---
title: alltoallv
description: "| 产品 | 是否支持 |"
url: https://www.hiascend.com/document/detail/zh/TensorFlowCommercial/latest/migration/tfmigr1/tfmigr1_tfadapi_0145.html
sourcePath: /source/zh/TensorFlowCommercial/900/migration/tfmigr1/tfmigr1_tfadapi_0145.html
indexId: f6c43260794a9c4aa133467e0ca07cde9bde0c4bb3305a78b2710f44fcbeca1779
---
# alltoallv

#### 产品支持情况

| 产品 | 是否支持 |
| --- | --- |
| Atlas 350 加速卡 | √ |
| Atlas A3 训练系列产品 / Atlas A3 推理系列产品 | √ |
| Atlas A2 训练系列产品 / Atlas A2 推理系列产品 | √ |
| Atlas 200I/500 A2 推理产品 | ☓ |
| Atlas 推理系列产品 | ☓ |
| Atlas 训练系列产品 | √ |


#### 功能说明

集合通信算子AlltoAllV操作接口，向通信域内所有rank发送数据（数据量可以定制），并从所有rank接收数据。


#### 函数原型

```
def all_to_all_v(send_data, send_counts, send_displacements, recv_counts, recv_displacements, group="hccl_world_group")
```


#### 参数说明

| 参数名 | 输入/输出 | 描述 |
| --- | --- | --- |
| send\_data | 输入 | 待发送的数据，TensorFlow的tensor类型。 针对Atlas 350 加速卡，支持数据类型：int8、uint8、int16、uint16、int32、uint32、int64、uint64、float16、float32、float64、bfp16。 针对 Atlas A3 训练系列产品 / Atlas A3 推理系列产品 ，支持数据类型：int8、uint8、int16、uint16、int32、uint32、int64、uint64、float16、float32、float64、bfp16。 针对 Atlas A2 训练系列产品 / Atlas A2 推理系列产品 ，支持数据类型：int8、uint8、int16、uint16、int32、uint32、int64、uint64、float16、float32、float64、bfp16。 针对 Atlas 训练系列产品 ，支持数据类型：int8、uint8、int16、uint16、int32、uint32、int64、uint64、float16、float32、float64 。 |
| send\_counts | 输入 | 发送的数据量，send\_counts[i]表示本rank发给rank i的数据个数，基本单位是send\_data数据类型对应的字节数。 例：send\_data的数据类型为int32，send\_counts[0]=1,send\_counts[1]=2，表示本rank给rank0发送1个int32类型的数据，给rank1发送2个int32类型的数据。 TensorFlow的tensor类型，tensor支持的数据类型为int64。 |
| send\_displacements | 输入 | 发送数据的偏移量，send\_displacements[i]表示本rank发送给rank i的数据块相对于send\_data的偏移量，基本单位是send\_data数据类型对应字节数。 例： send\_data的数据类型为int32。 send\_counts[0]=1,send\_counts[1]=2 send\_displacements[0]=0,send\_displacements[1]=1 则表示本rank给rank0发送send\_data上的第1个int32类型的数据，给rank1发送send\_data上第2个与第3个int32类型的数据。 TensorFlow的tensor类型，tensor支持的数据类型为int64。 |
| recv\_counts | 输入 | 接收的数据量，recv\_counts[i]表示本rank从rank i收到的数据量。使用方法与send\_counts类似。 TensorFlow的tensor类型。tensor支持的数据类型为int64。 |
| recv\_displacements | 输入 | 接收数据的偏移量，recv\_displacements[i]表示本rank发送给rank i数据块相对于recv\_data的偏移量，基本单位是recv\_data\_type的字节数。使用方法与send\_displacements类似。 TensorFlow的tensor类型。tensor支持的数据类型为int64。 |
| group | 输入 | group名称，可以为用户自定义group或者"hccl\_world\_group"。 String类型，最大长度为128字节，含结束符。 |


#### 返回值

对输入tensor执行完all_to_all_v操作之后的结果tensor。


#### 约束说明

1. 调用该接口的rank必须在当前接口入参group定义的范围内，不在此范围内的rank调用该接口会失败。
2. 针对Atlas 训练系列产品，alltoallv的通信域需要满足如下约束：
  集群组网下，单Server 1p、2p通信域要在同一个cluster内（Server内0-3卡和4-7卡各为一个cluster），单Server 4p、8p和多Server通信域中rank要以cluster为基本单位，并且Server间cluster选取要一致。

3. alltoallv操作的性能与NPU之间共享数据的缓存区大小有关，当通信数据量超过缓存区大小时性能将出现明显下降。若业务中alltoallv通信数据量较大，建议通过配置环境变量HCCL_BUFFSIZE适当增大缓存区大小以提升通信性能，关于环境变量HCCL_BUFFSIZE的介绍可参见《环境变量参考(https://www.hiascend.com/document/detail/zh/canncommercial/900/maintenref/envvar/envref_07_0001.html)》。
4. 针对Atlas 训练系列产品，如果是单Server场景，要求网卡的状态是“up”，否则此接口会执行失败。


#### 调用示例

```
from npu_bridge.hccl import hccl_ops
send_data_tensor = tf.random_uniform((1, 3), minval=1, maxval=10, dtype=tf.float32)
send_counts_tensor = tf.constant([3,3],dtype=tf.int64)
send_displacements_tensor = tf.constant([0,0],dtype=tf.int64)
recv_counts_tensor = tf.constant([3,3],dtype=tf.int64)
recv_displacements_tensor = tf.constant([0,0],dtype=tf.int64)
result = hccl_ops.all_to_all_v(send_data_tensor,send_counts_tensor,send_displacements_tensor,recv_counts_tensor,recv_displacements_tensor)
```