DataFlow结构

DataFlow结构

图1 DataFlow结构

DataFlow分三层，各层介绍如下。

• DataFlow API：负责异构计算流表达，App开发人员使用DataFlow API表达业务的数据流，生成基于Graph IR的计算图。数据流表达详细描述请参见数据流表达。
• 异构并行编译器：负责异构计算图编译，将计算图基于异构计算单元的组成关系和连接拓扑进行图切分、图优化和图部署，生成各个异构计算单元的执行Bin。
• 异构Runtime：根据异构计算图编译输出的结果，将执行Bin调度到对应的异构执行单元上执行。异构Runtime详细描述请参见异构Runtime。

数据流表达

图2 数据流表达示意图

上图中各个节点解释如下。

• FlowData：数据节点，每个FlowData对应一个输入。
• FlowNode：逻辑计算节点的抽象表示。可以关联具体的ProcessPoint实现，ProcessPoint可分为FunctionPp (UDF的计算处理点）、GraphPP(Graph的计算处理点)。
• FlowOutput：数据输出。
• Edge：表示数据流连边。
• FlowGraph：由一系列输入节点FlowData和计算节点FlowNode以及数据流连边Edge构成的DAG图。
• 数据流图表达的规则和约束如下。
  • FlowGraph是DAG（Directed Acyclic Graph）图，数据流有向且不允许有成环表达。
  • 不支持无输入，也不支持无输入且无输出的FlowGraph。
  • 节点间流转的数据要保证不可变的，因此不允许计算节点修改输入数据。
  • 数据流支持1对多，表示复制相同数据后分发给多个Node；但不支持多对1。

    

  • 支持以子图表达为调用闭包，实现控制流表达如循环迭代，分支控制逻辑如下。

  

异构Runtime

异构Runtime针对CPU、NPU异构节点提供不同的执行器，包括如下。

• CPU图执行器：部署在CPU节点，用于执行计算图。
• NPU图执行器：部署于NPU，用于执行计算图。
• UDF执行器：自定义Func执行引擎，可灵活部署于CPU节点或使用NPU上的AICPU。

各执行器以独立进程方式部署，每个执行进程间采用如下数据通信方式交互数据：在同一节点内采用共享内存、共享队列；跨节点使用RDMA/UB高性能通信。

执行器间数据流的生产、消费关系；1对多分发关系；跨节点数据通信统一由FlowGW（数据流网关）代理并转发。

上图中的Q表示队列。