大家读完觉得有意义记得关注和点赞！！！
- 1 术语
- 1.1 与 NVIDIA 术语对应关系
- 1.2 缩写
- 2 产品与机器
- 2.1 GPU 产品
- 2.2 训练机器
- 底座 CPU
- 功耗
- 操作系统
- 2.3 性能
- 3 实探：鲲鹏底座 8*910B GPU 主机
- 3.1 CPU
- 3.2 网卡和网络
- 3.3 GPU 信息
- 3.3.1 GPU 卡间互连：HCCS
- 3.3.2 GPU/Memory 使用率
- 3.4 Linux 设备
- 4 容器相关
- 参考资料
1 术语
1.1 与 NVIDIA 术语对应关系
大部分人目前还是对 NVIDIA GPU 更熟悉，所以先做一个大致对照，方便快速了解华为 GPU 产品和生态：
| NVIDIA | HUAWEI | 功能 |
|---|---|---|
| GPU | NPU/GPU | 通用并行处理器 |
| NVLINK | HCCS | GPU 卡间高速互连技术 |
| InfiniBand | HCCN | RDMA 产品/工具 |
nvidia-smi | npu-smi | GPU 命令行工具 |
| CUDA | CANN | GPU 编程库 |
| DCGM | DCMI | GPU 底层编程库/接口，例如采集监控信息 |
说明：华为很多地方混用术语 NPU 和 GPU，为简单起见，本文统称为 GPU。
1.2 缩写
- NPU: Neural-network Processing Unit
- HCCS: Huawei Cache Coherence System
- HCCN: Huawei Cache Coherence Network
- CANN: Huawei compute Architecture for Neural Networks
-
DCMI: DaVinci Card Management Interface参考下 NVIDIA 一张图，看下 DCGM/DCMI 在软件栈中的位置：
NVIDIA nswitch software stack
2 产品与机器
2.1 GPU 产品
- 训练：昇腾 910B，对标 NVIDIA
A100/A800，算力对比； - 推理：Atlas 300 系列，对标 NVIDIA T4；
2.2 训练机器
底座 CPU
根据 CPU 不同分为两种：
-
x86 底座
- 客户需要适配的工作量小一些；
-
arm 底座：鲲鹏系列
- 华为云上一般提供的是这种
- 功耗低，叠加液冷，可以实现比常规 NVIDIA 服务器更好的“性能/功耗”比；
功耗
16 卡昇腾 910B 训练机器，8U，功耗对比：
- X86: 12KW
- ARM: 4.5KW
操作系统
华为默认是自家的欧拉操作系统 EulerOS（基于 CentOS），
$ cat /etc/os-release
EulerOS release 2.0 (SP10)
NAME="EulerOS"
VERSION="2.0 (SP10)"
ID="euleros"
VERSION_ID="2.0"
PRETTY_NAME="EulerOS 2.0 (SP10)"
ANSI_COLOR="0;31"
2.3 性能
一些公开信息：
- 算力指标基本对齐
NVIDIA A800，卡间互联带宽还有差距； - 科大讯飞称和华为联合优化之后，在他们的场景中已经达到 A100 的性能；
910B 的官方公开信息比较少，但上一代 910 是发了 paper 的，想了解内部细节（例如 HCCS）的可参考 [2]。
3 实探：鲲鹏底座 8*910B GPU 主机
8 卡训练机器配置，来自华为云环境：
- 机型: physical.kat2ne.48xlarge.8.ei.pod101
- CPU:
Kunpeng 920(4*48Core@2.6GHz)，ARM 架构，192核 - 内存:
24*64GBDDR4 - 网卡:
2*100G + 8*200G - 浸没式液冷
3.1 CPU
$ cat /proc/cpuinfo
...
processor : 191
BogoMIPS : 200.00
Features : fp asimd evtstrm aes pmull sha1 sha2 crc32 atomics fphp asimdhp cpuid asimdrdm jscvt fcma dcpop asimddp asimdfhm ssbs
CPU implementer : 0x48 # <-- ARM_CPU_IMP_HISI
CPU architecture: 8
CPU variant : 0x1
CPU part : 0xd01
CPU revision : 0
CPU implementer 是 CPU 厂商， ARM 架构的完整列表见内核源码 arch/arm64/include/asm/cputype.h， 其中 0x48 对应的是华为海思。
3.2 网卡和网络
网卡：
$ ip addr # 输出有精简
2: enp67s0f5: <BROADCAST,MULTICAST,UP,LOWER_UP> mtu 1500 qdisc mq state UP group default qlen 1000inet 192.168.0.128/24 brd 192.168.0.255 scope global dynamic noprefixroute enp67s0f5
3: enp189s0f0: <NO-CARRIER,BROADCAST,MULTICAST,UP> mtu 1500 qdisc fq_codel state DOWN group default qlen 1000
4: enp189s0f1: <NO-CARRIER,BROADCAST,MULTICAST,UP> mtu 1500 qdisc fq_codel state DOWN group default qlen 1000
5: enp189s0f2: <NO-CARRIER,BROADCAST,MULTICAST,UP> mtu 1500 qdisc fq_codel state DOWN group default qlen 1000
6: enp189s0f3: <NO-CARRIER,BROADCAST,MULTICAST,UP> mtu 1500 qdisc fq_codel state DOWN group default qlen 1000
看到只有网卡 2 上配置了 IP 地址。3~6 是 RDMA 网卡，需要用华为的 RDMA 命令行工具 hccn_tool 来查看和修改配置：
$ hccn_tool -i 3 -status -g # 相当于 ethtool <eth NIC>
Netdev status:Settings for eth3:Supported ports: [ Backplane ]Supported link modes: 1000baseKX/Full...100000baseKR4/FullSupported pause frame use: SymmetricSupports auto-negotiation: NoSupported FEC modes: None RSAdvertised link modes: Not reportedSpeed: 200000Mb/s # <-- 200Gbps 网卡...
查看一些硬件统计：
$ hccn_tool -i 3 -hw_stats -g
[devid 3] pd_alloc: 1
[devid 3] pd_dealloc: 0
[devid 3] mr_alloc: 0
[devid 3] mr_dealloc: 0
[devid 3] cq_alloc: 1
[devid 3] cq_dealloc: 0
[devid 3] qp_alloc: 1
[devid 3] qp_dealloc: 0
[devid 3] pd_active: 1
[devid 3] mr_active: 0
[devid 3] cq_active: 1
[devid 3] qp_active: 1
[devid 3] aeqe: 0
[devid 3] ceqe: 0
查看 LLDP 信息（直连的交换机）：
$ hccn_tool -i 3 -lldp -g # 类似以太网中的 lldpctl/lldpcli
Chassis ID TLVMAC: ...
Port ID TLVIfname: 400GE1/1/20:2
System Description TLVVersatile Routing Platform Software
VRP (R) software, Version 8.211 (DX511 V200R021C10SPC600)Huarong DX511System Capabilities TLVEnabled capabilities: Bridge, Router
Management Address TLVIPv4: 26.xx.xx.xx
...
Maximum Frame Size TLV9216
End of LLDPDU TLV
查看网卡的 IP 地址和路由：
$ hccn_tool -i 3 -ip -g
ipaddr:29.1.112.213
netmask:255.255.0.0$ hccn_tool -i 3 -route -g
Routing table:
Destination Gateway Genmask Flags Metric Ref Use Iface
default 29.1.0.1 0.0.0.0 UG 0 0 0 eth3
29.1.0.0 * 255.255.0.0 U 0 0 0 eth3
127.0.0.1 * 255.255.255.255 UH 0 0 0 lo
192.168.1.0 * 255.255.255.0 U 0 0 0 end3v0
192.168.2.0 * 255.255.255.0 U 0 0 0 end3v0
RDMA 网卡的启动配置其实在配置文件，
$ cat /etc/hccn.conf # RDMA 网卡 0-7 的配置
address_0=29.1.137.205
netmask_0=255.255.0.0
netdetect_0=29.1.0.1
gateway_0=29.1.0.1
send_arp_status_0=1
...
address_7=29.1.170.143
netmask_7=255.255.0.0
netdetect_7=29.1.0.1
gateway_7=29.1.0.1
send_arp_status_7=1
RDMA ping：
$ hccn_tool -i 3 -ping -g address 29.1.137.205
device 3 PING 29.1.137.205
recv seq=0,time=1.418000ms
recv seq=1,time=0.034000ms
recv seq=2,time=0.040000ms
3 packets transmitted, 3 received, 0.00% packet loss
3.3 GPU 信息
$ npu-smi info
+------------------------------------------------------------------------------------------------+
| npu-smi 23.0.rc2 Version: 23.0.rc2 |
+---------------------------+---------------+----------------------------------------------------+
| NPU Name | Health | Power(W) Temp(C) Hugepages-Usage(page)|
| Chip | Bus-Id | AICore(%) Memory-Usage(MB) HBM-Usage(MB) |
+===========================+===============+====================================================+
| 0 910B1 | OK | 88.4 46 0 / 0 |
| 0 | 0000:C1:00.0 | 0 0 / 0 4175 / 65536 |
+===========================+===============+====================================================+
| 1 910B1 | OK | 92.1 47 0 / 0 |
| 0 | 0000:01:00.0 | 0 0 / 0 4175 / 65536 |
+===========================+===============+====================================================+
...
+===========================+===============+====================================================+
| 7 910B1 | OK | 92.7 48 0 / 0 |
| 0 | 0000:42:00.0 | 0 0 / 0 4174 / 65536 |
+===========================+===============+====================================================+
- GPU 型号 910B1
- 64GB HBM 显存
$ npu-smi info -h
Usage: npu-smi info <watch|proc|-h|-m|-l|-t type> [Options...]Commands:watch Show all device's status in scrolling formatproc Show device's matrix process status in scrolling format-h, --help Show this help text and exit-m Show all device's mapping information-l Show all device's topology information-t type Show information for typetype: board, flash, memory, usages, sensors, temp, power, volt, mac-addr,common, health, product, ecc, ip, sys-time, i2c_check, work-mode,ecc-enable, p2p-enable, ssh-enable, license, customized-info,device-share, nve-level, aicpu-config, pcie-err, mcu-monitor,err-count, boot-area, vnpu-mode, info-vnpu, vnpu-svm, cpu-num-cfg,first-power-on-date, proc-mem, phyid-remap, vnpu-cfg-recover, key-manage,template-info, pkcs-enable, p2p-mem-cfg, pwm-mode, pwm-duty-ratio,boot-select, topo.Options:-i %d Card ID-c %d Chip ID-p %d Chip Physical ID
3.3.1 GPU 卡间互连：HCCS
角色类似于 NVIDIA NVLink。
$ npu-smi info -t topo
NPU0 NPU1 NPU2 NPU3 NPU4 NPU5 NPU6 NPU7 CPU Affinity
NPU0 X HCCS HCCS HCCS HCCS HCCS HCCS HCCS 144-167
NPU1 HCCS X HCCS HCCS HCCS HCCS HCCS HCCS 0-23
NPU2 HCCS HCCS X HCCS HCCS HCCS HCCS HCCS 144-167
NPU3 HCCS HCCS HCCS X HCCS HCCS HCCS HCCS 0-23
NPU4 HCCS HCCS HCCS HCCS X HCCS HCCS HCCS 96-119
NPU5 HCCS HCCS HCCS HCCS HCCS X HCCS HCCS 48-71
NPU6 HCCS HCCS HCCS HCCS HCCS HCCS X HCCS 96-119
NPU7 HCCS HCCS HCCS HCCS HCCS HCCS HCCS X 48-71Legend:X = SelfSYS = Path traversing PCIe and NUMA nodes. Nodes are connected through SMP, such as QPI, UPI.PHB = Path traversing PCIe and the PCIe host bridge of a CPU.PIX = Path traversing a single PCIe switchPXB = Path traversing multipul PCIe switchesHCCS = Connection traversing HCCS.
很多资料都说 910B 的卡间互连带宽是 392GB/s，看起来跟 A800 的 400GB/s 差不多了， 但其实还是有区别的，主要是互连拓扑不同导致的，详见 [1]。
3.3.2 GPU/Memory 使用率
第一个 chip 的利用率：
$ npu-smi info -t usages -i 0NPU ID : 0Chip Count : 1DDR Capacity(MB) : 0DDR Usage Rate(%) : 0DDR Hugepages Total(page) : 0DDR Hugepages Usage Rate(%) : 0HBM Capacity(MB) : 65536HBM Usage Rate(%) : 4Aicore Usage Rate(%) : 0Aivector Usage Rate(%) : 0Aicpu Usage Rate(%) : 0Ctrlcpu Usage Rate(%) : 0DDR Bandwidth Usage Rate(%) : 0HBM Bandwidth Usage Rate(%) : 0Chip ID : 0
第二个 chip 的常规利用率信息：
$ npu-smi info -t common -i 1NPU ID : 1Chip Count : 1Chip ID : 0Memory Usage Rate(%) : 0HBM Usage Rate(%) : 4Aicore Usage Rate(%) : 0Aicore Freq(MHZ) : 1800Aicore curFreq(MHZ) : 800Aicore Count : 24Temperature(C) : 46NPU Real-time Power(W) : 93.4Chip Name : mcuTemperature(C) : 38
3.4 Linux 设备
8 张 910B GPU 及一个管理设备：
$ ls /dev/davinci*
/dev/davinci0 /dev/davinci1 /dev/davinci2 /dev/davinci3 /dev/davinci4 /dev/davinci5 /dev/davinci6 /dev/davinci7 /dev/davinci_manager
davinci 是华为 GPU/NPU 的架构名，更多信息见下一篇 GPU 进阶笔记（三）：华为 NPU (GPU) 演进（2024）。 还有两个设备比较重要：
$ ll /dev/hisi_hdc # HDC-related management device
crw-rw---- 1 HwHiAiUser HwHiAiUser 237, 0 /dev/hisi_hdc$ ll /dev/devmm_svm # Memory-related management device
crw-rw---- 1 HwHiAiUser HwHiAiUser 238, 0 /dev/devmm_svm
4 容器相关
docker 配置：
$ cat /etc/docker/daemon.json
{"runtimes": {"ascend": {"path": "/usr/local/Ascend/Ascend-Docker-Runtime/ascend-docker-runtime","runtimeArgs": []}},"default-shm-size": "8G","default-runtime": "ascend"
}
然后 docker run 可以直接启动容器，挂载必要的设备、驱动等等：
$ sudo docker run -itd --cap-add=SYS_PTRACE --net=host --shm-size="32g" \--device=/dev/davinci0 --device=/dev/davinci1 --device=/dev/davinci2 \--device=/dev/davinci3 --device=/dev/davinci4 --device=/dev/davinci5 \--device=/dev/davinci6 --device=/dev/davinci7 \--device=/dev/davinci_manager \--device=/dev/devmm_svm \--device=/dev/hisi_hdc \-v /usr/local/dcmi:/usr/local/dcmi \-v /usr/local/Ascend/driver:/usr/local/Ascend/driver \-v /usr/local/bin/npu-smi:/usr/local/bin/npu-smi \--name <name> <image> /bin/bash
$ ls /usr/local/dcmi/
dcmi_interface_api.h libdcmi.so
用 k8s 部署 pod 目前问题会比较多。
参考资料
- GPU Performance (Data Sheets) Quick Reference (2023)
- Ascend: a Scalable and Unified Architecture for Ubiquitous Deep Neural Network Computing, HPCA, 2021
- Introduction to the npu-smi Command, huawei.com, 2023
- Host Directories Mounted to a Container, huawei.com, 2024
