Compute Engine VM で NCCL を実行する

このページでは、Debian ソフトウェア パッケージ（.deb）または Red Hat Package Manager（.rpm）を使用して NCCL/gIB をインストールする手順について説明します。このインストールにより、A3 Ultra、A4、A4X 仮想マシン インスタンス（VM）で NCCL テストを実行できます（次の例は 2 ノードテスト用です）。

A3 Mega と A3 High で NCCL テストを実行するには、GPUDirect を有効にして A3 Mega インスタンスまたは A3 High インスタンスを作成するをご覧ください。

Cluster Director、Cluster Toolkit、GKE などのスケジューラを使用している場合は、このページの手順を行う必要はありません。代わりに、以下をご覧ください。

nccl-gib をインストールする

ワークロードの実行場所に応じて、NCCL/gIB をゲスト VM またはコンテナ イメージにインストールします。

nccl-gib パッケージには、変更されていない NVidia NCCL ライブラリ（libnccl2.so）とヘッダーがバンドルされています。すべての NCCL/gIB コンテンツは /usr/local/gib ディレクトリにインストールされます。一部の依存関係は、ディストリビューションのリポジトリから取得されます。

Debian 12 以降/Ubuntu 20.04 以降（.deb パッケージ）

# If you're not using an image from Google, trust the Google Cloud signing key
curl http://packages.cloud.google.com/apt/doc/apt-key.gpg | sudo gpg --dearmor -o /etc/apt/trusted.gpg.d/cloud.google.gpg

# Add gpudirect-gib-apt repo
echo 'deb https://packages.cloud.google.com/apt gpudirect-gib-apt main' | sudo tee /etc/apt/sources.list.d/nccl-gib.list

sudo apt update
sudo apt install nccl-gib

RockyLinux/CentOS/RHEL 9 以降（.rpm パッケージ）

# Add gpudirect-gib-rpm repo
sudo tee -a /etc/yum.repos.d/nccl-gib.repo << EOL
[gpudirect-gib-rpm]
name=NCCL/gIB
baseurl=https://packages.cloud.google.com/yum/repos/gpudirect-gib-rpm
enabled=1
repo_gpgcheck=0
gpgcheck=0

sudo dnf makecache
sudo dnf install nccl-gib

標準 OS イメージを使用している場合は、最新の NVIDIA DOCA-OFED ドライバもインストールする必要があります。Container OS や ゲスト アクセラレータ Ubuntu/RockyLinux OS イメージなどの Google の A* 最適化イメージを使用している場合は、このドライバをインストールする必要はありません。

異なるバージョンの nccl-gib パッケージを実行している VM を回避するには、NCCL ワークロードを実行する前に nccl-gib を更新するか、無人アップグレードを無効にすることをおすすめします。

NCCL/gIB を使用する

ワークロードで NCCL/gIB を有効にするには、次のことを確認してください。

  • /usr/local/gib/scripts/set_nccl_env.sh はランタイム環境で取得されます。ソースファイルには NCCL/gIB に必要なすべての環境変数が含まれており、Google は今後の NCCL/gIB リリースでそれらを更新する予定です。
  • /usr/local/gib/lib64 ディレクトリは LD_LIBRARY_PATH にあります。

NCCL/gIB が有効になっていることを確認するには、次の NCCL INFO レベルのログエントリが存在することを確認します。

# A sample log entry from NCCL core
vm-0:606:642 [6] NCCL INFO Using network gIB

# A sample log entry from the gIB network plugin
vm-0:606:642 [6] NCCL INFO NET/gIB : Initializing gIB v1.0.5

NCCL テストを実行する

スケジュールされた環境で NCCL テストを実行する方法については、以下をご覧ください。

また、すべてのものが含まれた診断コンテナ イメージを http://us-docker.pkg.dev/gce-ai-infra/gpudirect-gib/nccl-plugin-gib-diagnostic:latest で公開しています。

スケジュールされていない環境で NCCL テストを実行するには:

  1. cuda-12.8（以降）と openmpi をインストールする
  2. VM 間の非インタラクティブ SSH ログインを設定する
  3. MPI を有効にして nccl-tests をビルドします。nccl-tests をビルドするときに NCCL_HOME=/usr/local/gib を設定する

NCCL/gIB パッケージに付属のスクリプトを実行するには:

# The script assumes binaries at /opt/nccl-tests/build/
$ /usr/local/gib/scripts/run_nccl_tests.sh -d /opt/nccl-tests/build/ -p 22 -t all_gather -m 0x0 -b 4K -e 16G a4-vm-1 a4-vm-2

2 つの A4 VM の出力例:

NCCL version 2.25.1+cuda12.8
#
#                                                              out-of-place                       in-place
#       size         count      type   redop    root     time   algbw   busbw #wrong     time   algbw   busbw #wrong
#        (B)    (elements)                               (us)  (GB/s)  (GB/s)            (us)  (GB/s)  (GB/s)
        4096            64     float    none      -1    59.97    0.07    0.06      0    57.49    0.07    0.07      0
        8192           128     float    none      -1    58.17    0.14    0.13      0    58.36    0.14    0.13      0
       16384           256     float    none      -1    59.07    0.28    0.26      0    59.03    0.28    0.26      0
       32768           512     float    none      -1    60.93    0.54    0.50      0    60.79    0.54    0.51      0
       65536          1024     float    none      -1    61.93    1.06    0.99      0    62.17    1.05    0.99      0
      131072          2048     float    none      -1    64.62    2.03    1.90      0    64.48    2.03    1.91      0
      262144          4096     float    none      -1    66.50    3.94    3.70      0    67.05    3.91    3.67      0
      524288          8192     float    none      -1    69.37    7.56    7.09      0    67.83    7.73    7.25      0
     1048576         16384     float    none      -1    117.2    8.95    8.39      0    113.7    9.22    8.64      0
     2097152         32768     float    none      -1    118.8   17.65   16.55      0    118.1   17.75   16.64      0
     4194304         65536     float    none      -1    122.2   34.32   32.17      0    122.6   34.22   32.08      0
     8388608        131072     float    none      -1    132.2   63.44   59.48      0    130.7   64.20   60.18      0
    16777216        262144     float    none      -1    139.2  120.49  112.96      0    139.7  120.07  112.56      0
    33554432        524288     float    none      -1    152.0  220.81  207.01      0    152.1  220.59  206.81      0
    67108864       1048576     float    none      -1    227.6  294.87  276.44      0    225.9  297.08  278.51      0
   134217728       2097152     float    none      -1    431.7  310.87  291.44      0    438.0  306.41  287.26      0
   268435456       4194304     float    none      -1    728.6  368.44  345.41      0    735.9  364.79  341.99      0
   536870912       8388608     float    none      -1   1404.2  382.33  358.44      0   1418.4  378.51  354.85      0
  1073741824      16777216     float    none      -1   2795.8  384.06  360.05      0   2768.9  387.79  363.55      0
  2147483648      33554432     float    none      -1   5440.1  394.75  370.08      0   5418.7  396.31  371.54      0
  4294967296      67108864     float    none      -1    10754  399.40  374.43      0    10746  399.67  374.69      0
  8589934592     134217728     float    none      -1    21434  400.77  375.72      0    21421  401.01  375.95      0
 17179869184     268435456     float    none      -1    42679  402.53  377.38      0    42792  401.48  376.38      0

次のステップ