在 Compute Engine 虚拟机上运行 NCCL

本页面介绍了如何使用 Debian 软件包 (.deb) 或 Red Hat 软件包管理器 (.rpm) 安装 NCCL/gIB。安装完成后，您可以在 A3 Ultra、A4 和 A4X 虚拟机 (VM) 实例上运行 NCCL 测试（以下示例适用于 2 节点测试）。

如需在 A3 Mega 和 A3 High 上运行 NCCL 测试，请参阅创建启用了 GPUDirect 的 A3 Mega 或 A3 High 实例。

如果您使用 Cluster Director、Cluster Toolkit 或 GKE 等调度器，则无需按照本页面中的步骤操作。请改为参阅以下内容：

安装 nccl-gib

根据工作负载的运行位置，您可以在 guest 虚拟机或容器映像中安装 NCCL/gIB。

nccl-gib 软件包与未修改的 NVidia NCCL 库 (libnccl2.so) 和标头捆绑在一起。所有 NCCL/gIB 内容都安装到 /usr/local/gib 目录中。某些依赖项也会通过分发的代码库进行提取。

Debian 12+/Ubuntu 20.04+（.deb 软件包）

# 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+（.rpm 软件包）

# 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

如果您使用的是标准操作系统映像，还必须安装最新的 NVIDIA DOCA-OFED 驱动程序。如果您使用的是 Google 的 A* 优化映像（例如 Container OS 或客机加速器 Ubuntu/RockyLinux OS 映像），则无需安装此驱动程序。

为避免虚拟机运行不同版本的 nccl-gib 软件包，我们建议您在运行 NCCL 工作负载之前更新 nccl-gib，或停用无人值守升级。

使用 NCCL/gIB

如需在工作负载中启用 NCCL/gIB，请确保满足以下条件：

  • /usr/local/gib/scripts/set_nccl_env.sh 来源于您的运行时环境。源文件包含 NCCL/gIB 所需的所有环境变量，Google 希望在未来的 NCCL/gIB 版本中更新这些变量。
  • /usr/local/gib/lib64 目录位于 LD_LIBRARY_PATH 中。

如需验证 NCCL/gIB 是否已启用，请检查是否存在以下 NCCL INFO 级日志条目：

# 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

运行 NCCL 测试

如需了解如何在调度环境中运行 NCCL 测试，请参阅以下内容：

我们还发布了一个诊断容器映像，其中包含所有内容，网址为 http://us-docker.pkg.dev/gce-ai-infra/gpudirect-gib/nccl-plugin-gib-diagnostic:latest。

如需在非调度环境中运行 NCCL 测试，请执行以下操作：

  1. 安装 cuda-12.8（或更高版本）和 openmpi
  2. 在虚拟机之间设置非交互式 SSH 登录
  3. 构建启用了 MPI 的 nccl-tests。构建 nccl-tests 时，设置了 NCCL_HOME=/usr/local/gib

如需运行随 NCCL/gIB 软件包提供的脚本，请执行以下操作：

# 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

在两台 A4 虚拟机上的输出示例：

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

后续步骤