写点什么

OneFlow 源码解析:Eager 模式下的设备管理与并发执行

作者:OneFlow
  • 2023-03-28
    中国香港
  • 本文字数:11539 字

    阅读完需:约 38 分钟

OneFlow源码解析:Eager模式下的设备管理与并发执行

作者|郑建华

更新|赵露阳


通过这篇笔记,希望能初步了解 OneFlow 在 Eager 模式下对设备的管理方式、设备执行计算的过程以及如何充分利用设备计算能力。这里的设备主要指类似 CUDA 这样的并行计算加速设备。

1、设备、流相关类型及关系


框架通过流(Stream)向设备(Device)提交计算任务。一个 Stream 是一个命令序列,可以类比 CUDA Stream(https://docs.nvidia.com/cuda/cuda-c-programming-guide/index.html#streams),或者 CPU Thread 的指令序列。同一个 Stream 中的命令按顺序执行;不同 Stream 之间的命令有依赖关系时,需要同步。不同的任务,比如 kernel 计算、host2device、device2host 等都有自己独立的 Stream,可以并发执行,从而在 Eager 模式下尽可能充分利用设备的异步并发执行能力。


OneFlow 中 Device 和 Stream 相关的部分类结构如下所示:


Device 相关类型


oneflow::Deviceoneflow::Device 是用于表示设备的基础类型,例如:构建 tensor 时 flow.tensor(shape, device="cuda:1")就会在内部构造出这个基础的 Device 类型,其中设备编号为 1、设备类型为 CUDA。


oneflow/core/framework/device.h:


class Device final { public:  ... private:  Device(const std::string& type, int64_t device_id);  Maybe<void> Init();  const std::string type_;  DeviceType enum_type_;  const int64_t device_id_;  const size_t hash_value_;  std::shared_ptr<MemoryCase> mem_case_;};
复制代码


oneflow::Device中最重要的两个成员变量分别是用于表示设备类型的DeviceType用于表示设备编号的 device_id_


DeviceType


DeviceType是一个枚举类,不同的值代表不同的计算设备类型,其定义位于 oneflow/core/common/device_type.proto


enum DeviceType {  kInvalidDevice = 0;  // 无效设备  kCPU = 1;            // cpu设备  kCUDA = 2;           // cuda设备  kMockDevice = 3;     // pseudo device for test.}
复制代码


目前在 oneflow master 分支中,主要有kCPU表示 cpu 设备;kCUDA表示 nvidia cuda 设备;在其他多设备支持的分支中,这里还增加了更多的设备类型。


oneflow::ep::Device


oneflow::Device是 oneflow 中对设备的基础封装类型,而oneflow::ep::Device则是一个抽象类,属于 oneflow 的 ep 模块(execution provider),是对设备行为的封装,ep 模块为多硬件设备提供了更高层次的抽象,方便 oneflow 支持和兼容多硬件设备提供了更高的灵活性和可拓展性


oneflow::ep::Device不仅提供了表示设备类型的device_type()方法、表示设备编号的device_index()方法,还提供了创建/销毁ep::Stream、创建/销毁Event、在设备上申请/释放内存的各种方法。


oneflow/core/ep/include/device.h


class Device { public:  OF_DISALLOW_COPY_AND_MOVE(Device);  Device() = default;  virtual ~Device() = default;  virtual void SetAsActiveDevice() = 0;  virtual DeviceType device_type() const = 0;  virtual size_t device_index() const = 0;  virtual DeviceManager* device_manager() const = 0;  virtual Stream* CreateStream() = 0;  virtual void DestroyStream(Stream* stream) = 0;  virtual Event* CreateEvent();  virtual void DestroyEvent(Event* event);  virtual void CreateEvents(Event** events, size_t count) = 0;  virtual void DestroyEvents(Event** events, size_t count) = 0;  virtual Maybe<void> Alloc(const AllocationOptions& options, void** ptr, size_t size) = 0;  virtual void Free(const AllocationOptions& options, void* ptr) = 0;  virtual Maybe<void> AllocPinned(const AllocationOptions& options, void** ptr, size_t size) = 0;  virtual void FreePinned(const AllocationOptions& options, void* ptr) = 0;  virtual bool IsStreamOrderedMemoryAllocationSupported() const;};
复制代码


oneflow::ep::Device有如下子类实现:



Stream 相关类型


oneflow::Stream 和 cuda device 以及 stream 的关系类似,oneflow 中也存在类似的基础 Stream 类型。


oneflow/core/framework/stream.h


class Stream final { .... private:  Stream(Symbol<Device> device, StreamType stream_type, size_t thread_uid);  static Maybe<Symbol<Stream>> RawNew(Symbol<Device> device, StreamType stream_type,                                      size_t thread_uid);  Maybe<void> Init(size_t unique_stream_id);  Symbol<Device> device_;  StreamType stream_type_;  size_t thread_uid_;  size_t unique_stream_id_;};
复制代码


可以看见 Stream 类中的成员变量:


  • device_  表示该 Stream 对象将在何种设备上执行

  • streamtype_  表示该 Stream 的类型,是用于计算的 compute stream 还是用于数据搬运的 host2device、device2host stream 等

  • threaduid_ 表示负责启动该 Stream 的线程 id

  • unique_streamid_ 表示这个 stream 自身的 unique id


StreamType


DeviceType分为 kCpu 和 kCuda 类似,Stream也有各种类型之分,具体如下:


oneflow/core/common/stream_type.h


enum class StreamType {    kInvalid = 0,    // 无效    kCompute,        // kernel计算流    kHost2Device,    // 数据搬运(host -> device)流    kDevice2Host,    // 数据搬运(device -> host)流    kCcl,            // 集合通信流    kBarrier,        // 线程屏障流    kCriticalSection,// 临界区流    kLazyJobLauncher,// job启动流(lazy mode)    kPinnedCompute   // pinned memory kernel计算流};
复制代码


oneflow::ep::Stream


oneflow 中的 ep 模块提供了一个更高层次的对 Stream 的抽象类,除了可以获取设备的device()、获取设备类型的device_type()方法外,还提供了一系列虚方法如:


  • 同步 Sync()

  • 执行 Event 事件 RecordEvent()


oneflow/core/ep/include/stream.h


class Stream { public:  OF_DISALLOW_COPY_AND_MOVE(Stream);  Stream() = default;  virtual ~Stream() = default;  virtual DeviceType device_type() const = 0;  virtual Device* device() const = 0;  virtual Maybe<void> Sync() = 0;  virtual void RecordEvent(Event* event) = 0;  virtual Maybe<void> GetAsyncError() { return Maybe<void>::Ok(); }  virtual Maybe<void> AllocAsync(void** ptr, size_t size) { UNIMPLEMENTED_THEN_RETURN(); }  virtual Maybe<void> FreeAsync(void* ptr) { UNIMPLEMENTED_THEN_RETURN(); }  template<typename T>  Maybe<void> AllocAsync(T** ptr, size_t size) {    return AllocAsync(reinterpret_cast<void**>(ptr), size);  }  virtual Maybe<void> OnExecutionContextSetup() { return Maybe<void>::Ok(); }  virtual Maybe<void> OnExecutionContextTeardown() { return Maybe<void>::Ok(); }  template<typename T>  T* As() {    return static_cast<T*>(this);  }};
复制代码


oneflow::ep::Stream有如下子类实现:



oneflow::vm::Stream


oneflow vm(virtual machine)中的oneflow::vm::Stream类型,用于 vm 内部维护 stream 极其依赖关系、StreamPolicy、调度线程等。


oneflow/core/vm/stream.h


class Stream final : public intrusive::Base { public:  ... private:  ...  // fields  ThreadCtx* thread_ctx_;  Symbol<Device> device_;  StreamType stream_type_;  std::shared_ptr<StreamPolicy> stream_policy_;  bool on_scheduler_thread_;  std::unique_ptr<char, std::function<void(char*)>> small_pinned_mem_ptr_;  ...};
复制代码


StreamPolicy


StreamPolicy是 oneflow vm 中独有的概念,提供了一系列虚方法如:


  • stream() 获取oneflow::ep::Stream指针

  • mut_allocator() 获取vm::Allocator指针(用于 tensor 内存管理)

  • device_type() 获取 device 设备类型


除此之外,提供了一系列 vm 相关的指令状态初始化、查询、删除等方法。


oneflow/core/vm/stream_policy.h


class StreamPolicy { public:  virtual ~StreamPolicy() = default;  virtual ep::Stream* stream() = 0;  virtual vm::Allocator* mut_allocator() = 0;  virtual DeviceType device_type() const = 0;  virtual void InitInstructionStatus(const Stream& stream,                                     InstructionStatusBuffer* status_buffer) const = 0;  virtual void DeleteInstructionStatus(const Stream& stream,                                       InstructionStatusBuffer* status_buffer) const = 0;  virtual bool QueryInstructionStatusLaunched(      const Stream& stream, const InstructionStatusBuffer& status_buffer) const = 0;  virtual bool QueryInstructionStatusDone(const Stream& stream,                                          const InstructionStatusBuffer& status_buffer) const = 0;  virtual bool OnSchedulerThread(StreamType stream_type) const;  virtual bool SupportingTransportInstructions() const = 0;  void RunIf(Instruction* instruction) const; protected:  StreamPolicy() = default; private:  virtual void Run(Instruction* instruction) const = 0;};
复制代码


StreamPolicy 有如下子类实现:


2、Eager Local 模式下的 Device 和 Stream 推导


下面,梳理一下普通的 eager 模式(eager local mode)下,算子执行全过程中 device 和 stream 相关的推导流程。


2.1 推导 Device


首先,对于一个算子(op)来说,要为其设置一个默认的 device 用于实际计算,这一步在:


Symbol<Device> default_device = JUST(GetDefaultDevice(inputs, ctx))
复制代码


这里GetDefaultDevice的逻辑是:


  • 1.如果 inputs tensor 非空,则根据第一个 input tensor 的 device 来设置 default 的 device

  • 2.如果 inputs tensor 为空,则优先从 OpExprInterpContext 中获取 device,若 OpExprInterpContext 中未设置,则会通过Device::New("cpu");默认给一个 cpu device


值得说明的是,在 1.种情况时,如果 input tensor 创建时指定了 device 为 cuda 设备,则这里推导出的 default device 同样为相同的 cuda device;如果未显示指定,则默认还是 cpu device。


2.2 推导 Stream


oneflow::Stream 的推导主要在:


  • JUST(user_op_expr.mut_local_tensor_infer_cache()->GetOrInfer(infer_args))

);

Symbol<Stream> stream = JUST(InferDeviceAndStream(...));


InferDeviceAndStream中,Stream推导的逻辑是会根据 user_op_expr 是否定义了 device_and_stream_infer_fn 而有所区别


  • (少数情况)如果该 op 定义了推导函数,则调用此推导函数来推导 Stream,例如 tensor.cuda()方法,inputs 在 CPU 上, outputs 在 CUDA,二者的设备类型不同。这时就不会默认推导而是利用 op 注册的推导函数获取 oneflow::Stream(

。例如 CopyOp::InferDeviceAndStream。

  • (多数情况)否则会通过stream = JUST(GetDefaultStreamByDevice(default_device))

;来推导。


GetDefaultStreamByDevice的具体实现:


Maybe<Symbol<Stream>> RawGetDefaultStreamByDevice(Symbol<Device> device) {  return Stream::New(device, StreamType::kCompute);}
复制代码


可以看见,根据传入的deviceStreamType::kCompute,new 了一个oneflow::Stream


2.3 InstructionsBuilder::Call 和 vm::Stream 推导


在上述 device 和 stream 推导完成后,会通过 InstructionsBuilder 调用 Call 方法:


JUST(PhysicalRun([&](InstructionsBuilder* builder) -> Maybe<void> {    return builder->Call(kernel, std::move(input_eager_blob_objects),                         std::move(output_eager_blob_objects), ctx, result->stream());}));
复制代码


Call 方法中会通过


  • JUST(SoftSyncStream(output_eager_blob_objects, stream));

  • JUST(SoftSyncStream(input_eager_blob_objects, stream));

  • auto* vm_stream = JUST(Singleton<VirtualMachine>::Get()->GetVmStream(stream));


完成 outputs inputs tensor 的流同步(SoftSyncStream)过程以及vm::Stream的推导,然后通过构造OpCallInstructionPolicy指令派发至 vm 执行。


SoftSyncStream 的同步这里省略,具体过程见第 4 节。


2.3.1 构造 ThreadCtx 对象,启动执行指令的线程


ThreadCtx 对象指针保存在 VirtualMachine 的 HashMap 中。每个 DeviceType(CPU 或 CUDA)对应一个 ThreadCtx 对象;临界区和 LazyJob 有自己的 ThreadCtx 对象。


首次访问 HashMap 时得到的是零值(空指针),需要调用 CreateThreadCtx 创建对象。实际通过虚拟机指令创建对象,ThreadCtx 对象保存在 VirtualMachineEngine::thread_ctx_list_ 中。


ThreadCtx 对象构造后,会创建一个 worker 线程、执行 WorkerLoop 方法,并添加到 worker_threads_。所以 worker_threads_ 是与 ThreadCtx 对象一一对应的。


这个线程负责其所归属的指令的执行:


  • WorkerLoop 在收到通知后,会调用 ThreadCtx::TryReceiveAndRun 处理指令。

  • 在这个函数中,将 ThreadCtx 的指令挪到临时列表、通过 StreamPolicy 执行每个指令。

  • ThreadCtx 的指令,是 VirtualMachineEngine 在 DispatchInstruction 时添加进去的。


ThreadCtx 创建完成后,将持有 vm::Stream 对象。oneflow::vm::Streamoneflow::Stream的数量是一一对应的,vm::Stream 按照<DeviceType, StreamRole>分组存储在对应的 ThreadCtx 中。


vm::Stream的推导流程细节如下:


  • auto* vm_stream = JUST(Singleton<VirtualMachine>::Get()->GetVmStream(stream));

  • VirtualMachine::GetVmStream()

  • Maybevm::Stream*     VirtualMachine::CreateStream(Symbol<Stream> stream)

  • Stream::Init(ThreadCtx* thread_ctx, Symbol<Device> device, StreamType stream_type...)

  • stream_policy_ = CHECK_JUST(CreateStreamPolicy::Visit(stream_type, device));


2.4 执行 OpCall 指令和 ep::Stream 推导


有几个场景会创建(获取) ep::Stream 对象。比如 kernel 执行时。


OpCall 指令在构造时,指令策略类型是 OpCallInstructionPolicy。虚拟机在 DispatchInstruction 时,无论哪个分支,后续都会调用 EpStreamType::Run,最终通过


  • EpStreamPolicyBase::Run()

  • instruction->Compute()

  • OpCallInstructionPolicy::Compute()

  • OpCallInstructionUtil::Compute()

  • OpCallInstructionUtil::OpKernelCompute()

  • op_call_instruction_policy->mut_opkernel()->Compute()执行 kernel 的 Compute 方法


例如 GpuL2NormalizeKernel::Compute,最终在其 kernel 的 Compute 方法中,会通过 ctx->stream()创建(获取)ep::Stream 对象,launch kernel 执行计算。


2.4.1 获取/创建 ep::Stream


下面,我们重点看一下 OpCall 指令实际执行时,调用的 OpCallInstructionUtil::Compute()方法:

static inline Maybe<void> Compute(OpCallInstructionPolicy* op_call_instruction_policy,                                    Instruction* instruction) {    Allocator* allocator = instruction->mut_stream()->mut_stream_policy()->mut_allocator();    JUST(AllocateOutputBlobsMemory(op_call_instruction_policy, allocator, instruction));    if (unlikely(op_call_instruction_policy->need_temp_storage())) {      JUST(TryAllocateTempStorage(op_call_instruction_policy, allocator));    }    ep::Stream* stream = instruction->mut_stream()->mut_stream_policy()->stream();    user_op::OpKernelState* state = nullptr;    user_op::OpKernelCache* cache = nullptr;    if (op_call_instruction_policy->user_opkernel()->has_state_or_cache()) {      TryInitOpKernelStateAndCache(op_call_instruction_policy, stream, &state, &cache);    }    OpKernelCompute(op_call_instruction_policy, stream, state, cache);    if (unlikely(op_call_instruction_policy->need_temp_storage())) {      DeallocateTempStorage(op_call_instruction_policy, allocator);    }    return Maybe<void>::Ok();  }
复制代码


其中会通过ep::Stream* stream = instruction->mut_stream()->mut_stream_policy()->stream();完成ep::Stream的推导,之后在OpKernelCompute()方法中实际完成 op/kernel 的执行。


ep::Stream* stream = instruction->mut_stream()->mut_stream_policy()->stream();

  • ep::Stream* stream() override { return GetOrCreateEpStream(); }

  • GetOrCreateEpStream()

  • ep_stream_ = GetOrCreateEpDevice()->CreateStream();


这里->stream()会调用 ep_stream_policy_base.h 中的:


ep::Stream* stream() override { return GetOrCreateEpStream(); }


这是一个 private 方法:

private:  ep::Stream* GetOrCreateEpStream() const {    if (unlikely(ep_stream_ == nullptr)) {      ep_stream_ = GetOrCreateEpDevice()->CreateStream();      CHECK(ep_stream_ != nullptr);    }    return ep_stream_;  }
复制代码


可以看到,如果成员变量ep_stream_非空,则直接返回;否则,通过 ep_stream_ = GetOrCreateEpDevice()->CreateStream(); 来创建创建ep::Stream


2.4.2 获取/创建 ep::Device


而这里的GetOrCreateEpDevice方法如下:


ep::Device* GetOrCreateEpDevice() const {if (unlikely(ep_device_ == nullptr)) {ep_device_ = Singletonep::DeviceManagerRegistry::Get()->GetDevice(device_->enum_type(),device_->device_id());CHECK(ep_device_);}return ep_device_.get();}


根据oneflow::Device中拿到的 device id 和 device type,去全局单例的ep::DeviceManagerRegistry中取出对应的oneflow::ep::Device


oneflow::vm::StreamPolicy 和 oneflow::vm::EpStreamPolicy 推导


  • stream_policy_ =

CHECK_JUST(CreateStreamPolicy::Visit(stream_type, device));

  • std::shared_ptr<vm::StreamPolicy>(new vm::EpStreamPolicy(device));


3、Eager Global 模式下的 Device 和 Stream 推导


eager global 模式下,device 信息隐藏在 placement 中,placement 不仅包括了 device type 信息还包括其 tensor 具体分布在哪些 ranks 上的信息,placement 在 C++ 中的对应类型是 ParallelDesc。


所以 device 以及 stream 的部分推导过程和 eager local 模式下有所区别,但 OpCall 指令执行;device、vm::Stream 和 ep::Stream 的推导过程都和 eager local 模式下是类似的。


3.1 推导 Device


3.1.1 placement 的 parallel_id


oneflow 中的 placement 表示 tensor 存放的设备集群(device group),如:

p = flow.placement(type="cuda", ranks=[0, 1, 2, 3])

表示 tensor 分布于 1 台机器上,cuda device 0、1、2、3 四个设备上;

p = flow.placement(type="cuda", ranks=[[0, 1], [2, 3]])

则表示 tensor 分布于 2 台机器上,host1 的 device0、1 以及 host2 的 device2、3。


在 oneflow 的分布式环境下,各个 host 上需要有相同数量的 device,每个进程使用一个 device。这样根据环境变量 RANK 可以得出 machine_id,LOCAL_RANK 就是进程在 制定 host 上的 rank 序号。


如果 input tensor 的 placement 与当前进程无关,可以省掉很多不必要的计算。通过 placement 的 parallel_id 可以判断计算任务是否与当前进程相关。


placement 在 C++ 中的对应类型是 ParallelDesc,其中并没有 parallel_id 字段,这个信息隐含在其它字段中。


ParallelDesc 在构造时会调用 ClearUp 函数,从中可以看到


  • ParallelDesc::parallel_id2machine_id_ 是 placement 分布的 machine。

  • ParallelDesc::parallel_id2device_id_ 是 placement 分布的 device_id。

  • parallel_id 是上述 2 个数组的索引,一个 parallel_id 对应一个 machine_id:device_id 组合。这样,根据 parallel_id 可以查到对应的 machine_id 和 device_id。

  • 反过来,根据 machine_id:device_id 也可以从 machine_id2device_id2parallel_id_ 查到 parallel_id。


3.1.2 eager 模式下根据 parallel_id 忽略无关计算任务


在 eager 分布时场景处理计算任务时,会调用 GetTensorDevice4CurrentProcessCtx推导得到输出 tensor 的 device,以及获取当前进程的 machine_id、device_id 在 placement 中的 parallel_id 值。


如果当前进程与该 placement 无关,parallel_id 就是空,后续处理时就可以忽略一些计算:


  • EagerGlobalTensorImpl::New 中只需要用 functional::Empty 构造一个 shape 为 0 的空的 tensor。

  • GetBoxingOutput 计算时,如果 parallel_id 为空则表示当前 rank 进程无效,无需计算直接返回。

  • Interpret 可以不给 vm 提交指令、提前返回。


3.2 推导 Stream


在 ConsistentTensorInferCache 中推导 SBP Signature 时,也会同时推导出当前的 tensor 计算任务、在当前进程所用的 device。推导时,会先确认所有 inputs 的 placement 是一致的,都分布在相同的 device 上。如前所述,如果计算任务与当前进程无关,会提前返回;而一个进程只使用一个 device。


这里和 eager local 模式下 stream 的推导类似,通过JUST(InferDeviceAndStream(user_op_expr, infer_args))推导出oneflow::Stream对象,StreamRole 是 kCompute。区别在于 eager global 模式下


3.2.1 unique_stream_id


unique_stream_id 表示 oneflow::Stream 对象的创建次序。

所有的 oneflow::Stream 对象都保存在全局的 StreamMgr::stream2unique_stream_id_ 中。unique_stream_id2stream_symbol_ 可看作是引用类型的副本,unique_stream_id 就是 Stream 对象在这个数组中的索引。与 parallel_id 不同,unique_stream_id 是 Stream 对象在进程内的唯一标识。


并不是每次都需要加锁访问 StreamMgroneflow::Stream 包含的都是描述性信息,其引用是以 ThreadLocal 的方式存储的,可以提升后续读取的效率。虚拟机在执行指令时,也会用 unique_stream_id 进行逻辑判断。


4、Eager 模式下的 Stream 同步——SoftSyncStream


设想以下场景:将 CPU 下的 tensor 拷贝到 CUDA 设备,然后在 CUDA 上再进行 tensor add 的计算。这涉及到两个流,一个是 Host2Device,一个是 CUDA Compute。这两个流的计算任务是并发执行的。需要有同步措施,才能保证拷贝完再执行 add 计算。


Eager 模式下,在 InstructionsBuilder::Call 中构造指令时,对 SoftSyncStream 的调用会在必要时向指令列表插入同步指令。


SoftSyncStream 中,几个重要概念:


  • tensor 在 oneflow 内存中的实际承载者是 eager_blob_object

  • last_used_stream 表示一个 tensor(blob)上一次使用到的 stream,可能是 compute stream、h2d stream、d2h stream、集合通信 ccl stream 等

  • 如果 last_used_stream 与当前计算执行的流 stream 相同,则可以忽略,因为相同 stream 间天然顺序执行所以无需同步,否则就需要进行后续的同步处理


SoftSyncStream 代码如下:

Maybe<void> InstructionsBuilder::SoftSyncStream(const vm::EagerBlobObjectList& eager_blob_objects,                                                Symbol<Stream> stream) {  JUST(ForEachEagerBlobObjectsNeedingSoftSync(      eager_blob_objects, stream,      [&](Symbol<Stream> last_used_stream, auto&& dep_objects) -> Maybe<void> {        return SoftSyncStreamBetween(std::move(dep_objects), last_used_stream, stream);      }));  for (const auto& eager_blob_object : eager_blob_objects) {    eager_blob_object->set_last_used_stream(stream);  }  return Maybe<void>::Ok();}
复制代码


主体逻辑是,会在ForEachEagerBlobObjectsNeedingSoftSync方法中遍历每一个 tensor 对象(eager blob object),对于每一个需要同步的 blob 运用 lambda 方法并最终调用SoftSyncStreamBetween完成 stream 间的同步。


这里,我们看一下 ForEachEagerBlobObjectsNeedingSoftSync 的逻辑:



首先 if/else 的主体业务逻辑是类似的,主要区别在于,当 blob 的 size <= kOpArgsReservedSize 时(默认为 4)会使用 small vector 来存放 LocalDepObject 变量,效率会更快一些(否则会走到 else 分支,主体逻辑类似,这里就不看了)。


  • const auto& opt_last_used_stream = eager_blob_object->last_used_stream()

;

  • if (unlikely(!opt_last_used_stream.has_value())) { continue; }


这两句是查询该 tensor(blob)上一次被使用时用到的 stream——last_used_stream,如果为空,则直接 continue 跳过,因为如果此 tensor 之前并未被任何 stream 使用,则无需进行 stream 间的同步操作,因为在当前 stream 上不会有关于该 tensor 的其他依赖关系;


if (last_used_stream != stream) {    small_vector<intrusive::shared_ptr<LocalDepObject>, kOpArgsReservedSize> dep_objects{        intrusive::shared_ptr<LocalDepObject>(            JUST(eager_blob_object->compute_local_dep_object()))};    JUST(DoEach(last_used_stream, std::move(dep_objects)));  }
复制代码


如果last_used_stream!=stream则表示需要在两个 stream 间进行同步,则会应用传入的 lambda 函数 DoEach 进行处理,在这里 lambda 函数即:


[&](Symbol<Stream> last_used_stream, auto&& dep_objects) -> Maybe<void> {    return SoftSyncStreamBetween(std::move(dep_objects), last_used_stream, stream);  }));
复制代码


既实际调用的是 SoftSyncStreamBetween 来完成实际的 stream 间同步,这里主要有 3 个变量:


  • dep_objects

存储了 tensor 间的依赖关系

  • last_used_stream

则是该 tensor 上一次使用的 stream

  • stream

该 tensor 当前使用的 stream


SoftSyncStreamBetween 的代码如下:


Maybe<void> InstructionsBuilder::SoftSyncStreamBetween(    small_vector<intrusive::shared_ptr<LocalDepObject>, kOpArgsReservedSize>&& dependences,    Symbol<Stream> from_stream, Symbol<Stream> to_stream) {  CHECK(from_stream != to_stream) << "synchronization is unnecessary";  if (SupportingStreamWait(from_stream, to_stream)) {    JUST(StreamWait(std::move(dependences), from_stream, to_stream));  } else {    JUST(RecordEvent(std::move(dependences), from_stream));  }  return Maybe<void>::Ok();}


复制代码

SoftSyncStreamBetween的主要逻辑如下:


  • 先额外做了一次 check,检测如果待同步的两个 stream 相同,则 check 会报错并提示"synchronization is unnecessary"

  • 通过SupportingStreamWait判断 from 和 to stream 间是否支持 stream wait,是则调用 StreamWait 方法;否则,直接调用RecordEvent方法

  • SupportingStreamWait的主要逻辑是,通过 stream 的 device、以及StreamType的 Visit 方法来判断。简单来说,如果 from 和 to stream 之间是不同的 device(譬如 cpu stream <-> cuda stream 之间的同步),或者 from stream 的 device 为 cpu,则 SupportingStreamWait 一定是 false;如果是相同的,则继续通过其他判断条件进行判断。


SupportingStreamWait 为 True


SupportingStreamWait为 True 时,即 from to stream 同为 Cuda Stream 间的同步情况,在这种情况下会走到 StreamWait 的函数,该函数最终会派发一个StreamWaitEventInstructionPolicy的指令给 vm 执行,StreamWaitEventInstructionPolicy 的执行逻辑主要是两个 cuda event:


  • cudaEventRecord

  • cudaStreamWaitEvent



  • 对于 from_stream 来说,插入一个cudaEventRecord,用于标志 from stream 是否完成该 stream 上的 event 事件;

  • 对于 to_stream 来说,插入一个cudaStreamWaitEvent等待 from stream 上的事件完成后,再继续执行 to_stream。


SupportingStreamWait 为 False


SupportingStreamWait为 False 时,会直接调用JUST(RecordEvent(std::move(dependences), from_stream)); 其内部实现会从对象池中获取可复用的 cuda event 对象并执行 event。


这里有个细节,由于 cuda event 的创建和销毁都会引发 cuda kernel 的 launch 由异步转同步,所以基于对象池的 cuda event 可以避免这个开销。


实际上最终调用的还是cudaEventRecordcudaEventRecord本身只是起到一个“占位符”的作用,并不能起到(保证该 stream 上其他 kernel 全部执行完)的作用,真正能保证 stream 同步作用的是 oneflow vm(vitual machine)控制下的指令间依赖关系/执行顺序。

5、CPU 下的并行计算


CpuStream 只有一个线程。CPU kernel 应该是通过 OpenMP 或者 Intel OneApi 等实现并行计算加速。


参考资料 1.https://github.com/Oneflow-Inc/oneflow/tree/845595e2c0abc3d384ff047e188295afdc41faaa


其他人都在看


欢迎 Star、试用 OneFlow 最新版本:https://github.com/Oneflow-Inc/oneflow/

发布于: 刚刚阅读数: 3
用户头像

OneFlow

关注

不至于成为世界上最快的深度学习框架。 2022-03-23 加入

★ OneFlow深度学习框架:github.com/Oneflow-Inc/oneflow ★ OF云平台:oneflow.cloud

评论

发布
暂无评论
OneFlow源码解析:Eager模式下的设备管理与并发执行_OneFlow_InfoQ写作社区