使用说明

Ascend C提供一组Hccl高阶API，方便算子Kernel开发用户在AI Core侧灵活编排集合通信任务。相比于一般算子，使用Hccl高阶API的算子在开发和执行过程中的注意事项请参考通算融合算子。

Hccl为集合通信任务客户端，主要对外提供了集合通信原语接口（以下统称为Prepare接口），对标集合通信C++接口，详细可参见HCCL接口参考，当前支持AllReduce、AllGather、ReduceScatter、AlltoAll接口等。本章的所有接口运行在AI Core上，且不执行通信任务，而是由用户调用Prepare接口将对应类型的通信任务信息发送给AI CPU服务端，并在合适的时机通过Commit接口通知AI CPU上的服务端执行对应的通信任务。

所谓合适的时机，取决于用户编排的是先通信后计算的任务，还是先计算后通信的任务。对于这两种场景，简述如下：

• 先通信后计算的任务：典型的如AllGather通信+MatMul计算任务编排。此场景下，用户在调用AllGather接口下发通信任务之后，通过AllGather接口返回的该通信任务标识handleId，可立即调用Commit接口通知服务端执行该handleId对应的任务，同时用户调用Wait阻塞接口等待服务端通知handleId对应的通信任务执行结束，待该通信任务结束后，再执行计算任务。
• 先计算后通信的任务：典型的如MatMul计算+AllReduce通信任务编排。此场景下，用户可以先调用AllReduce接口通知服务端先下发通信任务，再调用MatMul计算接口进行计算，这样AllReduce任务的组装和任务下发过程可以被MatMul的计算流水所掩盖，待计算任务完成后，调用Commit接口通知服务端执行AllReduce任务，无须调用Wait接口等待通信任务执行结束。

当后续无通信任务时，调用Finalize接口，通知服务端后续无通信任务，执行结束后退出，客户端检测并等待最后一个通信任务执行结束。以上介绍的AI Core下发Hccl通信任务的机制示意图如下图所示。

图1 AI Core下发Hccl通信任务机制

实现AI Core下发一个通信任务的具体步骤如下：

1. 用户创建Hccl对象，并调用初始化接口。

   1 2 3

   Hccl<HCCL_SERVER_TYPE_AICPU> hccl; // 创建Hccl对象 GM_ADDR context = AscendC::GetHcclContext<HCCL_GROUP_ID_0>(); // 获取hccl上下文信息 hccl.Init(context); // hccl对象初始化

   调用Init初始化接口时需要传入通信上下文信息，可以通过框架提供的获取通信上下文的接口GetHcclContext获取，该接口的函数原型如下；示例中HCCL_GROUP_ID_0为定义的全局变量，可参考表1。该接口返回的数据结构为HcclCombinOpParam，开发者也可以构造该数据结构作为Hccl对象初始化的信息传入，HcclCombinOpParam结构体说明参考表2。

   1 2	template <uint32_t index> __aicore__ inline __gm__ uint8_t* __gm__ GetHcclContext(void)

   表1 全局变量说明

   变量	说明
   HCCL_GROUP_ID_0	通信域的编号，只有一个通信域时为0。（通信域指的是参与集合通信的进程组，即多个卡组成的通信集合）

   表2 结构体HcclCombineOpParam说明

   数据类型

   说明

   HcclCombineOpParam

   Hccl通信上下文。 1 2 3 4 5 6 7 8 9 10 struct HcclCombineOpParam { uint64_t workSpace; // client和server之间通信的地址，hccl申请并清零 uint64_t workSpaceSize; // client和server之间通信的空间大小 uint32_t rankId; // 当前卡rankId uint32_t rankNum; // 所有卡的数量 uint64_t winSize; // 每个win大小 uint64_t windowsIn[HCCL_MAX_RANK_NUM]; // 作为输入的windows地址，rankID对应的为本卡地址，其他位置为跨卡映射地址 uint64_t windowsOut[HCCL_MAX_RANK_NUM]; // 作为输出的windows地址，rankID对应的为本卡地址，其他位置为跨卡映射地址 // 其他字段AI CPU使用，对AI Core隐藏 }

2. 用户通过对应的Prepare接口异步下发对应类型的通信任务，并获取到该任务的标识handleId，服务端接收到后开始通信任务的展开和下发，示例如下。

   1 2 3 4 5 6 7 8

   auto handleId = hccl.ReduceScatter<false>(aGM, cGM, recvCount, AscendC::HCCL_DATA_TYPE_FP16, HCCL_REDUCE_SUM, strideCount, 1); // 对于Prepare接口，在调试时可增加异常值校验和PRINTF打印 // if (handleId == INVALID_HANDLE_ID) { // PRINTF("[ERROR] call ReduceScatter failed, handleId is -1."); // return; // }

   示例的Prepare接口为ReduceScatter，其他接口可参考后续章节的内容。其中的参数AscendC::HCCL_DATA_TYPE_FP16是Hccl任务的数据类型，其数据结构为HcclDataType，对应的参数说明参考表3；参数HCCL_REDUCE_SUM是一种Reduce操作，AllReduce和ReduceScatter规约操作支持的Reduce操作类型参见表4。

   表3 HcclDataType参数说明

   数据类型

   说明

   HcclDataType

   Hccl任务的数据类型。 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 enum HcclDataType { HCCL_DATA_TYPE_INT8 = 0, /* int8 */ HCCL_DATA_TYPE_INT16 = 1, /* int16 */ HCCL_DATA_TYPE_INT32 = 2, /* int32 */ HCCL_DATA_TYPE_FP16 = 3, /* half或float16 */ HCCL_DATA_TYPE_FP32 = 4, /* float32 */ HCCL_DATA_TYPE_INT64 = 5, /* int64 */ HCCL_DATA_TYPE_UINT64 = 6, /* uint64 */ HCCL_DATA_TYPE_UINT8 = 7, /* uint8 */ HCCL_DATA_TYPE_UINT16 = 8, /* uint16 */ HCCL_DATA_TYPE_UINT32 = 9, /* uint32 */ HCCL_DATA_TYPE_FP64 = 10, /* float64 */ HCCL_DATA_TYPE_BFP16 = 11, /* bfloat16 */ HCCL_DATA_TYPE_RESERVED /* reserved */ }

   表4 HcclReduceOp参数说明

   数据类型	说明
   HcclReduceOp	Reduce操作类型。 1 2 3 4 5 6 7 enum HcclReduceOp { HCCL_REDUCE_SUM = 0, /* sum */ HCCL_REDUCE_PROD = 1, /* prod */ HCCL_REDUCE_MAX = 2, /* max */ HCCL_REDUCE_MIN = 3, /* min */ HCCL_REDUCE_RESERVED /* reserved */ }

3. 用户调用Commit接口通知服务端执行handleId对应的通信任务。

   1 2	// 等待通信任务执行时机成熟，调用Commit接口通知服务端执行 hccl.Commit(handleId);

4. 用户调用Wait阻塞接口，等待服务端执行完对应的通信任务。

   1 2 3 4 5 6 7 8 9

   auto ret = hccl.Wait(handleId); // 对于Wait和Query接口，在调试时可增加异常值校验和PRINTF打印 // if (ret == HCCL_FAILED) { // PRINTF("[ERROR] call Wait for handleId[%d] failed.", handleId); // return; // } // 调用核间同步接口，防止部分核执行较快退出，触发hccl析构，影响执行较慢的核 // 开发者可根据实际的业务场景，选择调用, , 接口，保证全部核的任务完成后再退出执行

5. 用户调用Finalize接口，通知服务端后续无通信任务，执行结束后退出；客户端检测并等待最后一个通信任务执行结束。

   1	hccl.Finalzie();

注意：调用步骤2到步骤5的接口前，必须指定接口代码运行在AI Cube核或者AI Vector核上，实现时如下代码所示。

1
2
3
4
5

// 通过g_coreType来判断AI Cube核（即AIC核）或者AI Vector核（即AIV核）
if (g_coreType == AIV) {
// if (g_coreType == AIC) {
        调用Hccl接口
    }

基于以上对单个通信任务下发的了解，介绍各Prepare接口中repeat参数的灵活使用方式。每个handleId对应的通信任务，其Commit接口和Wait接口的调用次数，与Prepare接口的repeat入参的值相等。以图2 ReduceScatter通信示例进行说明，假设共4张卡，每张卡上源数据首先按照rankId均匀分成4份，每份数据被切分成3份，最终被切分后的每份数据的个数为TiliLen，每次ReduceScatter通信仅通信一组切分数据（如图中数据0-0、1-0、2-0、3-0为一组切分数据），因此需要做3次ReduceScatter操作，全部数据才能通信完。

注意：数据的切分数量不要超过16块，否则会影响算子性能或者可能导致部分资源不足。一个通信域内，Prepare接口的总调用次数不能超过32次，否则通信任务会下发失败，Prepare接口返回INVALID_HANDLE_ID，即返回-1。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16

const size_t rankSize = 4U; // 4张卡
const size_t tileCnt = 3U;  // 卡上的数据按照rankId均匀分成rankSize份，且每份又被切分成3份
const size_t TileLen = 100U;// 被切分后的每份数据个数

// for循环中生成了3个handleId，每个handleId只调用了repeat=1次Commit和Wait接口
for (int i = 0; i < tileCnt; ++i) {
	auto handleId = ReduceScatter(sendBuf, recvBuf, TileLen, HCCL_DATA_TYPE_FP32 , HCCL_REDUCE_SUM, TileLen*tileCnt, repeat = 1);
	Commit(handleId);
	auto ret = Wait(handleId);
	// 执行其他计算逻辑 ....
        
        // 更新ReduceScatter的收发地址
        constexper uint32_t kSizeOfFloat32 = 4U;
	sendBuf += TileLen * kSizeOfFloat32;
	recvBuf += TileLen * kSizeOfFloat32;
}

由于每张卡上3份数据的源地址SendBuf是连续的，且每张卡中目的地址recvBuf用来存储3份通信结果数据的内存也是连续的，因此以上代码可以优化，将ReduceScatter接口中的repeat参数设置为3，从而调用1次ReduceScatter接口，达到下发3个通信任务的效果。此时，只有1个handleId的任务，但是需要调用3次Commit和Wait接口，对应代码片段如下。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11

const size_t rankSize = 4U; // 4张卡
const size_t tileCnt = 3U;  // 卡上的数据按照rankId均匀分成rankSize份，且每份又被切分成3份
const size_t TileLen = 100U;// 被切分后的每份数据个数

auto handleId = ReduceScatter(sendBuf, recvBuf, TileLen, HCCL_DATA_TYPE_FP32, HCCL_REDUCE_SUM, TileLen*tileCnt, repeat = tileCnt);

for (int i = 0; i < tileCnt; ++i) {
	Commit(handleId);
	auto ret = Wait(handleId);
	// 执行其他计算逻辑 ....
}

图2 ReduceScatter通信示例

 1
 2
 3
 4
 5
 6
 7
 8
 9
10

enum class MC2_BUFFER_LOCATION {
MC2_BUFFER_TYPE_DEFAULT = 0,
MC2_BUFFER_TYPE_OUTPUT,
MC2_BUFFER_TYPE_WINDOW_IN,
MC2_BUFFER_TYPE_WINDOW_OUT,
MC2_BUFFER_TYPE_WORKSPACE,
MC2_BUFFER_TYPE_INPUT,
MC2_BUFFER_TYPE_COMMOUT,
MC2_BUFFER_TYPE_END
}