户可以在初始化 ProcessGroup 时向 init_method 添加查询选项 use_libuv=0。此方法的优先级低于退出路径 1。

import torch
import torch.distributed as dist

addr = "localhost"
port = 23456
dist.init_process_group(
    backend="cpu:gloo,cuda:nccl",
    rank=0,
    world_size=1,
    init_method=f"tcp://{addr}:{port}?use_libuv=0",
)
dist.destroy_process_group()

退出路径 3：设置环境变量 USE_LIBUV 为 0#

当 ProcessGroup 创建 TCPStore 时，它还会检查环境变量 USE_LIBUV 以决定使用哪个 TCPStore 后端。用户可以将环境变量 "USE_LIBUV" 设置为 "0" 来指定使用旧版 TCPStore 后端。此方法的优先级低于退出路径 2。例如，如果用户将环境变量 USE_LIBUV 设置为 1，同时在 init_method 中传入了 use_libuv=0，那么最终仍会选择旧版后端。 

import os

import torch
import torch.distributed as dist

addr = "localhost"
port = 23456
os.environ["USE_LIBUV"] = "0"
dist.init_process_group(
    backend="cpu:gloo,cuda:nccl",
    rank=0,
    world_size=1,
    init_method=f"tcp://{addr}:{port}",
)
dist.destroy_process_group()

结论#

在 PyTorch 2.4 中，我们将新的 libuv TCPStore 后端设为默认值。尽管新后端与通过 listen_fd 的初始化存在不兼容，但它在大规模场景下的存储初始化性能有显著提升，且在小/中/大规模下的存储 I/O 性能保持兼容，这为分布式训练的控制平面带来了重大收益。本教程解释了我们的动机，进行了性能基准测试，告知用户潜在的影响，并介绍了三种保持使用旧版后端的退出路径。从长远来看，我们旨在最终弃用旧版后端。

在此页面上
PyTorch 库