PyTorch 分布式操作之 Barrier

原始文档：https://www.yuque.com/lart/ugkv9f/gy7sva

关于 barrier 的概念

关于 barrier 这个概念可以参考 Wiki 中的介绍：同步屏障(Barrier)是并行计算中的一种同步方法。对于一群进程或线程，程序中的一个同步屏障意味着任何线程/进程执行到此后必须等待，直到所有线程/进程都到达此点才可继续执行下文。

这里要注意，barrier 这一方法并不是 pytorch 独有的，这是并行计算中的一个基本概念，其他的并行计算的场景下也可能会涉及这一概念和操作。本文主要讨论 pytorch 中的情况。

torch.distributed.barrier(group=None, async_op=False, device_ids=None)Synchronizes all processes.This collective blocks processes until the whole group enters this function, if async_op is False, or if async work handle is called on wait().Parameters
group (ProcessGroup, optional) – The process group to work on. If None, the default process group will be used.
async_op (bool, optional) – Whether this op should be an async op
device_ids ([int], optional) – List of device/GPU ids. Valid only for NCCL backend.Returns
Async work handle, if async_op is set to True. None, if not async_op or if not part of the group

在多卡训练的时候，由于不同的 GPU 往往被设定在不同的进程中，有时候为了在单独的进程中执行一些任务，但是又同时希望限制其他进程的执行进度，就有了使用barrier的需求。
一个实际的场景是准备数据集：我们只需要在 0 号进程处理，其他进程没必要也执行这一任务，但是其他进程的后续工作却依赖准备好的数据。于是就需要在 0 号进程执行过程中阻塞其他的进程，使其进入等待状态。等到处理好之后，再一起放行。

这种需求下，一个典型的基于上下文管理器形式的构造如下：

# https://github.com/ultralytics/yolov5/blob/7d56d451241e94cd9dbe4fcb9bfba0e92c6e0e23/utils/torch_utils.py#L29-L38@contextmanager
def torch_distributed_zero_first(local_rank: int):"""Decorator to make all processes in distributed trainingwait for each local_master to do something."""if local_rank not in [-1, 0]:dist.barrier(device_ids=[local_rank])yieldif local_rank == 0:dist.barrier(device_ids=[0])

关于 barrier 的细节

# -*- coding: utf-8 -*-import os
import timeimport torch.distributed as dist
import torch.multiprocessing as mpdef ddp_test_v0(local_rank, word_size):# Initializes the distributed backend which will take care of sychronizing nodes/GPUsdist.init_process_group(backend="nccl", world_size=word_size, rank=local_rank)print("first before barrier{}\n".format(local_rank))if local_rank != 0:dist.barrier()print("first after barrier{}\n".format(local_rank))print("inter {}".format(local_rank))print("second before barrier{}\n".format(local_rank))if local_rank == 0:dist.barrier()print("second after barrier{}\n".format(local_rank))print("{} exit".format(local_rank))def ddp_test_v1(local_rank, word_size):# Initializes the distributed backend which will take care of synchronizing nodes/GPUsdist.init_process_group(backend="nccl", world_size=word_size, rank=local_rank)if local_rank != 0:print("1 before barrier{}\n".format(local_rank))start = time.time()time.sleep(5)dist.barrier()print(time.time() - start)print("1 after barrier{}\n".format(local_rank))dist.barrier()print("1 after barrier{}\n".format(local_rank))else:print("0 before barrier{}\n".format(local_rank))start = time.time()dist.barrier()print(time.time() - start)print("0 after barrier{}\n".format(local_rank))print("0 after barrier{}\n".format(local_rank))dist.barrier()print("0 after barrier{}\n".format(local_rank))print("{} exit".format(local_rank))def main():world_size = 2os.environ["MASTER_ADDR"] = "127.0.0.1"os.environ["MASTER_PORT"] = "29500"mp.spawn(ddp_test_v0, args=(world_size,), nprocs=world_size, join=True)if __name__ == "__main__":main()

这里展示了两个例子，实际上在官方展示的 dist.barrier 之外显示了该方法的一个重要特性，就是其操作实际上是每一个进程内部都需要对应的执行同样的次数，才会对应的由阻塞变为正常运行。
先看第一个例子：

def ddp_test(local_rank, word_size):# Initializes the distributed backend which will take care of sychronizing nodes/GPUsdist.init_process_group(backend="nccl", world_size=word_size, rank=local_rank)print("first before barrier{}\n".format(local_rank))if local_rank != 0:dist.barrier()print("first after barrier{}\n".format(local_rank))print("inter {}".format(local_rank))print("second before barrier{}\n".format(local_rank))if local_rank == 0:dist.barrier()print("second after barrier{}\n".format(local_rank))print("{} exit".format(local_rank))

其输出是：

first before barrier1
first before barrier0first after barrier0inter 0
second before barrier0second after barrier00 exit
first after barrier1inter 1
second before barrier1second after barrier11 exitProcess finished with exit code 0

可以看到，有几个细节：

barrier 之前，所有的操作都是各 GPU 进程自己输出自己的。
- 由于 local_rank=0 执行到自己可见的 barrier 中间会输出多个，而 local_rank=1 则只有一条 first before barrier1 。
second before barrier0 之后，0 号执行到了属于自己的 barrier ，这回让使得其他进程不再阻塞，开始正常运行。由于中间操作的时间，所以先是 0 号输出自己的 second after barrier0 并随之退出，之后 1 号也接着开始输出自己的结果。

这里有一点值得注意，不同进程的 barrier 实际上是互相对应的，必须所有进程都执行一次barrier，才会重新放行正常前进。
对于第二段代码：

def ddp_test_v1(local_rank, word_size):# Initializes the distributed backend which will take care of sychronizing nodes/GPUsdist.init_process_group(backend="nccl", world_size=word_size, rank=local_rank)if local_rank != 0:print("1 before barrier{}\n".format(local_rank))start = time.time()time.sleep(5)dist.barrier()print(time.time() - start)print("1 after barrier{}\n".format(local_rank))dist.barrier()print("1 after barrier{}\n".format(local_rank))else:print("0 before barrier{}\n".format(local_rank))start = time.time()dist.barrier()print(time.time() - start)print("0 after barrier{}\n".format(local_rank))print("0 after barrier{}\n".format(local_rank))dist.barrier()print("0 after barrier{}\n".format(local_rank))print("{} exit".format(local_rank))

则是有输出：

1 before barrier1
0 before barrier05.002117395401001
5.0021262168884281 after barrier10 after barrier00 after barrier00 after barrier00 exit
1 after barrier11 exitProcess finished with exit code 0

可以看到一个重要的点，就是这两处 print(time.time() - start) 的输出是基本一样的，不管前面延时多少， barrier 后面的时间都是按照最长到达并执行 barrier 的间隔时间来的。这个更体现了不同进程 barrier 之间的互相限制关系。而 0 到达自己的第二个 barrier 之后，会使得 1 号再次运行。但是此时 0 是先结束的。
另外，可以验证，如果某个编号对应的代码中的两个 barrier 之中的一个，那么另一个就会陷入无限等待之中。
例如：


def ddp_test_v1(local_rank, word_size):# Initializes the distributed backend which will take care of sychronizing nodes/GPUsdist.init_process_group(backend="nccl", world_size=word_size, rank=local_rank)if local_rank != 0:print("1 before barrier{}\n".format(local_rank))start = time.time()time.sleep(5)dist.barrier()print(time.time() - start)print("1 after barrier{}\n".format(local_rank))# dist.barrier()print("1 after barrier{}\n".format(local_rank))else:print("0 before barrier{}\n".format(local_rank))start = time.time()time.sleep(3)dist.barrier()print(time.time() - start)print("0 after barrier{}\n".format(local_rank))print("0 after barrier{}\n".format(local_rank))dist.barrier()print("0 after barrier{}\n".format(local_rank))print("{} exit".format(local_rank))

输出：

0 before barrier0
1 before barrier15.002458572387695
1 after barrier11 after barrier11 exit
5.002473831176758
0 after barrier00 after barrier0Traceback (most recent call last):File "/home/lart/Coding/SODBetterProj/tools/dist_experiment_test.py", line 67, in <module>main()File "/home/lart/Coding/SODBetterProj/tools/dist_experiment_test.py", line 63, in mainmp.spawn(ddp_test_v1, args=(world_size,), nprocs=world_size, join=True)File "/home/lart/miniconda3/envs/pt17/lib/python3.8/site-packages/torch/multiprocessing/spawn.py", line 199, in spawnreturn start_processes(fn, args, nprocs, join, daemon, start_method='spawn')File "/home/lart/miniconda3/envs/pt17/lib/python3.8/site-packages/torch/multiprocessing/spawn.py", line 157, in start_processeswhile not context.join():File "/home/lart/miniconda3/envs/pt17/lib/python3.8/site-packages/torch/multiprocessing/spawn.py", line 75, in joinready = multiprocessing.connection.wait(File "/home/lart/miniconda3/envs/pt17/lib/python3.8/multiprocessing/connection.py", line 931, in waitready = selector.select(timeout)File "/home/lart/miniconda3/envs/pt17/lib/python3.8/selectors.py", line 415, in selectfd_event_list = self._selector.poll(timeout)
KeyboardInterruptProcess finished with exit code 137 (interrupted by signal 9: SIGKILL)

会在第二个 barrier 处无限等待下去。
这一特点在这个回答中也被提到了：

when a process encounters a barrier it will block the position of the barrier is not important (not all processes have to enter the same if-statement, for instance) a process is blocked by a barrier until all processes have encountered a barrier, upon which the barrier is lifted for all processes

https://stackoverflow.com/a/59766443

重要的参考资料

[原创][深度][PyTorch] DDP 系列
- 第一篇：https://zhuanlan.zhihu.com/p/178402798
- 第二篇：https://zhuanlan.zhihu.com/p/187610959
- 第三篇：https://zhuanlan.zhihu.com/p/250471767
PyTorch 单机多 GPU 训练方法与原理整理
- https://github.com/jia-zhuang/pytorch-multi-gpu-training
Pytorch 分布式训练（图示非常友好）
- https://zhuanlan.zhihu.com/p/76638962
Distribution is all you need（丰富全面）
- https://github.com/tczhangzhi/pytorch-distributed

另外的话

欢迎关注我的公众号，文章更新提醒更及时哦：

PyTorch之分布式操作中的Barrier相关推荐

简单介绍pytorch中分布式训练DDP使用 (结合实例，快速入门)
文章目录 DDP原理 pytorch中DDP使用相关的概念使用流程如何启动 torch.distributed.launch spawn调用方式针对实例voxceleb_trainer多卡介绍 ...
pytorch GPU分布式训练单机单卡、单机多卡
可以用"watch -n 0.1 nvidia-smi"来查看gpu状态,我用的是3块12G的GPU进行实验本实验将使用一个简单的瞎写的网络进行,网络训练一个分类任务,当然这个不 ...
PyTorch 源码解读之分布式训练了解一下？
来源丨商汤学术编辑丨极市平台本文由浅入深讲解 torch.distributed 这一并行计算包的概念,实现细节和应用方式,并带大家快速入门 PyTorch 分布式训练. 0 前言由于大规模 ...
[深度学习] 分布式Pytorch介绍（三）
[深度学习] 分布式模式介绍(一) [深度学习] 分布式Tensorflow介绍(二) [深度学习] 分布式Pytorch介绍(三) [深度学习] 分布式Horovod介绍(四) 一 Pytorc ...
分布式训练PyTorch 源码解读
点上方计算机视觉联盟获取更多干货仅作学术分享,不代表本公众号立场,侵权联系删除转载于:商汤 AI博士笔记系列推荐周志华<机器学习>手推笔记正式开源!可打印版本附pdf下载链接 0 前 ...
Pytorch - 分布式通信原语（附源码）
前言由于工作需要,最近在补充分布式训练方面的知识.经过一番理论学习后仍觉得意犹未尽,很多知识点无法准确get到(例如:分布式原语scatter.all reduce等代码层面应该是什么样的,ring ...
pytorch默认初始化_“最全PyTorch分布式教程”来了！
前言本文对使用pytorch进行分布式训练(单机多卡)的过程进行了详细的介绍,附加实际代码,希望可以给正在看的你提供帮助.本文分三个部分展开,分别是: 先验知识使用过程框架代码解析若想学习分布 ...
PyTorch单机多卡分布式训练教程及代码示例
导师不是很懂PyTorch的分布式训练流程,我就做了个PyTorch单机多卡的分布式训练介绍,但是他觉得我做的没这篇好PyTorch分布式训练简明教程 - 知乎.这篇讲的确实很好,不过我感觉我做的也还 ...
Pytorch - 分布式训练极简体验
由于工作需要,最近在补充分布式训练方面的知识.经过一番理论学习后仍觉得意犹未尽,很多知识点无法准确get到(例如:分布式原语scatter.all reduce等代码层面应该是什么样的,ring al ...

PyTorch之分布式操作中的Barrier