作者：Microchip Technology Inc.固件工程技術顧問Vincent Haché

越來越多的數據中心和其他高性能計算環境開始使用GPU，因為GPU能夠快速處理深度學習和機器學習應用中生成的大量數據。不過，就像許多可提高應用性能的新型數據中心創新一樣，這項創新也暴露出新的系統瓶頸。在這些應用中，用于提高系統性能的新興架構涉及通過一個PCIe?結構在多個主機之間共享系統資源。

PCIe標準（特別是其基于樹的傳統層級）會限制資源共享的實現方式（和實現程度）。不過，可以實現一種低延時的高速結構方法，這種方法允許在多個主機之間共享大量GPU和NVMe SSD，同時仍支持標準系統驅動程序。

PCIe結構方法采用動態分區和多主機單根I/O虛擬化（SR-IOV）共享。各PCIe結構之間可直接路由點對點傳輸。這樣便可為點對點傳輸提供最佳路由，減少根端口擁塞，并且更有效地平衡CPU資源的負載。

傳統上，GPU傳輸必須訪問CPU的系統存儲器，這會導致端點之間發生存儲器共享爭用。當GPU使用其共享的存儲器映射資源而不是CPU存儲器時，它可以在本地提取數據，無需先通過CPU傳遞數據。這消除了跳線和鏈路以及由此產生的延時，從而使GPU能夠更高效地處理數據。

PCIe的固有限制

PCIe主層級是一個樹形結構，其中的每個域都有一個根聯合體，從該點可擴展到“葉子”，這些“葉子”通過交換網和橋接器到達端點。鏈路的嚴格層級和方向性給多主機、多交換網系統帶來了成本高昂的設計要求。

圖1：多主機拓撲

以圖1所示的系統為例。要符合PCIe的層級，主機1必須在交換網1中有一個專用的下行端口，該端口連接到交換網2中的專用上行端口。它還需要在交換網2中有一個專用的下行端口，該端口連接到交換網3中的專用上行端口，依此類推。主機2和主機3也有類似的要求，如圖2所示。

圖2：每個主機的層級要求

即使是基于PCIe樹形結構的最基本系統，也需要各交換網之間有三個鏈路專用于每個主機的PCIe拓撲。而且，由于主機之間無法共享這些鏈路，因此系統會很快變得極為低效。

此外，符合PCIe的典型層級只有一個根端口，而且盡管“多根I/O虛擬化和共享”規范中支持多個根，但它會使設計更復雜，并且當前不受主流CPU支持。結果會造成未使用的PCIe設備（即端點）滯留在其分配到的主機中。不難想象，這在采用多個GPU、存儲設備及其控制器以及交換網的大型系統中會變得多么低效。

例如，如果第一個主機（主機1）已經消耗了所有計算資源，而主機2和3未充分利用資源，則顯然希望主機1訪問這些資源。但主機1無法這樣做，因為這些資源在它的層級域之外，因此會發生滯留。非透明橋接（NTB）是這種問題的一個潛在解決方案，但由于每種類型的共享PCIe設備都需要非標準驅動程序和軟件，因此這同樣會使系統變得復雜。更好的方法是使用PCIe結構，這種結構允許標準PCIe拓撲容納多個可訪問每個端點的主機。

實施方法

系統使用一個PCIe結構交換網（本例中為Microchip Switchtec? PAX系列的成員）在兩個獨立但可透明互操作的域中實現：即包含所有端點和結構鏈路的結構域以及每個主機專用的主機域（圖3）。主機通過在嵌入式CPU上運行的PAX交換網固件保留在單獨的虛擬域中，因此，交換網將始終顯示為具有直連端點的標準單層PCIe設備，而與這些端點出現在結構中的位置無關。

圖3：每個結構的獨立域

來自主機域的事務會在結構域中轉換為ID和地址，反之，結構域中通信的非分層路由也是如此。這樣，系統中的所有主機便可共享連接交換網和端點的結構鏈路。交換網固件會攔截來自主機的所有配置平面通信（包括PCIe枚舉過程），并使用數量可配置的下行端口虛擬化一個符合PCIe規范的簡單交換網。

當所有控制平面通信都路由到交換網固件進行處理時，數據平面通信直接路由到端點。其他主機域中未使用的GPU不再滯留，因為它們可以根據每個主機的需求動態分配。結構內支持點對點通信，這使其能夠適應機器學習應用。當以符合PCIe規范的方式向每個主機提供功能時，可以使用標準驅動程序。

操作方法

為了解這種方法的工作原理，我們以圖4中的系統為例，該系統由兩個主機（主機1采用Windows?系統，主機2采用Linux?系統）、四個PAX PCIe結構交換網、四個Nvidia M40 GPGPU和一個支持SR-IOV的Samsung NVMe SSD組成。在本實驗中，主機運行代表實際機器學習工作負載的通信，包括Nvidia的CUDA點對點通信基準測試實用程序和訓練cifar10圖像分類的TensorFlow模型。嵌入式交換網固件處理交換網的低級配置和管理，系統由Microchip的ChipLink調試和診斷實用程序管理。

圖4：雙主機PCIe結構引擎

四個GPU最初分配給主機1，PAX結構管理器顯示在結構中發現的所有設備，其中GPU綁定到Windows主機。但是，主機上的結構不再復雜，所有GPU就像直接連接到虛擬交換網一樣。隨后，結構管理器將綁定所有設備，Windows設備管理器將顯示GPU。主機將交換網視為下行端口數量可配置的簡單物理PCIe交換網。

一旦CUDA發現了四個GPU，點對點帶寬測試就會顯示單向傳輸速率為12.8 GBps，雙向傳輸速率為24.9 GBps。這些傳輸直接跨過PCIe結構，而無需通過主機。如果運行用于訓練Cifar10圖像分類算法的TensorFlow模型并使工作負載分布在全部四個GPU上，則可以將兩個GPU釋放回結構池中，將它們與主機解除綁定。這樣可以釋放其余兩個GPU來執行其他工作負載。與Windows主機一樣，Linux主機也將交換網視為簡單的PCIe交換網，無需自定義驅動程序，而CUDA也可以發現GPU，并在Linux主機上運行P2P傳輸。性能類似于使用Windows主機實現的性能，如表1所示。

表1：GPU點對點傳輸帶寬

下一步是將SR-IOV虛擬功能連接到Windows主機，PAX將此類功能以標準物理NVM設備的形式提供，以便主機可以使用標準NVMe驅動程序。此后，虛擬功能將與Linux主機結合，并且新的NVMe設備將出現在模塊設備列表中。本實驗的結果是，兩個主機現在都可以獨立使用其虛擬功能。

務必注意的是，虛擬PCIe交換網和所有動態分配操作都以完全符合PCIe規范的方式呈現給主機，以便主機能夠使用標準驅動程序。嵌入式交換網固件提供了一個簡單的管理接口，這樣便可通過成本低廉的外部處理器來配置和管理PCIe結構。設備點對點事務默認情況下處于使能狀態，不需要外部結構管理器進行額外配置或管理。

總結

PCIe交換網結構是一種能夠充分利用CPU巨大性能的絕佳方法，但PCIe標準本身存在一些障礙。不過，可以通過使用動態分區和多主機單根I/O虛擬化共享技術來解決這些難題，以便可以將GPU和NVMe資源實時動態分配給多主機系統中的任何主機，從而滿足機器學習工作負載不斷變化的需求。