如何提升程序抢占内存带宽的能力？

[xuegy]

本人是做科学计算的，简单来说就是解几百万几千万的大型稀疏矩阵。计算的性质决定了 Cache 命中率不会高。实际使用中，CPU 几乎很难达到瓶颈，运行速度基本与系统总内存带宽成正比。

最近在用超算的时候发现一个非常棘手的问题：内存带宽抢不过那些炼丹的。例如一台双路服务器有 24 个核，实际分配是 22 个核心给 CPU 任务，2 个核心给 GPU 任务。然而炼丹的抢内存带宽效率奇高。假如那台服务器碰巧有人在炼丹，我的计算速度几乎会减半，也就是说我用 22 个核心抢占内存带宽的速度和炼丹的 2 个核心差不多。但是超算的“价格”是按 CPU 核心 x 时间计算的，我消耗了 22 份的资源却只得到了 12 份的性能，实在是不太公平。

我这里没有贬低炼丹的意思，GPU 计算本身没有问题，我只是想提升自己程序抢占内存带宽的能力，得到我付出的“价格”应得的性能。

其实以前是没有这种破事的。就这两年炼丹火了以后，很多超算都单独划出来一两个核心给炼丹的用。可能系统管理员自以为提高了节点的利用率，但这实际上是个零和游戏。

[bbyan2006]

关注。关注

[Kagari]

是不是还有一种可能，你和炼丹的速度都减半了

[liprais]

把你的数据文件锁在内存里面

[xuegy]

@Kagari 但是我花了 22 份 SU 拿到了 12 份内存带宽。炼丹的花了 2 份 SU 也拿到了 12 份内存带宽，凭什么啊？

[lithiumii]

跟卖服务器的聊聊，让他们改成按内存带宽收费？

[Yc1992]

开 root 把炼丹程序 kill 掉

[0TSH60F7J2rVkg8t]

弱弱问一句，啥是炼丹的程序啊？

[zckevin]

想到了 https://en.wikipedia.org/wiki/Row_hammer

[xuegy]

@zckevin 大概看了一下，对 ECC 无效啊

[noqwerty]

把你的数据文件都放到 /dev/shm 下面？

[zckevin]

@xuegy 没有，只是看到你的问题想到而已。似乎现在的 kernel 是无法对内存带宽做限制的，而且两个频繁 cache miss 访存的应用，除非把另一个干掉，不然注定是会达到各自占用一半带宽的均衡状态吧。我感觉稍微靠谱的方法应该是给 sysadmin 写邮件去商量。

[f165af34d4830eeb]

实在不行找老板申请买服务器吧，有经费就拿来花嘛，何必跟自己过不去呢。

[xuegy]

@f165af34d4830eeb 超算是我们写 proposal 申请来的，都没花钱，为啥要自己买...

[czfy]

@ahhui 机器学习

[hitmanx]

这事应该向服务器提供商去询问，而不是你自己去想办法。
你是他的客户，甚至是大客户，你花了 22 份的钱，炼丹的只花了 2 份的钱，他不会为了这些“添头”失去大客户的

[f165af34d4830eeb]

@xuegy 你要用超算那就得和别人挤嘛，毕竟超算是共享的，组里不差钱搞个好点的机器又不是不行。

[f165af34d4830eeb]

或者用纯 cpu 节点的超算？这样就不担心有炼丹佬抢你们 cpu 了

[f165af34d4830eeb]

@hitmanx 我猜是学校或者研究所的机器，学生没话语权，管理员才不管这些事

[xuegy]

@f165af34d4830eeb 可以认为是学校的机器吧，不过管理员想管也管不了啊。我还从来没听说过有什么东西能限制进程访问内存占用带宽的，只能从自己这想办法了。

[xuegy]

@f165af34d4830eeb 纯 CPU 的节点，随着这一波 Xeon 换 EPYC 的大潮，基本快要绝迹了。

[f165af34d4830eeb]

@xuegy 我觉得你还是和老板商量下吧，没必要帮老板省经费的，除非你们组有别的地方要花钱。隔壁组单机八路 3080 快把我馋哭了，有钱真好...

[xuegy]

@f165af34d4830eeb 这么跟你说吧，我们组写 proposal 没花一分钱从 NSF 白嫖了五百万 SU （ 500 万核心*小时），这些东西要是自己买，别说机器价格，电费就得多少....

[f165af34d4830eeb]

@xuegy 真有这个运算量不应该沦落到和炼丹佬抢机时啊...但是你们这个和炼丹的抢内存确实没啥好办法，你又不能把对方踢掉，对方也不愿意让出机时，这个问题估计还得靠老板出面解决。

[xuegy]

@xuegy 你还是低估了炼丹佬，虽然炼一次只占一个核但架不住量大啊。我随便敲一下 squeue，好几十屏都是只开单核的 GPU 任务。

[Lemeng]

是后台程序的意思吧

[Sasasu]

用 GPU 走 DMA 和中断抢内存带宽，优先级就是比普通的程序高.....

[czfy]

@xuegy Xeon 换 EPYC 大潮可以展开讲讲吗？ Intel 在服务器端也要守不住了？大快人心

[xuegy]

@czfy 我不知道国内是什么情况，反正美帝这两年只要 Intel 超算退役了，基本新换上来的都是 EPYC 。因为 AMD 核心数量多好几倍，跑那些内存占用小的，L3 就能装满的 benchmark，速度确实起飞。跑分好看自然可以忽悠学校和研究所换平台。但实际上对于我们这种 cache 几乎必定 miss 的程序来说，Intel 6 通道 VS AMD 8 通道，性能提升真的不大。

[0TSH60F7J2rVkg8t]

@czfy 多谢指教

[zwy100e72]

有没有可能优化内存访问效率，提升一下 cache 命中率呢？

毕竟顺序读取的访问效率就是比随机访问效率高 (cpu prefetch)

[Knights]

技术上不好解决啊，让管理员按时间段划分使用呗

[xuegy]

@zwy100e72 如果你有什么方法能让超大稀疏矩阵命中 cache，那大概可以拿图灵奖了。

[abbottcn]

诸如 slurm 之类的调度器，似乎只能限制内存容量，而不能限定带宽。slurm 通过 cgroup 做限定。

另外说个笑话。一个生物课题组计算出了问题，找我解决。我一看，双路机器，两张 GPU，却只有两个 8GB 内存条，计算基本都是内存不足而挂掉的。他们以为，GPU 计算，和 CPU 内存没啥关系。要是再无知点，估计都能用一个内存条。

[xuegy]

@abbottcn 就算不把插槽插满，也要把通道插满。这是对双路 CPU 最基本的尊重。

[abbottcn]

@xuegy 你还没看过，四路 8 系列处理器服务器，用四个 64GB 内存条的。
常见的是，双路机器，8 系列处理器，用四个或者八个内存条的。

来问我，我都说，8 系列处理器，双路，不用 12 个内存条的，基本是傻子。同理，四路机器，v3v4 处理器，用 16 个内存条，8 系列，用 24 个内存条呀。高校一窝蜂做计算的很多，买的机器配置搞笑的特别多。

[xuegy]

@abbottcn 我们组中东土豪自费攒的电脑，内存条倒是插满了，愣是不知道去 BIOS 开一下 XMP，DDR4 3600 跑在 2133，损失了快一半带宽...

[czfy]

@xuegy 性能提升不大，至少有提升，但价格会有变吧？

[skies457]

或许可以也用 GPU 解矩阵....

[nlzy]

打不过就加入，你也用 GPU 解矩阵

[ziseyinzi]

还没听说过主机管理员能管理内存带宽的，甚至带宽占用都不知道怎么看

[akira]

@ahhui 应该是跑机器学习吧。。猜测。。

[f165af34d4830eeb]

@xuegy 所以国内有一点好，这种技术上不太好解决的问题，可以通过加钱 /行政手段去解决。。

[yazoox]

为啥超算才 24 核心？不是很懂，这玩意儿，不是几千几万个么？

[dangyuluo]

好玩，不过应该不好办，毕竟是按核心卖而不是按内存带宽卖的。不过这不是个零和游戏，二十个负核游戏。虽然 wakuang 得到了更多内存带宽，但是并没有得到更多的算力，而你损失了算力。

[updateing]

Intel RDT 提供了使用软件对 cache 和内存带宽做分配的功能，但我不了解 GPU 用 DMA 抢带宽能否一起限制。或许可以看看： https://www.intel.cn/content/www/cn/zh/architecture-and-technology/resource-director-technology.html

[xuegy]

@czfy 价格我就不知道了，人家买都是有技术支持的整机，硬件成本只是其中一部分。我只能说如果想自己攒一台工作站的话价格其实差不多，反正大头在内存上。

[xuegy]

@nlzy 我也想加入，但是单精度跑出来的仿真结果很难发表啊。

[xuegy]

@updateing 是通过限制 L3 的方式来控制内存带宽的么...看简介的确是我想要的，不过显卡 DMA 很有可能管不到。

[xuegy]

@dangyuluo 我个人认为最理想方式是专门弄 GPU 节点，就像矿机那样的，炼丹师们自己去跟自己抢。这样他们自然会想办法减少 GPU 和内存的数据交换。

[czfy]

@xuegy 嗯。目前其实 AMD 和 Intel 的差距主要在软件生态上，给一两年追上来了之后，竞争力会更强

[xuegy]

@czfy x86 在超算没有什么区别，AMD 又不是不支持 AVX2 。硬要说区别的话，英特尔有 icc，AMD 是 Clang 魔改的 AOOC 。不过 icc 那个兼容性实在是太烂了。

[BrettD]

@yazoox 超算的几千几万个核心也是一个个节点砌起来的

[FindHao]

@xuegy gpu 有双精度，超算一般都是 tesla 系列的，硬件 fp64 是完整的。即便不是 tesla，geforce 的也有双精度，只不过性能差一点。

[xuegy]

@FindHao 我知道有用 GPU 算的，CPU 把矩阵组装好以后送进 GPU 迭代，依旧无法克服内存瓶颈的问题。

[Ehco1996]

让 admin 用 cgrou 做隔离？

[dbpe]

就不能把炼丹放在一起,一起练蛊么

[heart4lor]

双路服务器 NUMA 架构访问内存的速度是不一样的，可以参考 http://cenalulu.github.io/linux/numa/ 

[karatsuba]

想问一下炼丹是什么意思

[VZXXBACQ]

@karatsuba Deep Learning

[wsy2220]

花钱即可

[512557852]

用 24core 独占整个 CPU