Introducción a EFA y NCCL - Amazon Elastic Compute Cloud
Paso 1: preparar un grupo de seguridad habilitado para EFAPaso 2: iniciar una instancia temporalPaso 3: instalar los controladores de GPU Nvidia, el kit de herramientas Nvidia CUDA y la cuDNNPaso 4: instalación de GDRCopyPaso 5: instalación del software EFAPaso 6: instalar NCCLPaso 7: instalar el complemento aws-ofi-ncclPaso 8: instalar las pruebas de NCCLPaso 9: prueba de la configuración de EFA y NCCLPaso 10: instalar las aplicaciones de machine learningPaso 11: creación de una AMI habilitada para EFA y NCCLPaso 12: terminar la instancia temporalPaso 13: inicialización de instancias habilitadas para EFA en un grupo con ubicación en clústerPaso 14: habilitar SSH sin contraseña

Introducción a EFA y NCCL

La Biblioteca de comunicación colectiva de NVIDIA (NCCL) es una biblioteca de rutinas de comunicación colectiva estándar para múltiples GPU en un solo nodo o múltiples nodos. NCCL se puede usar junto con EFA, Libfabric y MPI para admitir varias cargas de trabajo de machine learning. Para obtener más información, consulte el sitio web de NCCL.

Los siguientes pasos le ayudarán a empezar a utilizar Elastic Fabric Adapter con una AMI para uno de los sistemas operativos base compatibles.

nota

  • Solo se admiten los tipos de instancia p3dn.24xlarge, p4d.24xlarge y p5.48xlarge.

  • Solo se admiten las AMI básicas de Amazon Linux 2 y Ubuntu 20.04/22.04.

  • Con EFA solo se admite NCCL 2.4.2 y versiones posteriores.

  • Para obtener más información sobre cómo ejecutar cargas de trabajo de machine learning con EFA y NCCL mediante un AWS Deep Learning AMI, consulte Uso de EFA en la DLAMI en la Guía para desarrolladores AWS Deep Learning AMI.

Paso 1: preparar un grupo de seguridad habilitado para EFA

Un EFA requiere un grupo de seguridad que permita todo el tráfico entrante y saliente hacia y desde el propio grupo de seguridad. En el siguiente procedimiento, se crea un grupo de seguridad que permite todo el tráfico entrante y saliente de sí mismo, y que permite el tráfico SSH entrante desde cualquier dirección IPv4 para la conectividad SSH.

importante

Este grupo de seguridad está pensado solo con fines de prueba. Para sus entornos de producción, le recomendamos que cree una regla SSH entrante que permita el tráfico únicamente desde la dirección IP desde la que se conecta, como la dirección IP de su equipo o un rango de direcciones IP en la red local.

Para ver otros escenarios, consulte Reglas de grupo de seguridad para diferentes casos de uso.

Para crear un grupo de seguridad habilitado para EFA

  1. Abra la consola de Amazon EC2 en https://console.aws.amazon.com/ec2/.

  2. En el panel de navegación, elija Grupos de seguridad y, a continuación, elija Crear grupo de seguridad.

  3. En la ventana Crear grupo de seguridad, haga lo siguiente:

    1. En Nombre del grupo de seguridad, ingrese un nombre descriptivo para el grupo de seguridad, como, por ejemplo, EFA-enabled security group.

    2. (Opcional) En Descripción, ingrese una breve descripción del grupo de seguridad.

    3. En VPC, seleccione la VPC en la que desea iniciar sus instancias habilitadas para EFA.

    4. Elija Crear grupo de seguridad.

  4. Seleccione el grupo de seguridad que creó y, en la pestaña Detalles, copie el ID del grupo de seguridad.

  5. Con el grupo de seguridad todavía seleccionado, elija Acciones, Editar reglas de entrada y, luego, haga lo siguiente:

    1. Seleccione Agregar regla.

    2. En Tipo, seleccione Todo el tráfico.

    3. En Tipo de origen, elija Personalizar y pegue el ID del grupo de seguridad que copió en el campo.

    4. Seleccione Agregar regla.

    5. En Tipo, seleccione SSH.

    6. En Tipo de origen, elija Cualquiera de IPv4.

    7. Seleccione Guardar reglas.

  6. Con el grupo de seguridad todavía seleccionado, elija Acciones, Editar reglas de salida y, luego, haga lo siguiente:

    1. Seleccione Agregar regla.

    2. En Tipo, seleccione Todo el tráfico.

    3. En Tipo de destino, elija Personalizar y pegue el ID del grupo de seguridad que copió en el campo.

    4. Seleccione Guardar reglas.

Paso 2: iniciar una instancia temporal

Lance una instancia temporal que puede utilizar para instalar y configurar los componentes de software de EFA. Puede utilizar esta instancia para crear una AMI habilitada para EFA desde la que puede iniciar sus instancias habilitadas para EFA.

Para iniciar una instancia temporal

  1. Abra la consola de Amazon EC2 en https://console.aws.amazon.com/ec2/.

  2. En el panel de navegación, elija Instancias y, a continuación, Iniciar instancias para abrir el nuevo asistente de inicialización de instancias.

  3. (Opcional) En la sección Nombre y etiquetas, proporcione un nombre para la instancia, como EFA-instance. El nombre se asigna a la instancia como etiqueta de recurso (Name=EFA-instance).

  4. En la sección Imágenes de aplicaciones y sistema operativo, seleccione una AMI para uno de los sistemas operativos compatibles. Solo se admiten Amazon Linux 2, Ubuntu 20.04 y Ubuntu 22.04.

  5. En la sección Tipo de instancia, seleccione p3dn.24xlarge, p4d.24xlarge o p5.48xlarge.

  6. En la sección Par de claves, seleccione el par de claves que desea utilizar en la instancia.

  7. En la sección Configuración de red, elija Editar y realice lo siguiente:

    1. En Subred, elija la subred en la que desea iniciar la instancia. Si no selecciona una subred, no puede habilitar la instancia para EFA.

    2. En Firewall (grupos de seguridad), elija Seleccionar grupo de seguridad existente y, a continuación, seleccione el grupo de seguridad que creó en el paso anterior.

    3. Expanda la sección Configuración avanzada de la red y en Elastic Fabric Adapter, seleccione Habilitar.

  8. En la sección Storage (Almacenamiento), configure los volúmenes según sea necesario.

    nota

    Debe aprovisionar 10 a 20 GiB adicionales de almacenamiento para el conjunto de herramientas CUDA de Nvidia. Si no aprovisiona suficiente almacenamiento, recibirá un error de insufficient disk space cuando intente instalar los controladores de Nvidia y el kit de herramientas CUDA.

  9. En el panel Resumen que se encuentra a la derecha, elija Iniciar instancia.

Paso 3: instalar los controladores de GPU Nvidia, el kit de herramientas Nvidia CUDA y la cuDNN

Amazon Linux 2
Para instalar los controladores de GPU Nvidia, el kit de herramientas Nvidia CUDA y la cuDNN, haga lo siguiente:

  1. Para asegurarse de que todos los paquetes de software están actualizados, realice una actualización rápida del software en la instancia.

    $ sudo yum upgrade -y && sudo reboot

    Una vez que se haya reiniciado, vuelva a conectarse a la instancia.

  2. Instale las utilidades necesarias para instalar los controladores de la GPU Nvidia y el kit de herramientas Nvidia CUDA.

    $ sudo yum groupinstall 'Development Tools' -y

  3. Desactive los controladores de código abierto de nouveau.

    1. Instale las utilidades y el paquete de encabezados del kernel necesarios para la versión del kernel que está ejecutando actualmente.

      $ sudo yum install -y wget kernel-devel-$(uname -r) kernel-headers-$(uname -r)

    2. Agregue nouveau al archivo de lista de denegaciones /etc/modprobe.d/blacklist.conf .

      $ cat << EOF | sudo tee --append /etc/modprobe.d/blacklist.conf
blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist nvidiafb
blacklist rivatv
EOF

    3. Anexe GRUB_CMDLINE_LINUX="rdblacklist=nouveau" al archivo grub y vuelva a generar la configuración de Grub.

      $ echo 'GRUB_CMDLINE_LINUX="rdblacklist=nouveau"' | sudo tee -a /etc/default/grub \
&& sudo grub2-mkconfig -o /boot/grub2/grub.cfg

  4. Reinicie la instancia y vuelva a conectarse a ella.

  5. Preparar los repositorios necesarios

    1. Instale el repositorio EPEL para DKMS y habilite cualquier repositorio opcional para su distribución de Linux.

      $ sudo yum install -y https://dl.fedoraproject.org/pub/epel/epel-release-latest-7.noarch.rpm

    2. Instale la clave GPG pública del repositorio CUDA.

      $ distribution='rhel7'

    3. Configure el repositorio de red CUDA y actualice la caché del repositorio.

      $ ARCH=$( /bin/arch ) \
&& sudo yum-config-manager --add-repo http://developer.download.nvidia.com/compute/cuda/repos/$distribution/${ARCH}/cuda-$distribution.repo \
&& sudo yum clean expire-cache

    4. (Solo versión 5.10 del kernel) Siga estos pasos solo si está utilizando Amazon Linux 2 con la versión 5.10 del kernel. Si utiliza Amazon Linux 2 con la versión 4.12 del kernel, omita estos pasos. Para comprobar la versión del kernel, ejecute uname -r.

      1. Cree el archivo de configuración del controlador de Nvidia denominado /etc/dkms/nvidia.conf.

        $ sudo mkdir -p /etc/dkms \
&& echo "MAKE[0]=\"'make' -j2 module SYSSRC=\${kernel_source_dir} IGNORE_XEN_PRESENCE=1 IGNORE_PREEMPT_RT_PRESENCE=1 IGNORE_CC_MISMATCH=1 CC=/usr/bin/gcc10-gcc\"" | sudo tee /etc/dkms/nvidia.conf

      2. (Solo para p4d.24xlarge y p5.48xlarge) Copie el archivo de configuración del controlador de Nvidia.

        $ sudo cp /etc/dkms/nvidia.conf /etc/dkms/nvidia-open.conf

  6. Instale los controladores de GPU de Nvidia, el conjunto de herramientas NVIDIA CUDA y la cuDNN.

    • p3dn.24xlarge

      $ sudo yum clean all \
&& sudo yum -y install kmod-nvidia-latest-dkms nvidia-driver-latest-dkms \
&& sudo yum -y install cuda-drivers-fabricmanager cuda libcudnn8-devel

    • p4d.24xlarge y p5.48xlarge

      $ sudo yum clean all \
&& sudo yum -y install kmod-nvidia-open-dkms nvidia-driver-latest-dkms \
&& sudo yum -y install cuda-drivers-fabricmanager cuda libcudnn8-devel

  7. Reinicie la instancia y vuelva a conectarse a ella.

  8. (Solo para p4d.24xlarge y p5.48xlarge) Inicie el servicio de Nvidia Fabric Manager y asegúrese de que se inicie de forma automática cuando se inicia la instancia. Nvidia Fabric Manager es necesario para la administración de NV Switch.

    $ sudo systemctl enable nvidia-fabricmanager && sudo systemctl start nvidia-fabricmanager

  9. Asegúrese de que las rutas CUDA se establecen cada vez que se inicia la instancia.

    • Para intérpretes de comandos bash, agregue las siguientes instrucciones a /home/username/.bashrc y /home/username/.bash_profile. 

      export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64:$LD_LIBRARY_PATH

    • Para intérpretes de comandos tcsh, agregue las siguientes instrucciones a /home/username/.cshrc.

      setenv PATH=/usr/local/cuda/bin:$PATH
setenv LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64:$LD_LIBRARY_PATH

  10. Para confirmar que los controladores de la GPU Nvidia son funcionales, ejecute el siguiente comando.

    $ nvidia-smi -q | head

    El comando debe devolver información sobre las GPU de Nvidia, los controladores de GPU de Nvidia y el kit de herramientas Nvidia CUDA.

Ubuntu 20.04/22.04
Para instalar los controladores de GPU Nvidia, el kit de herramientas Nvidia CUDA y la cuDNN, haga lo siguiente:

  1. Para asegurarse de que todos los paquetes de software están actualizados, realice una actualización rápida del software en la instancia.

    $ sudo apt-get update && sudo apt-get upgrade -y

  2. Instale las utilidades necesarias para instalar los controladores de la GPU Nvidia y el kit de herramientas Nvidia CUDA.

    $ sudo apt-get update && sudo apt-get install build-essential -y

  3. Para usar el controlador de GPU Nvidia, primero debe deshabilitar los controladores de código abierto nouveau.

    1. Instale las utilidades y el paquete de encabezados del kernel necesarios para la versión del kernel que está ejecutando actualmente.

      $ sudo apt-get install -y gcc make linux-headers-$(uname -r)

    2. Agregue nouveau al archivo de lista de denegaciones /etc/modprobe.d/blacklist.conf .

      $ cat << EOF | sudo tee --append /etc/modprobe.d/blacklist.conf
blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist nvidiafb
blacklist rivatv
EOF

    3. Abra /etc/default/grub con su editor de texto preferido y agregue lo siguiente. 

      GRUB_CMDLINE_LINUX="rdblacklist=nouveau"

    4. Reconstruya la configuración de Grub.

      $ sudo update-grub

  4. Reinicie la instancia y vuelva a conectarse a ella.

  5. Agregue el repositorio de CUD e instale los controladores de GPU de Nvidia, el conjunto de herramientas NVIDIA CUDA y la cuDNN.

    • p3dn.24xlarge

      $ sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu2004/x86_64/7fa2af80.pub \
&& wget -O /tmp/deeplearning.deb http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu2004/x86_64/nvidia-machine-learning-repo-ubuntu2004_1.0.0-1_amd64.deb \
&& sudo dpkg -i /tmp/deeplearning.deb \
&& wget -O /tmp/cuda.pin https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin \
&& sudo mv /tmp/cuda.pin /etc/apt/preferences.d/cuda-repository-pin-600 \
&& sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/3bf863cc.pub \
&& sudo add-apt-repository 'deb http://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/ /' \
&& sudo apt update \
&& sudo apt install nvidia-dkms-535 \
&& sudo apt install -o Dpkg::Options::='--force-overwrite' cuda-drivers-535 cuda-toolkit-12-3 libcudnn8 libcudnn8-dev -y

    • p4d.24xlarge y p5.48xlarge

      $ sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu2004/x86_64/7fa2af80.pub \
&& wget -O /tmp/deeplearning.deb http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu2004/x86_64/nvidia-machine-learning-repo-ubuntu2004_1.0.0-1_amd64.deb \
&& sudo dpkg -i /tmp/deeplearning.deb \
&& wget -O /tmp/cuda.pin https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin \
&& sudo mv /tmp/cuda.pin /etc/apt/preferences.d/cuda-repository-pin-600 \
&& sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/3bf863cc.pub \
&& sudo add-apt-repository 'deb http://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/ /' \
&& sudo apt update \
&& sudo apt install nvidia-kernel-open-535 \
&& sudo apt install -o Dpkg::Options::='--force-overwrite' cuda-drivers-535 cuda-toolkit-12-3 libcudnn8 libcudnn8-dev -y

  6. Reinicie la instancia y vuelva a conectarse a ella.

  7. (Solo para p4d.24xlarge y p5.48xlarge) Instale Nvidia Fabric Manager.

    1. Debe instalar la versión de Nvidia Fabric Manager que coincida con la versión del módulo del kernel de Nvidia que instaló en el paso anterior.

      Ejecute el siguiente comando para determinar la versión del módulo del kernel de Nvidia.

      $ cat /proc/driver/nvidia/version | grep "Kernel Module"

      A continuación, se muestra un ejemplo del resultado.

      NVRM version: NVIDIA UNIX x86_64 Kernel Module  450.42.01  Tue Jun 15 21:26:37 UTC 2021

      En el ejemplo anterior, la versión principal 450 del módulo del kernel. Esto significa que necesita instalar la versión 450 de Nvidia Fabric Manager.

    2. Instale Nvidia Fabric Manager. Ejecute el siguiente comando y especifique la versión principal identificada en el paso anterior.

      $ sudo apt install -o Dpkg::Options::='--force-overwrite' nvidia-fabricmanager-major_version_number

      Por ejemplo, si se instaló la versión principal 450 del módulo de kernel, utilice el siguiente comando para instalar la versión correspondiente de Nvidia Fabric Manager.

      $ sudo apt install -o Dpkg::Options::='--force-overwrite' nvidia-fabricmanager-450

    3. Inicie el servicio y asegúrese de que se inicie de forma automática cuando se inicia la instancia. Nvidia Fabric Manager es necesario para la administración de NV Switch.

      $ sudo systemctl start nvidia-fabricmanager && sudo systemctl enable nvidia-fabricmanager

  8. Asegúrese de que las rutas CUDA se establecen cada vez que se inicia la instancia.

    • Para intérpretes de comandos bash, agregue las siguientes instrucciones a /home/username/.bashrc y /home/username/.bash_profile. 

      export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64:$LD_LIBRARY_PATH

    • Para intérpretes de comandos tcsh, agregue las siguientes instrucciones a /home/username/.cshrc.

      setenv PATH=/usr/local/cuda/bin:$PATH
setenv LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64:$LD_LIBRARY_PATH

  9. Para confirmar que los controladores de la GPU Nvidia son funcionales, ejecute el siguiente comando.

    $ nvidia-smi -q | head

    El comando debe devolver información sobre las GPU de Nvidia, los controladores de GPU de Nvidia y el kit de herramientas Nvidia CUDA.

Paso 4: instalación de GDRCopy

Instale GDRCopy para mejorar el rendimiento de Libfabric. Para obtener más información sobre GDRCopy, consulte el repositorio de GDRCopy.

Amazon Linux 2
Para instalar GDRCopy

  1. Instale las dependencias requeridas.

    $ sudo yum -y install dkms rpm-build make check check-devel subunit subunit-devel

  2. Descargue y extraiga el paquete de GDRCopy.

    $ wget https://github.com/NVIDIA/gdrcopy/archive/refs/tags/v2.4.tar.gz \
&& tar xf v2.4.tar.gz ; cd gdrcopy-2.4/packages

  3. Compile el paquete RPM de GDRCopy.

    $ CUDA=/usr/local/cuda ./build-rpm-packages.sh

  4. Instale el paquete RPM de GDRCopy.

    $ sudo rpm -Uvh gdrcopy-kmod-2.4-1dkms.noarch*.rpm \
&& sudo rpm -Uvh gdrcopy-2.4-1.x86_64*.rpm \
&& sudo rpm -Uvh gdrcopy-devel-2.4-1.noarch*.rpm
Ubuntu 20.04/22.04
Para instalar GDRCopy

  1. Instale las dependencias requeridas.

    $ sudo apt -y install build-essential devscripts debhelper check libsubunit-dev fakeroot pkg-config dkms

  2. Descargue y extraiga el paquete de GDRCopy.

    $ wget https://github.com/NVIDIA/gdrcopy/archive/refs/tags/v2.4.tar.gz \
&& tar xf v2.4.tar.gz \
&& cd gdrcopy-2.4/packages

  3. Compile el paquete RPM de GDRCopy.

    $ CUDA=/usr/local/cuda ./build-deb-packages.sh

  4. Instale el paquete RPM de GDRCopy.

    $ sudo dpkg -i gdrdrv-dkms_2.4-1_amd64.*.deb \
&& sudo dpkg -i libgdrapi_2.4-1_amd64.*.deb \
&& sudo dpkg -i gdrcopy-tests_2.4-1_amd64.*.deb \
&& sudo dpkg -i gdrcopy_2.4-1_amd64.*.deb

Paso 5: instalación del software EFA

Instale el kernel habilitado para EFA, los controladores de EFA, Libfabric y la pila Open MPI necesarios para admitir EFA en su instancia temporal.

Para instalar el software EFA

  1. Conéctese a la instancia que lanzó. Para obtener más información, consulte Conexión con la instancia de Linux.

  2. Descargue los archivos de instalación de software de EFA. Los archivos de instalación de software están empaquetados en un archivo tarball comprimido (.tar.gz). Para descargar la última versión estable, utilice el comando siguiente.

    $ C:\> curl -O https://efa-installer.amazonaws.com/aws-efa-installer-1.33.0.tar.gz

    También puede obtener la última versión reemplazando el número de versión por latest en el comando anterior.

  3. (Opcional) Verifique la autenticidad y la integridad del archivo tarball (.tar.gz) de EFA.

    Le recomendamos que lo haga para verificar la identidad del editor de software y para verificar que el archivo no se haya modificado ni dañado desde que se publicó. Si no desea verificar el archivo tarball, omita este paso.

    nota

    De forma alternativa, si prefiere verificar el archivo tarball con una suma de comprobación MD5 o SHA256, consulte Verificar el instalador de EFA mediante una suma de comprobación.

    1. Descargue la clave pública de GPG e impórtela a su conjunto de claves.

      $ wget https://efa-installer.amazonaws.com/aws-efa-installer.key && gpg --import aws-efa-installer.key

      El comando debe devolver un valor de clave. Anote el valor de clave, ya que lo necesitará en el siguiente paso.

    2. Verifique la huella digital de la clave de GPG. Ejecute el siguiente comando y especifique el valor de clave del paso anterior.

      $ gpg --fingerprint key_value

      El comando debe devolver una huella digital idéntica a 4E90 91BC BB97 A96B 26B1 5E59 A054 80B1 DD2D 3CCC. Si la huella digital no coincide, no ejecute el script de instalación de EFA y contáctese con AWS Support.

    3. Descargue el archivo de firma y verifique la firma del archivo tarball de EFA.

      $ wget https://efa-installer.amazonaws.com/aws-efa-installer-1.33.0.tar.gz.sig && gpg --verify ./aws-efa-installer-1.33.0.tar.gz.sig

      A continuación se muestra un ejemplo de salida.

      gpg: Signature made Wed 29 Jul 2020 12:50:13 AM UTC using RSA key ID DD2D3CCC
gpg: Good signature from "Amazon EC2 EFA <ec2-efa-maintainers@amazon.com>"
gpg: WARNING: This key is not certified with a trusted signature!
gpg:          There is no indication that the signature belongs to the owner.
Primary key fingerprint: 4E90 91BC BB97 A96B 26B1  5E59 A054 80B1 DD2D 3CCC

      Si el resultado incluye Good signature y la huella digital coincide con la huella digital del paso anterior, avance al siguiente paso. Si no es así, no ejecute el script de instalación de EFA y contáctese con AWS Support.

    Mostrar másMostrar menos

  4. Extraiga los archivos desde el archivo .tar.gz comprimido y acceda al directorio extraído.

    $ C:\> tar -xf aws-efa-installer-1.33.0.tar.gz && cd aws-efa-installer

  5. Ejecute el script de instalación de software de EFA.

    nota

    A partir de la versión 1.30.0 de EFA, tanto Open MPI 4 como Open MPI 5 se instalan de forma predeterminada. A menos que necesite Open MPI 5, le recomendamos que instale únicamente Open MPI 4. El siguiente comando solo instala Open MPI 4. Si desea instalar Open MPI 4 y Open MPI 5, quite --mpi=openmpi4.

    $ sudo ./efa_installer.sh -y --mpi=openmpi4

    Libfabric está instalado en el directorio /opt/amazon/efa, mientras que Open MPI está instalado en el directorio /opt/amazon/openmpi.

  6. Si el instalador de EFA le pide que reinicie la instancia, hágalo y vuelva a conectarse a la instancia. De lo contrario, cierre la sesión de la instancia y vuelva a iniciar sesión para completar la instalación.

  7. Confirme que los componentes de software de EFA se han instalado correctamente.

    $ fi_info -p efa -t FI_EP_RDM

    El comando debe devolver información acerca de las interfaces de EFA de Libfabric. En el siguiente ejemplo, se muestra el comando de salida.

    • p3dn.24xlarge con interfaz de red única

      provider: efa
fabric: EFA-fe80::94:3dff:fe89:1b70
domain: efa_0-rdm
version: 2.0
type: FI_EP_RDM
protocol: FI_PROTO_EFA

    • p4d.24xlarge y p5.48xlarge con múltiples interfaces de red

      provider: efa
fabric: EFA-fe80::c6e:8fff:fef6:e7ff
domain: efa_0-rdm
version: 111.0
type: FI_EP_RDM
protocol: FI_PROTO_EFA
provider: efa
fabric: EFA-fe80::c34:3eff:feb2:3c35
domain: efa_1-rdm
version: 111.0
type: FI_EP_RDM
protocol: FI_PROTO_EFA
provider: efa
fabric: EFA-fe80::c0f:7bff:fe68:a775
domain: efa_2-rdm
version: 111.0
type: FI_EP_RDM
protocol: FI_PROTO_EFA
provider: efa
fabric: EFA-fe80::ca7:b0ff:fea6:5e99
domain: efa_3-rdm
version: 111.0
type: FI_EP_RDM
protocol: FI_PROTO_EFA

Paso 6: instalar NCCL

Instale NCCL. Para obtener más información sobre NCCL, consulte el repositorio de NCCL.

Para instalar NCCL

  1. Vaya al directorio /opt.

    $ cd /opt

  2. Clone el repositorio oficial de NCCL en la instancia y vaya al repositorio clonado local.

    $ sudo git clone https://github.com/NVIDIA/nccl.git && cd nccl

  3. Cree e instale NCCL y especifique el directorio de instalación de CUDA.

    $ sudo make -j src.build CUDA_HOME=/usr/local/cuda

Paso 7: instalar el complemento aws-ofi-nccl

El complemento aws-ofi-nccl asigna las API de transporte orientadas a la conexión de NCCL a la interfaz de confianza sin conexión de libfabric. Esto le permite utilizar Libfabric como proveedor de red mientras ejecuta aplicaciones basadas en NCCL. Para obtener más información sobre el complemento aws-ofi-nccl, consulte el repositorio de aws-ofi-nccl.

Para instalar el complemento aws-ofi-nccl

  1. Vaya al directorio de inicio.

    $ cd $HOME

  2. Instalar las herramientas necesarias.

    • Amazon Linux 2

      $ sudo yum install hwloc-devel

    • Ubuntu

      $ sudo apt-get install libhwloc-dev

  3. Descargue los archivos del complemento aws-ofi-nccl. Los archivos están empaquetados en un archivo tarball comprimido (.tar.gz).

    $ wget https://github.com/aws/aws-ofi-nccl/releases/download/v1.9.2-aws/aws-ofi-nccl-1.9.2-aws.tar.gz

  4. Extraiga los archivos desde el archivo .tar.gz comprimido y acceda al directorio extraído.

    $ tar -xf aws-ofi-nccl-1.9.2-aws.tar.gz && cd aws-ofi-nccl-1.9.2-aws

  5. Para generar los archivos make, ejecute el script configure y especifique los directorios de instalación de MPI, Libfabric, NCCL y CUDA. 

    $ ./configure --prefix=/opt/aws-ofi-nccl --with-mpi=/opt/amazon/openmpi \
--with-libfabric=/opt/amazon/efa \
--with-cuda=/usr/local/cuda \
--enable-platform-aws

  6. Agregue el directorio Open MPI a la variable PATH.

    $ export PATH=/opt/amazon/openmpi/bin/:$PATH

  7. Instale el complemento aws-ofi-nccl.

    $ make && sudo make install

Paso 8: instalar las pruebas de NCCL

Instale las pruebas de NCCL. Las pruebas de NCCL le permiten confirmar que NCCL está instalado correctamente y que está funcionando como se esperaba. Para obtener más información sobre las pruebas de NCCL, consulte el repositorio nccl-tests.

Para instalar las pruebas de NCCL

  1. Vaya al directorio de inicio.

    $ cd $HOME

  2. Clone el repositorio oficial nccl-tests en la instancia y vaya al repositorio clonado local.

    $ git clone https://github.com/NVIDIA/nccl-tests.git && cd nccl-tests

  3. Añada el directorio Libfabric a la variable LD_LIBRARY_PATH.

    • Amazon Linux 2

      $ export LD_LIBRARY_PATH=/opt/amazon/efa/lib64:$LD_LIBRARY_PATH

    • Ubuntu

      $ export LD_LIBRARY_PATH=/opt/amazon/efa/lib:$LD_LIBRARY_PATH

  4. Instale las pruebas NCCL y especifique los directorios de instalación MPI, NCCL y CUDA.

    $ make MPI=1 MPI_HOME=/opt/amazon/openmpi NCCL_HOME=/opt/nccl/build CUDA_HOME=/usr/local/cuda

Paso 9: prueba de la configuración de EFA y NCCL

Ejecute una prueba para asegurarse de que su instancia temporal esté configurada correctamente para EFA y NCCL.

Para probar la configuración de EFA y NCCL

  1. Cree un archivo de hosts que especifique los hosts en los que desea ejecutar las pruebas. El siguiente comando crea un archivo de hosts con el nombre my-hosts que incluye una referencia a la propia instancia.

    IMDSv2
    [ec2-user ~]$ TOKEN=`curl -X PUT "http://169.254.169.254/latest/api/token" -H "X-aws-ec2-metadata-token-ttl-seconds: 21600"` \
&& curl -H "X-aws-ec2-metadata-token: $TOKEN" –v http://169.254.169.254/latest/meta-data/local-ipv4 >> my-hosts
    IMDSv1
    [ec2-user ~]$ curl http://169.254.169.254/latest/meta-data/local-ipv4 >> my-hosts

  2. Ejecute la prueba y especifique el archivo de hosts (--hostfile) y el número de GPUs que desea usar (-n). El siguiente comando ejecuta la prueba all_reduce_perf en 8 GPUs de la propia instancia y especifica las siguientes variables de entorno.

    • FI_EFA_USE_DEVICE_RDMA=1: (solo p4d.24xlarge) utiliza la funcionalidad de RDMA del dispositivo para la transferencia de un solo lado y de dos lados.

    • NCCL_DEBUG=INFO: habilita la salida de depuración detallada. También puede especificar VERSION para imprimir solo la versión de NCCL al inicio de la prueba o WARN para recibir solo mensajes de error.

    Para obtener más información sobre los argumentos de prueba de NCCL, consulte el archivo README de pruebas de NCCL en el reposorio nccl-tests oficial.

    • p3dn.24xlarge

      $ /opt/amazon/openmpi/bin/mpirun \
-x LD_LIBRARY_PATH=/opt/nccl/build/lib:/usr/local/cuda/lib64:/opt/amazon/efa/lib:/opt/amazon/openmpi/lib:/opt/aws-ofi-nccl/lib:$LD_LIBRARY_PATH \
-x NCCL_DEBUG=INFO \
--hostfile my-hosts -n 8 -N 8 \
--mca pml ^cm --mca btl tcp,self --mca btl_tcp_if_exclude lo,docker0 --bind-to none \
$HOME/nccl-tests/build/all_reduce_perf -b 8 -e 1G -f 2 -g 1 -c 1 -n 100

    • p4d.24xlarge y p5.48xlarge

      $ /opt/amazon/openmpi/bin/mpirun \
-x FI_EFA_USE_DEVICE_RDMA=1 \
-x LD_LIBRARY_PATH=/opt/nccl/build/lib:/usr/local/cuda/lib64:/opt/amazon/efa/lib:/opt/amazon/openmpi/lib:/opt/aws-ofi-nccl/lib:$LD_LIBRARY_PATH \
-x NCCL_DEBUG=INFO \
--hostfile my-hosts -n 8 -N 8 \
--mca pml ^cm --mca btl tcp,self --mca btl_tcp_if_exclude lo,docker0 --bind-to none \
$HOME/nccl-tests/build/all_reduce_perf -b 8 -e 1G -f 2 -g 1 -c 1 -n 100

  3. Puede confirmar que EFA está activo como proveedor subyacente de NCCL cuando se imprime el registro NCCL_DEBUG.

    ip-192-168-2-54:14:14 [0] NCCL INFO NET/OFI Selected Provider is efa*

    La siguiente información adicional se muestra cuando se utiliza una instancia p4d.24xlarge.

    ip-192-168-2-54:14:14 [0] NCCL INFO NET/OFI Running on P4d platform, Setting NCCL_TOPO_FILE environment variable to /home/ec2-user/install/plugin/share/aws-ofi-nccl/xml/p4d-24xl-topo.xml

Paso 10: instalar las aplicaciones de machine learning

Instale la aplicación de machine learning en la instancia temporal. El procedimiento de instalación varía en función de la aplicación de machine learning específica. Para obtener más información sobre la instalación de software en la instancia de Linux, consulte Manage software on your Amazon Linux 2 instance.

nota

Consulte la documentación de su aplicación de machine learning para ver las instrucciones de instalación.

Paso 11: creación de una AMI habilitada para EFA y NCCL

Después de haber instalado los componentes de software requeridos, crea una AMI que puede reutilizar para iniciar las instancias habilitadas para EFA.

Para crear una AMI desde la instancia temporal

  1. Abra la consola de Amazon EC2 en https://console.aws.amazon.com/ec2/.

  2. En el panel de navegación, seleccione Instances (Instancias).

  3. Seleccione la instancia temporal que creó y elija Acciones, Imagen, Crear imagen.

  4. En Crear imagen, realice lo siguiente:

    1. En Nombre de imagen, ingrese un nombre descriptivo para la AMI.

    2. (Opcional) En Descripción de imagen, ingrese una breve descripción del propósito la AMI.

    3. Elija Crear imagen.

  5. En el panel de navegación, elija AMI.

  6. Localice la AMI que creó en la lista. Espere a que el estado pase de pending a available antes de continuar con el paso siguiente.

Paso 12: terminar la instancia temporal

En este punto, ya no necesita la instancia temporal que lanzó. Puede terminar la instancia para dejar de incurrir en cargos debido a esta.

Para terminar la instancia temporal

  1. Abra la consola de Amazon EC2 en https://console.aws.amazon.com/ec2/.

  2. En el panel de navegación, seleccione Instances (Instancias).

  3. Seleccione la instancia temporal que creó y, a continuación, elija Acciones, Estado de instancia, Terminar instancia.

  4. Cuando se le indique que confirme, elija Terminar.

Paso 13: inicialización de instancias habilitadas para EFA en un grupo con ubicación en clúster

Lance las instancias habilitadas para EFA y NCCL en un grupo de ubicación en clúster utilizando la AMI habilitada para EFA y el grupo de seguridad habilitado para EFA que creó anteriormente.

nota

  • No es un requisito absoluto lanzar las instancias habilitadas con un EFA a un grupo de colocación de clústeres. Sin embargo, le recomendamos ejecutar sus instancias habilitadas para EFA en un grupo con ubicación en clúster a medida que inicia las instancias en un grupo de baja latencia en una única zona de disponibilidad.

  • Para garantizar que la capacidad esté disponible a medida que escala las instancias del clúster, puede crear una reserva de capacidad para su grupo con ubicación en clúster. Para obtener más información, consulte Las reservas de capacidad en grupos con ubicación en clúster.

New console
Para iniciar una instancia temporal

  1. Abra la consola de Amazon EC2 en https://console.aws.amazon.com/ec2/.

  2. En el panel de navegación, elija Instancias y, a continuación, Iniciar instancias para abrir el nuevo asistente de inicialización de instancias.

  3. (Opcional) En la sección Nombre y etiquetas, proporcione un nombre para la instancia, como EFA-instance. El nombre se asigna a la instancia como etiqueta de recurso (Name=EFA-instance).

  4. En la sección Imágenes de aplicaciones y sistema operativo, elija Mi AMI y, a continuación, seleccione la AMI que creó en el paso anterior.

  5. En la sección Tipo de instancia, seleccione p3dn.24xlarge o p4d.24xlarge.

  6. En la sección Par de claves, seleccione el par de claves que desea utilizar en la instancia.

  7. En la sección Configuración de red, elija Editar y realice lo siguiente:

    1. En Subred, elija la subred en la que desea iniciar la instancia. Si no selecciona una subred, no puede habilitar la instancia para EFA.

    2. En Firewall (grupos de seguridad), elija Seleccionar grupo de seguridad existente y, a continuación, seleccione el grupo de seguridad que creó en el paso anterior.

    3. Expanda la sección Advanced network configuration (Configuración avanzada de la red) y en Elastic Fabric Adapter, seleccione Enable (Habilitar).

  8. (Opcional) En la sección Storage (Almacenamiento), configure los volúmenes según sea necesario.

  9. En la sección Detalles avanzados, para Nombre del grupo de ubicación, seleccione el grupo con ubicación en clúster en el que se iniciará la instancia. Si necesita crear un nuevo grupo con ubicación en clúster, elija Create new placement group (Crear nuevo grupo de ubicación).

  10. En el panel Summary (Resumen) que se encuentra a la derecha, en Number of instances (Cantidad de instancias), ingrese la cantidad de instancias habilitadas para EFA que desea lanzar y, a continuación, elija Launch instance (Lanzar instancia).

Old console
Para iniciar las instancias habilitadas para EFA y NCCL en un grupo con ubicación en clúster

  1. Abra la consola de Amazon EC2 en https://console.aws.amazon.com/ec2/.

  2. Elija Iniciar instancia.

  3. En la página Elegir una AMI, elija Mi AMI, encuentre la AMI que creó anteriormente y, a continuación, elija Seleccionar.

  4. En la página Elegir un tipo de instancia, seleccione p3dn.24xlarge y, a continuación, elija Siguiente: Configurar detalles de instancia.

  5. En la página Configurar detalles de instancia, haga lo siguiente:

    1. En Número de instancias, ingrese el número de instancias habilitadas para EFA y NCCL que desea iniciar.

    2. En Red y Subred, seleccione la VPC y la subred en la que iniciar las instancias.

    3. En Grupo de ubicación, seleccione Añadir instancia a grupo de ubicación.

    4. En Nombre de grupo de ubicación, seleccione Agregar a un nuevo grupo de ubicación y, a continuación, ingrese un nombre descriptivo para el grupo de ubicación. Luego, en Estrategia de grupo de ubicación, seleccione clúster.

    5. En EFA, elija Habilitar.

    6. En la sección Interfaces de red, para el dispositivo eth0, elija Nueva interfaz de red. Como opción, puede especificar una dirección IPv4 principal y una o varias direcciones IPv4 secundarias. Si está iniciando la instancia en una subred que tiene un bloque de CIDR de IPv6 asociado, como opción puede especificar una dirección IPv6 principal y una o varias direcciones IPv6 secundarias.

    7. Elija Siguiente: Añadir almacenamiento.

  6. En la página Agregar almacenamiento, especifique los volúmenes que desea adjuntar a las instancias además de los volúmenes especificados por la AMI (como el volumen de dispositivo raíz). A continuación, elija Siguiente: Agregar etiquetas.

  7. En la página Añadir etiquetas, especifique etiquetas para las instancias, por ejemplo, un nombre fácil de recordar, y, a continuación, elija Siguiente: Configurar grupo de seguridad.

  8. En la página Configurar grupo de seguridad, en Asignar un grupo de seguridad, seleccione Seleccionar un grupo de seguridad existente y, a continuación, seleccione el grupo de seguridad que creó anteriormente.

  9. Elija Review and Launch (Revisar y lanzar).

  10. En la página Review Instance Launch (Revisar inicialización de instancia), revise la configuración y, a continuación, elija Launch (iniciar) para elegir un par de claves y iniciar las instancias.

Paso 14: habilitar SSH sin contraseña

Para permitir que las aplicaciones se ejecuten en todas las instancias del clúster, debe habilitar el acceso mediante SSH sin contraseña desde el nodo principal hasta los nodos miembro. El nodo principal es la instancia desde la que se ejecutan las aplicaciones. Las instancias restantes del clúster son los nodos miembros.

Para habilitar SSH sin contraseña entre las instancias del clúster

  1. Seleccione una instancia del clúster como nodo principal y conéctese a ella.

  2. Desactive strictHostKeyChecking y habilite ForwardAgent en el nodo principal. Abra ~/.ssh/config con su editor de texto preferido y agregue lo siguiente.

    Host *
    ForwardAgent yes
Host *
    StrictHostKeyChecking no

  3. Genere un par de claves de RSA.

    $ ssh-keygen -t rsa -N "" -f ~/.ssh/id_rsa

    El par de claves se crea en el directorio $HOME/.ssh/.

  4. Cambie los permisos de la clave privada en el nodo principal.

    $ chmod 600 ~/.ssh/id_rsa
chmod 600 ~/.ssh/config

  5. Abra ~/.ssh/id_rsa.pub con su editor de texto preferido y copie la clave.

  6. Para cada nodo miembro del clúster, realice lo siguiente:

    1. Conéctese a la instancia.

    2. Abra ~/.ssh/authorized_keys con su editor de texto preferido y agregue la clave pública que copió anteriormente.

  7. Para probar que SSH sin contraseña funciona como se esperaba, conecte al nodo principal y ejecute el siguiente comando.

    $ ssh member_node_private_ip

    Debe conectarse al nodo miembro sin que se le pida una clave o una contraseña.