作者｜郑建华
更新｜赵露阳

通过这篇笔记，希望能初步了解 OneFlow 在 Eager 模式下对设备的管理方式、设备执行计算的过程以及如何充分利用设备计算能力。这里的设备主要指类似 CUDA 这样的并行计算加速设备。

(资料图)

1

设备、流相关类型及关系

框架通过流（Stream）向设备（Device）提交计算任务。一个 Stream 是一个命令序列，可以类比 CUDA Stream（https://docs.nvidia.com/cuda/cuda-c-programming-guide/index.html#streams），或者 CPU Thread 的指令序列。同一个 Stream 中的命令按顺序执行；不同 Stream 之间的命令有依赖关系时，需要同步。不同的任务，比如 kernel 计算、host2device、device2host 等都有自己独立的 Stream，可以并发执行，从而在 Eager 模式下尽可能充分利用设备的异步并发执行能力。

OneFlow 中Device和Stream相关的部分类结构如下所示：

Device相关类型

oneflow::Device

oneflow::Device是用于表示设备的基础类型，例如：构建tensor时 flow.tensor(shape, device="cuda:1")就会在内部构造出这个基础的Device类型，其中设备编号为1、设备类型为CUDA。

oneflow/core/framework/device.h：

class Device final { public:  ... private:  Device(const std::string& type, int64_t device_id);  Maybe<void> Init();  const std::string type_;  DeviceType enum_type_;  const int64_t device_id_;  const size_t hash_value_;  std::shared_ptr<MemoryCase> mem_case_;};

oneflow::Device中最重要的两个成员变量分别是用于表示设备类型的DeviceType；用于表示设备编号的device_id_。

DeviceType

DeviceType是一个枚举类，不同的值代表不同的计算设备类型，其定义位于 oneflow/core/common/device_type.proto：

enum DeviceType {  kInvalidDevice = 0;  // 无效设备  kCPU = 1;            // cpu设备  kCUDA = 2;           // cuda设备  kMockDevice = 3;     // pseudo device for test.}

目前在oneflow master分支中，主要有kCPU表示cpu设备；kCUDA表示nvidia cuda设备；在其他多设备支持的分支中，这里还增加了更多的设备类型。

oneflow::ep::Device

oneflow::Device是oneflow中对设备的基础封装类型，而oneflow::ep::Device则是一个抽象类，属于oneflow的ep模块（execution provider），是对设备行为的封装，ep模块为多硬件设备提供了更高层次的抽象，方便oneflow支持和兼容多硬件设备提供了更高的灵活性和可拓展性。

oneflow::ep::Device不仅提供了表示设备类型的device_type()方法、表示设备编号的device_index()方法，还提供了创建/销毁ep::Stream、创建/销毁Event、在设备上申请/释放内存的各种方法。

oneflow/core/ep/include/device.h：

class Device { public:  OF_DISALLOW_COPY_AND_MOVE(Device);  Device() = default;  virtual ~Device() = default;  virtual void SetAsActiveDevice() = 0;  virtual DeviceType device_type() const = 0;  virtual size_t device_index() const = 0;  virtual DeviceManager* device_manager() const = 0;  virtual Stream* CreateStream() = 0;  virtual void DestroyStream(Stream* stream) = 0;  virtual Event* CreateEvent();  virtual void DestroyEvent(Event* event);  virtual void CreateEvents(Event** events, size_t count) = 0;  virtual void DestroyEvents(Event** events, size_t count) = 0;  virtual Maybe<void> Alloc(const AllocationOptions& options, void** ptr, size_t size) = 0;  virtual void Free(const AllocationOptions& options, void* ptr) = 0;  virtual Maybe<void> AllocPinned(const AllocationOptions& options, void** ptr, size_t size) = 0;  virtual void FreePinned(const AllocationOptions& options, void* ptr) = 0;  virtual bool IsStreamOrderedMemoryAllocationSupported() const;};

oneflow::ep::Device有如下子类实现：

Stream相关类型

oneflow::Stream和cuda device以及stream的关系类似，oneflow中也存在类似的基础Stream类型。

oneflow/core/framework/stream.h：

class Stream final { .... private:  Stream(Symbol<Device> device, StreamType stream_type, size_t thread_uid);  static Maybe<Symbol<Stream>> RawNew(Symbol<Device> device, StreamType stream_type,                                      size_t thread_uid);  Maybe<void> Init(size_t unique_stream_id);  Symbol<Device> device_;  StreamType stream_type_;  size_t thread_uid_;  size_t unique_stream_id_;};

可以看见Stream类中的成员变量：

StreamType

和DeviceType分为kCpu和kCuda类似，Stream也有各种类型之分，具体如下：

oneflow/core/common/stream_type.h

enum class StreamType {    kInvalid = 0,    // 无效    kCompute,        // kernel计算流    kHost2Device,    // 数据搬运（host -> device）流    kDevice2Host,    // 数据搬运（device -> host）流    kCcl,            // 集合通信流    kBarrier,        // 线程屏障流    kCriticalSection,// 临界区流    kLazyJobLauncher,// job启动流（lazy mode）    kPinnedCompute   // pinned memory kernel计算流};

oneflow::ep::Stream

oneflow中的ep模块提供了一个更高层次的对Stream的抽象类，除了可以获取设备的device()、获取设备类型的device_type()方法外，还提供了一系列虚方法如：

oneflow/core/ep/include/stream.h：

class Stream { public:  OF_DISALLOW_COPY_AND_MOVE(Stream);  Stream() = default;  virtual ~Stream() = default;  virtual DeviceType device_type() const = 0;  virtual Device* device() const = 0;  virtual Maybe<void> Sync() = 0;  virtual void RecordEvent(Event* event) = 0;  virtual Maybe<void> GetAsyncError() { return Maybe<void>::Ok(); }  virtual Maybe<void> AllocAsync(void** ptr, size_t size) { UNIMPLEMENTED_THEN_RETURN(); }  virtual Maybe<void> FreeAsync(void* ptr) { UNIMPLEMENTED_THEN_RETURN(); }  template<typename T>  Maybe<void> AllocAsync(T** ptr, size_t size) {    return AllocAsync(reinterpret_cast<void**>(ptr), size);  }  virtual Maybe<void> OnExecutionContextSetup() { return Maybe<void>::Ok(); }  virtual Maybe<void> OnExecutionContextTeardown() { return Maybe<void>::Ok(); }  template<typename T>  T* As() {    return static_cast<T*>(this);  }};

oneflow::ep::Stream有如下子类实现：

oneflow::vm::Stream

oneflow vm（virtual machine）中的oneflow::vm::Stream类型，用于vm内部维护stream极其依赖关系、StreamPolicy、调度线程等。

oneflow/core/vm/stream.h：

class Stream final : public intrusive::Base { public:  ... private:  ...  // fields  ThreadCtx* thread_ctx_;  Symbol<Device> device_;  StreamType stream_type_;  std::shared_ptr<StreamPolicy> stream_policy_;  bool on_scheduler_thread_;  std::unique_ptr<char, std::function<void(char*)>> small_pinned_mem_ptr_;  ...};

StreamPolicy

StreamPolicy是oneflow vm中独有的概念，提供了一系列虚方法如：

除此之外，提供了一系列vm相关的指令状态初始化、查询、删除等方法。

oneflow/core/vm/stream_policy.h：

class StreamPolicy { public:  virtual ~StreamPolicy() = default;  virtual ep::Stream* stream() = 0;  virtual vm::Allocator* mut_allocator() = 0;  virtual DeviceType device_type() const = 0;  virtual void InitInstructionStatus(const Stream& stream,                                     InstructionStatusBuffer* status_buffer) const = 0;  virtual void DeleteInstructionStatus(const Stream& stream,                                       InstructionStatusBuffer* status_buffer) const = 0;  virtual bool QueryInstructionStatusLaunched(      const Stream& stream, const InstructionStatusBuffer& status_buffer) const = 0;  virtual bool QueryInstructionStatusDone(const Stream& stream,                                          const InstructionStatusBuffer& status_buffer) const = 0;  virtual bool OnSchedulerThread(StreamType stream_type) const;  virtual bool SupportingTransportInstructions() const = 0;  void RunIf(Instruction* instruction) const; protected:  StreamPolicy() = default; private:  virtual void Run(Instruction* instruction) const = 0;};

StreamPolicy有如下子类实现：

2

Eager Local模式下的Device和Stream推导

下面，梳理一下普通的eager模式（eager local mode）下，算子执行全过程中device和stream相关的推导流程。

2.1 推导Device

首先，对于一个算子（op）来说，要为其设置一个默认的device用于实际计算，这一步在：

Symbol<Device> default_device = JUST(GetDefaultDevice(inputs, ctx))

这里GetDefaultDevice的逻辑是：

值得说明的是，在1.种情况时，如果input tensor创建时指定了device为cuda设备，则这里推导出的default device同样为相同的cuda device；如果未显示指定，则默认还是cpu device。

2.2 推导Stream

oneflow::Stream的推导主要在：

InferDeviceAndStream中，Stream推导的逻辑是会根据user_op_expr是否定义了device_and_stream_infer_fn而有所区别

GetDefaultStreamByDevice的具体实现：

Maybe<Symbol<Stream>> RawGetDefaultStreamByDevice(Symbol<Device> device) {  return Stream::New(device, StreamType::kCompute);}

可以看见，根据传入的device、StreamType::kCompute，new了一个oneflow::Stream。

2.3 InstructionsBuilder::Call和vm::Stream推导

在上述device和stream推导完成后，会通过InstructionsBuilder调用Call方法：

JUST(PhysicalRun([&](InstructionsBuilder* builder) -> Maybe<void> {    return builder->Call(kernel, std::move(input_eager_blob_objects),                         std::move(output_eager_blob_objects), ctx, result->stream());}));

Call方法中会通过

完成outputs inputs tensor的流同步（SoftSyncStream）过程以及vm::Stream的推导，然后通过构造OpCallInstructionPolicy指令派发至vm执行。

SoftSyncStream的同步这里省略，具体过程见第4节。

2.3.1 构造 ThreadCtx 对象，启动执行指令的线程

ThreadCtx 对象指针保存在 VirtualMachine 的 HashMap中。每个 DeviceType（CPU或CUDA）对应一个 ThreadCtx 对象；临界区和 LazyJob有自己的 ThreadCtx 对象。

首次访问 HashMap时得到的是零值（空指针），需要调用 CreateThreadCtx创建对象。实际通过虚拟机指令创建对象，ThreadCtx 对象保存在 VirtualMachineEngine::thread_ctx_list_ 中。

ThreadCtx 对象构造后，会创建一个 worker 线程、执行 WorkerLoop 方法，并添加到 worker_threads_。所以 worker_threads_ 是与 ThreadCtx 对象一一对应的。

这个线程负责其所归属的指令的执行：

ThreadCtx创建完成后，将持有vm::Stream对象。oneflow::vm::Stream和oneflow::Stream的数量是一一对应的，vm::Stream 按照<DeviceType, StreamRole>分组存储在对应的 ThreadCtx 中。

vm::Stream的推导流程细节如下：

2.4 执行OpCall指令和ep::Stream推导

有几个场景会创建（获取） ep::Stream 对象。比如 kernel 执行时。

OpCall指令在构造时，指令策略类型是 OpCallInstructionPolicy。虚拟机在 DispatchInstruction 时，无论哪个分支，后续都会调用 EpStreamType::Run，最终通过

例如 GpuL2NormalizeKernel::Compute，最终在其kernel的Compute方法中，会通过ctx->stream()创建（获取）ep::Stream 对象，launch kernel 执行计算。

2.4.1 获取/创建ep::Stream

下面，我们重点看一下OpCall指令实际执行时，调用的OpCallInstructionUtil::Compute()方法：

static inline Maybe<void> Compute(OpCallInstructionPolicy* op_call_instruction_policy,                                    Instruction* instruction) {    Allocator* allocator = instruction->mut_stream()->mut_stream_policy()->mut_allocator();    JUST(AllocateOutputBlobsMemory(op_call_instruction_policy, allocator, instruction));    if (unlikely(op_call_instruction_policy->need_temp_storage())) {      JUST(TryAllocateTempStorage(op_call_instruction_policy, allocator));    }    ep::Stream* stream = instruction->mut_stream()->mut_stream_policy()->stream();    user_op::OpKernelState* state = nullptr;    user_op::OpKernelCache* cache = nullptr;    if (op_call_instruction_policy->user_opkernel()->has_state_or_cache()) {      TryInitOpKernelStateAndCache(op_call_instruction_policy, stream, &state, &cache);    }    OpKernelCompute(op_call_instruction_policy, stream, state, cache);    if (unlikely(op_call_instruction_policy->need_temp_storage())) {      DeallocateTempStorage(op_call_instruction_policy, allocator);    }    return Maybe<void>::Ok();  }

其中会通过ep::Stream* stream = instruction->mut_stream()->mut_stream_policy()->stream();完成ep::Stream的推导，之后在OpKernelCompute()方法中实际完成op/kernel的执行。

这里->stream()会调用ep_stream_policy_base.h中的：

ep::Stream* stream() override { return GetOrCreateEpStream(); }

这是一个private方法：

private:  ep::Stream* GetOrCreateEpStream() const {    if (unlikely(ep_stream_ == nullptr)) {      ep_stream_ = GetOrCreateEpDevice()->CreateStream();      CHECK(ep_stream_ != nullptr);    }    return ep_stream_;  }

可以看到，如果成员变量ep_stream_非空，则直接返回；否则，通过 ep_stream_ = GetOrCreateEpDevice()->CreateStream(); 来创建创建ep::Stream。

2.4.2 获取/创建ep::Device

而这里的GetOrCreateEpDevice方法如下：

ep::Device* GetOrCreateEpDevice() const {    if (unlikely(ep_device_ == nullptr)) {      ep_device_ = Singleton<ep::DeviceManagerRegistry>::Get()->GetDevice(device_->enum_type(),                                                                          device_->device_id());      CHECK(ep_device_);    }    return ep_device_.get();  }

根据oneflow::Device中拿到的device id和device type，去全局单例的ep::DeviceManagerRegistry中取出对应的oneflow::ep::Device

oneflow::vm::StreamPolicy和oneflow::vm::EpStreamPolicy推导

3

Eager Global模式下的Device和Stream推导

eager global模式下，device信息隐藏在placement中，placement不仅包括了device type信息还包括其tensor具体分布在哪些ranks上的信息，placement在 C++ 中的对应类型是 ParallelDesc。

所以device以及stream的部分推导过程和eager local模式下有所区别，但OpCall指令执行；device、vm::Stream和ep::Stream的推导过程都和eager local模式下是类似的。

3.1 推导Device

3.1.1 placement 的 parallel_id

oneflow中的placement表示tensor存放的设备集群（device group），如：p = flow.placement(type="cuda", ranks=[0, 1, 2, 3])表示tensor分布于1台机器上，cuda device 0、1、2、3四个设备上；p = flow.placement(type="cuda", ranks=[[0, 1], [2, 3]])则表示tensor分布于2台机器上，host1的device0、1以及host2的device2、3。

在 oneflow 的分布式环境下，各个 host 上需要有相同数量的device，每个进程使用一个device。这样根据环境变量 RANK可以得出 machine_id，LOCAL_RANK就是进程在 制定host 上的 rank序号。

如果 input tensor 的 placement 与当前进程无关，可以省掉很多不必要的计算。通过 placement 的 parallel_id 可以判断计算任务是否与当前进程相关。

placement在 C++ 中的对应类型是 ParallelDesc，其中并没有 parallel_id 字段，这个信息隐含在其它字段中。

ParallelDesc 在构造时会调用 ClearUp 函数，从中可以看到

3.1.2 eager 模式下根据 parallel_id 忽略无关计算任务

在 eager 分布时场景处理计算任务时，会调用GetTensorDevice4CurrentProcessCtx，推导得到输出tensor的device，以及获取当前进程的 machine_id、device_id 在 placement 中的 parallel_id 值。

如果当前进程与该 placement 无关，parallel_id 就是空，后续处理时就可以忽略一些计算：

3.2 推导Stream

在 ConsistentTensorInferCache中推导 SBP Signature 时，也会同时推导出当前的 tensor 计算任务、在当前进程所用的device。推导时，会先确认所有 inputs 的 placement 是一致的，都分布在相同的device上。如前所述，如果计算任务与当前进程无关，会提前返回；而一个进程只使用一个device。

这里和eager local模式下stream的推导类似，通过JUST(InferDeviceAndStream(user_op_expr, infer_args))推导出oneflow::Stream对象，StreamRole 是 kCompute。区别在于eager global模式下

3.2.1 unique_stream_id

unique_stream_id表示 oneflow::Stream对象的创建次序。所有的 oneflow::Stream对象都保存在全局的 StreamMgr::stream2unique_stream_id_ 中。unique_stream_id2stream_symbol_可看作是引用类型的副本，unique_stream_id就是 Stream 对象在这个数组中的索引。与 parallel_id 不同，unique_stream_id 是 Stream 对象在进程内的唯一标识。

并不是每次都需要加锁访问 StreamMgr。oneflow::Stream包含的都是描述性信息，其引用是以 ThreadLocal 的方式存储的，可以提升后续读取的效率。虚拟机在执行指令时，也会用 unique_stream_id 进行逻辑判断。

4

Eager模式下的Stream同步——SoftSyncStream

设想以下场景：将 CPU 下的 tensor 拷贝到 CUDA 设备，然后在 CUDA 上再进行 tensor add 的计算。这涉及到两个流，一个是 Host2Device，一个是 CUDA Compute。这两个流的计算任务是并发执行的。需要有同步措施，才能保证拷贝完再执行 add 计算。

Eager 模式下，在 InstructionsBuilder::Call中构造指令时，对 SoftSyncStream的调用会在必要时向指令列表插入同步指令。

SoftSyncStream中，几个重要概念：

SoftSyncStream代码如下：

Maybe<void> InstructionsBuilder::SoftSyncStream(const vm::EagerBlobObjectList& eager_blob_objects,                                                Symbol<Stream> stream) {  JUST(ForEachEagerBlobObjectsNeedingSoftSync(      eager_blob_objects, stream,      [&](Symbol<Stream> last_used_stream, auto&& dep_objects) -> Maybe<void> {        return SoftSyncStreamBetween(std::move(dep_objects), last_used_stream, stream);      }));  for (const auto& eager_blob_object : eager_blob_objects) {    eager_blob_object->set_last_used_stream(stream);  }  return Maybe<void>::Ok();}

主体逻辑是，会在ForEachEagerBlobObjectsNeedingSoftSync方法中遍历每一个tensor对象（eager blob object），对于每一个需要同步的blob运用lambda方法并最终调用SoftSyncStreamBetween完成stream间的同步。

这里，我们看一下ForEachEagerBlobObjectsNeedingSoftSync的逻辑：

首先if/else的主体业务逻辑是类似的，主要区别在于，当blob的size <= kOpArgsReservedSize时（默认为4）会使用small vector来存放LocalDepObject变量，效率会更快一些（否则会走到else分支，主体逻辑类似，这里就不看了）。

这两句是查询该tensor(blob)上一次被使用时用到的stream——last_used_stream，如果为空，则直接continue跳过，因为如果此tensor之前并未被任何stream使用，则无需进行stream间的同步操作，因为在当前stream上不会有关于该tensor的其他依赖关系；

if (last_used_stream != stream) {    small_vector<intrusive::shared_ptr<LocalDepObject>, kOpArgsReservedSize> dep_objects{        intrusive::shared_ptr<LocalDepObject>(            JUST(eager_blob_object->compute_local_dep_object()))};    JUST(DoEach(last_used_stream, std::move(dep_objects)));  }

如果last_used_stream!=stream则表示需要在两个stream间进行同步，则会应用传入的lambda函数DoEach进行处理，在这里lambda函数即：

[&](Symbol<Stream> last_used_stream, auto&& dep_objects) -> Maybe<void> {    return SoftSyncStreamBetween(std::move(dep_objects), last_used_stream, stream);  }));

既实际调用的是SoftSyncStreamBetween来完成实际的stream间同步，这里主要有3个变量：

SoftSyncStreamBetween的代码如下：

Maybe<void> InstructionsBuilder::SoftSyncStreamBetween(    small_vector<intrusive::shared_ptr<LocalDepObject>, kOpArgsReservedSize>&& dependences,    Symbol<Stream> from_stream, Symbol<Stream> to_stream) {  CHECK(from_stream != to_stream) << "synchronization is unnecessary";  if (SupportingStreamWait(from_stream, to_stream)) {    JUST(StreamWait(std::move(dependences), from_stream, to_stream));  } else {    JUST(RecordEvent(std::move(dependences), from_stream));  }  return Maybe<void>::Ok();}

SoftSyncStreamBetween的主要逻辑如下：

SupportingStreamWait为True

SupportingStreamWait为True时，即from to stream同为Cuda Stream间的同步情况，在这种情况下会走到StreamWait的函数，该函数最终会派发一个StreamWaitEventInstructionPolicy的指令给vm执行，StreamWaitEventInstructionPolicy的执行逻辑主要是两个cuda event：

SupportingStreamWait为False

SupportingStreamWait为False时，会直接调用JUST(RecordEvent(std::move(dependences), from_stream)); 其内部实现会从对象池中获取可复用的cuda event对象并执行event。

实际上最终调用的还是cudaEventRecord，而cudaEventRecord本身只是起到一个“占位符”的作用，并不能起到（保证该stream上其他kernel全部执行完）的作用，真正能保证stream同步作用的是oneflow vm（vitual machine）控制下的指令间依赖关系/执行顺序。

5

CPU 下的并行计算

CpuStream 只有一个线程。CPU kernel 应该是通过 OpenMP 或者 Intel OneApi 等实现并行计算加速。

参考资料

1.https://github.com/Oneflow-Inc/oneflow/tree/845595e2c0abc3d384ff047e188295afdc41faaa

欢迎 Star、试用 OneFlow 最新版本：

https://github.com/Oneflow-Inc/oneflow/

关键词：