DeepEP – DeepSeek 开源的专家并行通信库，专为 MoE 训练和推理设计

DeepEP是什么

DeepEP 是 DeepSeek 开源的首个专为混合专家模型（MoE）训练和推理设计的开源 EP（专家并行）通信库。提供了高吞吐量和低延迟的全对全 GPU 内核，支持节点内和节点间的 NVLink 和 RDMA 通信。DeepEP 特别针对 DeepSeek-V3 论文中的组限制门控算法进行了优化，支持 FP8 数据格式调度，引入了基于 Hook 的通信-计算重叠方法，不占用 GPU 计算资源。低延迟内核在推理解码阶段表现出色，延迟低至 163 微秒。DeepEP 适用于 Hopper GPU 架构，需要 Python 3.8、CUDA 12.3 和 PyTorch 2.1 及以上版本。

DeepEP的主要功能

• 高效通信内核：DeepEP 提供高吞吐量和低延迟的全对全（all-to-all）GPU 内核，适用于 MoE 的分发（dispatch）和合并（combine）操作。
• 低精度计算支持：支持 FP8 和 BF16 等低精度数据格式，显著提升计算效率并降低内存需求。
• 优化的通信机制：针对 DeepSeek-V3 论文中提出的组限制门控算法，DeepEP 提供了优化的内核，支持从 NVLink 到 RDMA 的非对称带宽转发，适用于训练和推理预填充任务。
• 低延迟推理解码：提供纯 RDMA 的低延迟内核，特别适合对延迟敏感的推理解码场景，延迟低至 163 微秒。
• 通信与计算重叠：引入基于 Hook 的通信-计算重叠方法，不占用 GPU 的流多处理器（SM）资源，最大化计算效率。
• 灵活的资源管理：支持灵活的 GPU 资源管理，支持用户控制 SM 的使用数量，适应不同的工作负载。
• 网络配置优化：DeepEP 在 InfiniBand 网络上进行了全面测试，支持通过虚拟通道（VL）实现流量隔离，防止不同类型流量之间的干扰。

DeepEP的项目地址

• Github仓库：https://github.com/deepseek-ai/DeepEP

DeepEP的性能表现

• 高吞吐量内核：DeepEP 在 H800 GPU 和 CX7 InfiniBand 400 Gb/s RDMA 网络卡上进行了测试，展现了出色的吞吐量表现：
  • 内节点通信：使用 NVLink 的内节点通信中，分发和合并操作的瓶颈带宽分别达到 153 GB/s 和 158 GB/s。
  • 跨节点通信：使用 RDMA 的跨节点通信中，分发和合并操作的瓶颈带宽分别达到 43-47 GB/s。
• 低延迟内核：DeepEP 的低延迟内核专为推理解码设计，使用纯 RDMA 技术，显著降低了延迟：
  • 在处理 8 个专家 时，分发操作的延迟为 163 微秒，合并操作的延迟为 318 微秒，RDMA 带宽为 46 GB/s。
  • 随着专家数量增加，延迟略有上升，但在 256 个专家 时，分发和合并操作的延迟分别为 194 微秒 和 360 微秒。
• 系统兼容性：DeepEP 主要与 InfiniBand 网络兼容，也支持在收敛以太网（RoCE）上运行。需要 Hopper 架构 GPU、Python 3.8 及以上版本、CUDA 12.3 及以上版本以及 PyTorch 2.1 及以上版本。

DeepEP的系统要求

• 硬件要求：
  • 支持 Hopper 架构的 GPU（如 H100、H800），未来可能会支持更多架构。
  • 需要支持 GPUDirect RDMA 的设备，具体要求可参考 NVSHMEM 的硬件规格。
  • 节点内通信需要 NVLink，节点间通信需要 RDMA 网络。
• 软件要求：
  • Python 3.8 及以上版本。
  • CUDA 12.3 及以上版本。
  • PyTorch 2.1 及以上版本。
  • 需要安装修改版的 NVSHMEM，具体安装指南可参考相关文档。
  • 推荐安装 GDRCopy（v2.4 及以上版本），用于低延迟 GPU 内存拷贝。
• 网络要求：
  • 主要测试环境为 InfiniBand 网络，兼容 RDMA over Converged Ethernet (RoCE)。
  • 支持通过虚拟通道（VL）进行流量隔离，以防止不同工作负载之间的干扰。
• 其他要求：
  • 在容器化环境中，需要确保主机加载了必要的内核模块（如 gdrdrv），正确安装了相关 DEB 包。
  • 安装完成后，需要设置环境变量（如 NVSHMEM_DIR）以供 DeepEP 使用。

DeepEP的应用场景

• 大规模模型训练：DeepEP 提供高效的并行通信支持，适用于混合专家模型（MoE）的训练，显著提升训练效率。
• 推理任务：适合对延迟敏感的推理解码场景，能显著降低延迟，提高推理吞吐量。
• 高性能计算：支持多种硬件平台，包括 Hopper GPU 架构，优化了 NVLink 和 RDMA 网络的通信性能。
• 智能客服：通过优化推理过程，DeepSeek 的智能客服系统能快速响应用户问题，提升服务效率。
• 金融领域：用于风险评估、自动化报告生成等，通过分析企业财报和舆情数据，预测违约概率。