工具介绍

适用场景

分布式训练场景下，开发者可以通过此工具测试HCCL（Huawei Collective Communication Library）集合通信的功能正确性以及性能。

此工具仅支持基于HCCL单算子API实现集合通信的网络性能测试。

工具源码包获取

安装完CANN Toolkit软件包后，HCCL性能测试工具源码存放${INSTALL_DIR}/tools/hccl_test路径下，${INSTALL_DIR}请替换为CANN软件安装后文件存储路径。若安装的Ascend-cann-toolkit软件包，以root安装举例，则安装后文件存储路径为：/usr/local/Ascend/ascend-toolkit/latest。

使用前需要参考下面的章节进行工具的编译。

支持的产品型号

Atlas 训练系列产品

Atlas A2 训练系列产品

Atlas 300I Duo 推理卡

约束说明

• 针对Atlas 训练系列产品，HCCL性能测试工具最大支持集群组网包含4096张卡的场景。
• 针对Atlas A2 训练系列产品，HCCL性能测试工具最大支持集群组网包含32K张卡的场景。

背景知识

• 集合通信带宽

  集合通信带宽指的是“算法带宽”，即“执行某集合通信操作时的数据量/耗时”。

  例如单机8卡做allreduce操作，则“数据量”除以 “做完allreduce的耗时” 就是allreduce算子执行的算法带宽。

  使用HCCL性能测试工具进行测试时，带宽数据即指的“算法带宽”。

  影响算法带宽的主要因素有：

  • Server间的RDMA带宽（RoCE链路）。
  • Server内卡间SDMA通信带宽（HCCS链路）。
  • PCIe链路带宽。
  • 通信算法自身编排实现。
• 物理带宽

  集群中的物理带宽包括HCCS链路物理带宽以及RoCE链路物理带宽，物理带宽是影响算法带宽的一个因素。