自今年2月DeepSeek開源包括DeepEP在內(nèi)的五大代碼庫以來,該團隊便向業(yè)界展示了如何利用有限的硬件資源實現(xiàn)接近萬卡集群的性能。在這些技術中,DeepEP憑借突破性的方法提升了300%的通信效率,成功解決了MoE架構大模型對英偉達NCCL的依賴問題。
但該技術在成本較低、適用面更廣的RoCE網(wǎng)絡環(huán)境中表現(xiàn)不佳,限制了其在更廣泛場景的應用。這一痛點引發(fā)了開源社區(qū)的持續(xù)討論。
騰訊星脈網(wǎng)絡團隊基于在RoCE網(wǎng)絡領域的深厚積累,在DeepEP開源后便展開技術攻關,發(fā)現(xiàn)兩大關鍵瓶頸:一是對于雙端口網(wǎng)卡帶寬利用率不足,二是CPU控制面交互存在時延。
騰訊在RoCE網(wǎng)絡優(yōu)化方面的突破,首先體現(xiàn)在帶寬分配的智能化,通過拓撲感知的多QP建鏈技術,智能分配數(shù)據(jù)流,優(yōu)化了雙端口網(wǎng)卡的帶寬利用率,確保每條數(shù)據(jù)通道都能得到充分使用。此舉有效避免了帶寬浪費,為RoCE網(wǎng)絡的性能提升提供了有力支撐。
其次,騰訊還著力解決了GPU通信中的CPU控制瓶頸問題。通過基于IBGDA技術的優(yōu)化,騰訊使得“控制面”場景的操作也可以繞過CPU的“中轉(zhuǎn)”,進一步降低了延遲和能耗,提升了整體通信效率。
同時,GPU直接“對話”時存在的傳輸順序混亂難題,騰訊提出了“QP內(nèi)時序鎖”機制,使得多個GPU間的數(shù)據(jù)傳輸能夠精準、按順序完成,即使同時處理1000多個數(shù)據(jù)傳輸任務,DeepEP也能自動理順先后順序。
在騰訊的技術優(yōu)化下,DeepEP不僅在RoCE網(wǎng)絡實現(xiàn)性能翻倍,反哺到IB(InfiniBand)網(wǎng)絡時更使原有通信效率再提升30%。
(騰訊工程師在不同節(jié)點服務器上的測試數(shù)據(jù))
目前該技術已全面開源,并成功應用于騰訊混元大模型等項目的訓練推理,在騰訊星脈與H20服務器構建的高性能環(huán)境中,這套方案同樣展現(xiàn)出卓越的通用性。