操作步骤

1. 替换apt源。

   sudo sed -i "s@http://.*archive.ubuntu.com@http://repo.huaweicloud.com@g" /etc/apt/sources.list
   sudo sed -i "s@http://.*security.ubuntu.com@http://repo.huaweicloud.com@g" /etc/apt/sources.list
   sudo apt update

2. 安装nvidia驱动。

   wget https://us.download.nvidia.com/tesla/515.105.01/NVIDIA-Linux-x86_64-515.105.01.run
   chmod +x NVIDIA-Linux-x86_64-515.105.01.run
   ./NVIDIA-Linux-x86_64-515.105.01.run

3. 安装cuda。

   # run包安装
   wget https://developer.download.nvidia.com/compute/cuda/11.7.0/local_installers/cuda_11.7.0_515.43.04_linux.run
   chmod +x cuda_11.7.0_515.43.04_linux.run
   ./cuda_11.7.0_515.43.04_linux.run --toolkit --samples --silent

4. 安装nccl。
   

   • nccl安装可参考NCCL Documentation。
   • nccl和cuda版本的配套关系和安装方法参考NCL Downloads。

   本文使用cuda版本是11.7，因此安装nccl的命令为:

   wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-keyring_1.0-1_all.deb
   sudo dpkg -i cuda-keyring_1.0-1_all.deb
   sudo apt update
   sudo apt install libnccl2=2.14.3-1+cuda11.7 libnccl-dev=2.14.3-1+cuda11.7

   安装完成后可以查看：

   图1 查看nccl
   

5. 安装nvidia-fabricmanager。
   

   nvidia-fabricmanager必须和nvidia driver版本保持一致

   version=515.105.01
   main_version=$(echo $version | awk -F '.' '{print $1}')
   apt-get update
   apt-get -y install nvidia-fabricmanager-${main_version}=${version}-*

   验证驱动安装结果：启动fabricmanager服务并查看状态是否为“RUNNING”。

   nvidia-smi -pm 1
   nvidia-smi
   systemctl enable nvidia-fabricmanager
   systemctl start nvidia-fabricmanager
   systemctl status nvidia-fabricmanager

6. 安装nv-peer-memory。

   git clone https://github.com/Mellanox/nv_peer_memory.git
   cd ./nv_peer_memory
   ./build_module.sh
   cd /tmp
   tar xzf /tmp/nvidia-peer-memory_1.3.orig.tar.gz
   cd nvidia-peer-memory-1.3
   dpkg-buildpackage -us -uc
   dpkg -i ../nvidia-peer-memory-dkms_1.2-0_all.deb

   nv_peer_mem工作在linux内核态，安装完成后需要看是否加载到内核，通过执行“lsmod | grep peer”查看是否加载。

   

   • 如果git clone拉不下来代码，可能需要先设置下git的配置：

     git config --global core.compression -1
     export GIT_SSL_NO_VERIFY=1
     git config --global http.sslVerify false
     git config --global http.postBuffer 10524288000
     git config --global http.lowSpeedLimit 1000
     git config --global http.lowSpeedTime 1800

   • 如果安装完成后lsmod看不到nv-peer-memory，可能是由于ib驱动版本过低导致，此时需要升级ib驱动，升级命令：

     wget https://content.mellanox.com/ofed/MLNX_OFED-5.4-3.6.8.1/MLNX_OFED_LINUX-5.4-3.6.8.1-ubuntu20.04-x86_64.tgz
     tar -zxvf MLNX_OFED_LINUX-5.4-3.6.8.1-ubuntu20.04-x86_64.tgz
     cd MLNX_OFED_LINUX-5.4-3.6.8.1-ubuntu20.04-x86_64
     apt-get install -y python3 gcc quilt build-essential bzip2 dh-python pkg-config dh-autoreconf python3-distutils debhelper make
     ./mlnxofedinstall --add-kernel-support

   • 如果想安装其它更高版本的ib驱动，请参考Linux InfiniBand Drivers。比如要安装MLNX_OFED-5.8-2.0.3.0 (当前最新版本)，则命令为：

     wget https://content.mellanox.com/ofed/MLNX_OFED-5.8-2.0.3.0/MLNX_OFED_LINUX-5.8-2.0.3.0-ubuntu20.04-x86_64.tgz
     tar -zxvf MLNX_OFED_LINUX-5.8-2.0.3.0-ubuntu20.04-x86_64.tgz
     cd MLNX_OFED_LINUX-5.8-2.0.3.0-ubuntu20.04-x86_64
     apt-get install -y python3 gcc quilt build-essential bzip2 dh-python pkg-config dh-autoreconf python3-distutils debhelper make
     ./mlnxofedinstall --add-kernel-support

   • 安装完nv_peer_mem， 如果想查看其状态可以输入如下指令：

     /etc/init.d/nv_peer_mem/ status

     如果发现没有此文件，则可能安装的时候没有默认拷贝过来，需要拷贝即可：

     cp /tmp/nvidia-peer-memory-1.3/nv_peer_mem.conf  /etc/infiniband/
     cp /tmp/nvidia-peer-memory-1.3/debian/tmp/etc/init.d/nv_peer_mem   /etc/init.d/ 

7. 设置环境变量。
   

   MPI路径版本需要匹配，可以通过“ls /usr/mpi/gcc/”查看openmpi的具体版本。

   # 加入到~/.bashrc
   export LD_LIBRARY_PATH=/usr/local/cuda/lib:usr/local/cuda/lib64:/usr/include/nccl.h:/usr/mpi/gcc/openmpi-4.1.2a1/lib:$LD_LIBRARY_PATH
   export PATH=$PATH:/usr/local/cuda/bin:/usr/mpi/gcc/openmpi-4.1.2a1/bin

8. 安装编译nccl-test。

   cd /root
   git clone https://github.com/NVIDIA/nccl-tests.git
   cd ./nccl-tests
   make  MPI=1 MPI_HOME=/usr/mpi/gcc/openmpi-4.1.2a1 -j 8

   

   编译时需要加上MPI=1的参数，否则无法进行多机之间的测试。

   MPI路径版本需要匹配，可以通过“ls /usr/mpi/gcc/”查看openmpi的具体版本。

9. 测试。
   • 单机测试：

     /root/nccl-tests/build/all_reduce_perf -b 8 -e 1024M -f 2 -g 8

   • 多机测试：

     mpirun --allow-run-as-root --hostfile hostfile -mca btl_tcp_if_include eth0 -mca btl_openib_allow_ib true -x NCCL_DEBUG=INFO -x NCCL_IB_GID_INDEX=3 -x NCCL_IB_TC=128 -x NCCL_ALGO=RING -x NCCL_IB_HCA=^mlx5_bond_0 -x LD_LIBRARY_PATH  /root/nccl-tests/build/all_reduce_perf -b 8 -e 11g -f 2 -g 8

     hostfile格式：

     #主机私有IP  单节点进程数
     192.168.20.1 slots=1
     192.168.20.2 slots=1

     

     • 需要执行mpirun的节点到hostfile中的节点间有免密登录(如何设置SSH免密登录)。
     • btl_tcp_if_include后面替换为主网卡名称。

     • NCCL环境变量：

       NCCL_IB_GID_INDEX=3 ：数据包走交换机的队列4通道，这是RoCE协议标准。

       NCCL_IB_TC=128 ：使用RoCE v2协议，默认使用RoCE v1，但是v1在交换机上没有拥塞控制，可能丢包，而且后面的交换机不会支持v1，就跑不起来了。

       NCCL_ALGO=RING ：nccl_test的总线bandwidth是在假定是Ring算法的情况下计算出来的。

       计算公式是有假设的： 总线带宽 = 算法带宽 * 2 ( N-1 ) / N ，算法带宽 = 数据量 / 时间

       但是这个计算公式的前提是用Ring算法，Tree算法的总线带宽不能这么算。

       如果Tree算法算出来的总线带宽相当于是相对Ring算法的性能加速。

       算法计算总耗时减少了，所以用公式算出来的总线带宽也增加了。

       理论上Tree算法是比Ring算法更优的，但是Tree算法对网络的要求比Ring高，计算可能不太稳定。 Tree算法可以用更少的数据通信量完成all reduce计算，但用来测试性能不太合适。

       因此，会出现两节点实际带宽100，但测试出速度110，甚至130GB/s的情况。

       加这个参数以后，2节点和2节点以上情况的速度才会稳定一些。