使用PCIe交換網(wǎng)結構在多主機系統(tǒng)中優(yōu)化資源部署

越來越多的數(shù)據(jù)中心和其他高性能計算環(huán)境開始使用GPU，因為GPU能夠快速處理深度學習和機器學習應用中生成的大量數(shù)據(jù)。不過，就像許多可提高應用性能的新型數(shù)據(jù)中心創(chuàng)新一樣，這項創(chuàng)新也暴露出新的系統(tǒng)瓶頸。在這些應用中，用于提高系統(tǒng)性能的新興架構涉及通過一個PCIe^?結構在多個主機之間共享系統(tǒng)資源。

PCIe標準（特別是其基于樹的傳統(tǒng)層級）會限制資源共享的實現(xiàn)方式（和實現(xiàn)程度）。不過，可以實現(xiàn)一種低延時的高速結構方法，這種方法允許在多個主機之間共享大量GPU和NVMe SSD，同時仍支持標準系統(tǒng)驅動程序。

PCIe結構方法采用動態(tài)分區(qū)和多主機單根I/O虛擬化（SR-IOV）共享。各PCIe結構之間可直接路由點對點傳輸。這樣便可為點對點傳輸提供最佳路由，減少根端口擁塞，并且更有效地平衡CPU資源的負載。

傳統(tǒng)上，GPU傳輸必須訪問CPU的系統(tǒng)存儲器，這會導致端點之間發(fā)生存儲器共享爭用。  當GPU使用其共享的存儲器映射資源而不是CPU存儲器時，它可以在本地提取數(shù)據(jù)，無需先通過CPU傳遞數(shù)據(jù)。這消除了跳線和鏈路以及由此產生的延時，從而使GPU能夠更高效地處理數(shù)據(jù)。

圖1 — 多主機拓撲

PCIe的固有限制

PCIe主層級是一個樹形結構，其中的每個域都有一個根聯(lián)合體，從該點可擴展到“葉子”，這些“葉子”通過交換網(wǎng)和橋接器到達端點。鏈路的嚴格層級和方向性給多主機、多交換網(wǎng)系統(tǒng)帶來了成本高昂的設計要求。

以圖1所示的系統(tǒng)為例。要符合PCIe的層級，主機1必須在交換網(wǎng)1中有一個專用的下行端口，該端口連接到交換網(wǎng)2中的專用上行端口。它還需要在交換網(wǎng)2中有一個專用的下行端口，該端口連接到交換網(wǎng)3中的專用上行端口，依此類推。主機2和主機3也有類似的要求，如圖2所示。

即使是基于PCIe樹形結構的最基本系統(tǒng)，也需要各交換網(wǎng)之間有三個鏈路專用于每個主機的PCIe拓撲。而且，由于主機之間無法共享這些鏈路，因此系統(tǒng)會很快變得極為低效。

此外，符合PCIe的典型層級只有一個根端口，而且盡管“多根I/O虛擬化和共享”規(guī)范中支持多個根，但它會使設計更復雜，并且當前不受主流CPU支持。結果會造成未使用的PCIe設備（即端點）滯留在其分配到的主機中。不難想象，這在采用多個GPU、存儲設備及其控制器以及交換網(wǎng)的大型系統(tǒng)中會變得多么低效。

例如，如果第一個主機（主機1）已經消耗了所有計算資源，而主機2和3未充分利用資源，則顯然希望主機1訪問這些資源。但主機1無法這樣做，因為這些資源在它的層級域之外，因此會發(fā)生滯留。非透明橋接（NTB）是這種問題的一個潛在解決方案，但由于每種類型的共享PCIe設備都需要非標準驅動程序和軟件，因此這同樣會使系統(tǒng)變得復雜。更好的方法是使用PCIe結構，這種結構允許標準PCIe拓撲容納多個可訪問每個端點的主機。

圖2 — 每個主機的層級要求

實施方法

系統(tǒng)使用一個PCIe結構交換網(wǎng)（本例中為Microchip Switchtec^? PAX系列的成員）在兩個獨立但可透明互操作的域中實現(xiàn)：即包含所有端點和結構鏈路的結構域以及每個主機專用的主機域（圖3）。主機通過在嵌入式CPU上運行的PAX交換網(wǎng)固件保留在單獨的虛擬域中，因此，交換網(wǎng)將始終顯示為具有直連端點的標準單層PCIe設備，而與這些端點出現(xiàn)在結構中的位置無關。

來自主機域的事務會在結構域中轉換為ID和地址，反之，結構域中通信的非分層路由也是如此。這樣，系統(tǒng)中的所有主機便可共享連接交換網(wǎng)和端點的結構鏈路。交換網(wǎng)固件會攔截來自主機的所有配置平面通信（包括PCIe枚舉過程），并使用數(shù)量可配置的下行端口虛擬化一個符合PCIe規(guī)范的簡單交換網(wǎng)。

當所有控制平面通信都路由到交換網(wǎng)固件進行處理時，數(shù)據(jù)平面通信直接路由到端點。其他主機域中未使用的GPU不再滯留，因為它們可以根據(jù)每個主機的需求動態(tài)分配。結構內支持點對點通信，這使其能夠適應機器學習應用。當以符合PCIe規(guī)范的方式向每個主機提供功能時，可以使用標準驅動程序。

圖3 — 每個結構的獨立域

操作方法

為了解這種方法的工作原理，我們以圖4中的系統(tǒng)為例，該系統(tǒng)由兩個主機（主機1采用Windows^?系統(tǒng)，主機2采用Linux^?系統(tǒng)）、四個PAX PCIe結構交換網(wǎng)、四個Nvidia M40 GPGPU和一個支持SR-IOV的Samsung NVMe SSD組成。在本實驗中，主機運行代表實際機器學習工作負載的通信，包括Nvidia的CUDA點對點通信基準測試實用程序和訓練cifar10圖像分類的TensorFlow模型。嵌入式交換網(wǎng)固件處理交換網(wǎng)的低級配置和管理，系統(tǒng)由Microchip的ChipLink調試和診斷實用程序管理。